Recursive 发布笔记本端编码模型 Flint，称主要由 AI 参与构建
Recursive launches Flint, a laptop coding model it says was largely built by AI
Recursive 发布首个模型 Flint，这是一个可在笔记本上离线运行、以 Apache 2.0 许可在 Hugging Face 免费下载的编码模型，公司称其研发过程主要由自研的 Eureka Machine 参与，小团队不到四个月从零建成。
Flint 以 40B 参数、单次激活 2.5B 的 MoE 结构跑在笔记本上，可与同机其他小模型的速度和基准表现对照。
去年成立的人工智能初创公司Recursive正开始名副其实。这家公司试图打造能够自我改进的AI，并于周三发布了其首个模型Flint。Flint是一个免费的编程模型，可以在笔记本电脑上运行，而且很大程度上是在AI的帮助下构建的。
Recursive称，其名为Eureka Machine的自动化研究系统几乎参与了Flint开发过程的每一步。这使得一个小团队能够在不到四个月内从零开始构建该模型。
Flint是对递归式自我改进的一次早期公开测试：即AI能够构建更好的AI，而更好的AI又能构建出更好的AI。这也是业界争议最大的想法之一。一些研究人员担心，AI自我改进可能会脱离人类控制。目前，Recursive的版本较为有限：一个由人类监督的AI研究助手，产出了一个小到足以在笔记本电脑上运行的模型。
该公司于5月结束隐身状态，融资6.5亿美元，估值达46.5亿美元，投资方包括GV、Nvidia和AMD Ventures。Recursive由Salesforce前首席科学家、CEO Richard Socher领导。
由于Flint运行在用户自己的电脑上，而非公司的云服务器上，开发者可以离线使用它、保持代码私密，并避免AI云服务根据模型处理的文本量收取的使用费。该模型可在流行的AI模型分享网站Hugging Face上免费下载，采用Apache 2.0许可证——一种允许免费使用和修改的开源许可证。
Flint是一个混合专家模型，这意味着它在处理任何给定任务时只使用自身的一小部分：每次仅调用其400亿个设置（称为参数）中的25亿个。这使其轻量到足以在普通笔记本电脑上运行，且远小于Meta上周发布的、专为Mac打造的开源模型Muse Spark Open。Muse Spark Open使用8160亿个参数，至少需要1TB内存。
Flint的速度也很快。在Recursive的测试中，它在搭载苹果M4 Pro芯片的MacBook Pro上每秒生成约131个token（文本块）——大约是同类模型在同一台机器上每秒58至69个token速度的两倍，这些模型包括Google的Gemma 4和Nvidia的Nemotron 3.5 Lightning。在Nvidia的RTX Spark上，Flint的生成速度超过每秒150个token。
在衡量AI修复真实软件缺陷能力的基准测试SWE-Bench Verified上，Flint的表现优于其他参数低于500亿的模型。在Recursive自己进行的六项测试平均成绩中，只有阿里巴巴的Qwen3.8 27B得分高于Flint。
该公司承认，Flint比大型付费编程助手需要更多引导，并建议将大型任务拆分为更小的步骤。尽管如此，早期评价仍是正面的。 《连线》的Will Knight在配备48GB内存的Mac上使用Flint构建了几个小程序，包括一个待办事项应用和一个用于网络研究搜索的工具。他发现，与Claude或Codex相比，较小的编程模型经常出错或速度较慢，但Flint每次都准确完成了他的编程请求。
Eureka Machine负责提出想法、运行实验，并利用结果决定下一步尝试什么。根据该公司的发布视频，它参与了构建Flint的几乎每一个环节，从预训练到后训练以及推理。
Recursive 表示，Eureka 的贡献包括更稀疏的模型形态、低比特训练（使 Flint 缩小了 71%，而质量几乎没有损失）以及自定义内核，即用于加速底层计算的专用程序。
Recursive 没有说明 Eureka Machine 为其研究人员节省了多少时间，但它并非唯一一家借助 AI 开展研究的公司。OpenAI 上个月表示，截至 8 月中旬，其 AI 智能体为每名人类研究员工作一天就记录了 3.1 个工作日。
如果 Recursive 的押注成功，每个新模型都应能在没有人类帮助的情况下承担更长时间的工作。该公司此前曾告诉 TechCrunch，其 6 月与 Amazon Web Services 达成的 4.1 亿美元算力协议“与其说关乎员工人数，不如说关乎智能体数量”。
Socher 对《连线》表示，更长远的目标是让 Eureka Machine 实现完全的递归自我改进，由人类监督整个过程，并能在出现问题时将其停止。Recursive 表示，每个新模型都应让 Eureka Machine 成为更好的研究者，帮助它更快地构建下一个模型。
当您通过我们文章中的链接购买时，我们可能会赚取少量佣金。这不会影响我们的编辑独立性。
Aditya Mehta 是 TechCrunch 报道 AI 的记者。他获得 Tarbell 人工智能新闻中心的资助，并曾就读于加州大学伯克利分校。您可以通过发送邮件至 [email protected] 或通过 Signal 上的 adymehta.74 发送加密消息联系 Aditya。
来源：TechCrunch · AI · techcrunch.com