主打AI自我改进能力的初创公司Recursive正式推出Flint，这是一款主要由AI协助开发的编码模型。作为可在笔记本电脑上运行的免费开源模型，Flint代表了利用自动化AI研究加速模型开发的早期实验。
Recursive透露，其内部名为“Eureka Machine”的研究系统参与了模型创建的几乎每一个阶段，使得一个小团队能在不到四个月的时间内从零开始构建该模型。
本地运行与开源策略
Flint旨在帮助开发者编写代码、创建小型应用程序并解决编程问题，且无需依赖基于云端的AI服务。与许多商业编码助手不同，Flint可直接在用户计算机上运行。这种本地化方案允许开发者离线工作，将源代码保留在本地，并避免云服务按处理量计费的成本。
该模型通过Hugging Face以Apache 2.0开源许可证免费提供，允许用户在遵守条款的前提下访问、使用和修改软件。Flint主要面向重视隐私、可访问性及对开发环境拥有控制权的开发者。
不过，Recursive承认，在处理复杂编程任务时，该模型可能需要比大型付费编码助手更明确的指令。
Eureka Machine加速研发流程
Flint开发的核心驱动力是Recursive的自动化研究系统——Eureka Machine。该系统不仅充当编码助手，还协助研究人员生成想法、进行实验、评估结果并确定后续研究方向。
据Recursive介绍，Eureka Machine参与了Flint开发的几乎所有阶段，包括预训练、后训练和推理相关工作。通过自动化部分研究流程，该系统帮助团队在不到四个月内完成开发，无需大型团队手动执行每项实验。
值得注意的是，该系统并未消除人类监督的需求，而是作为自动化研究助手，帮助人员更高效地探索想法并评估改进方案。这并非完全自主的“递归自我改进”，而是AI辅助人类研发的实际案例。
混合专家架构与性能表现
Flint采用混合专家（MoE）架构，允许模型仅针对特定任务激活网络的选定部分。尽管Flint包含约400亿参数，但每次仅激活约25亿个参数。这种选择性激活减少了单任务的计算资源需求，使其更适合本地部署。
在速度方面，Recursive测试显示，Flint在配备Apple M4 Pro芯片的MacBook Pro上每秒生成约131个token，优于同机器上运行的Google Gemma 4和Nvidia Nemotron 3.5 Lightning（约58至69个token/秒）。在Nvidia RTX Spark上，其速度超过150个token/秒。
在编码能力基准测试中，Flint在SWE-Bench Verified上的表现优于其他参数少于500亿的模型。在六项测试的平均结果中，仅阿里巴巴的Qwen3.8 27B得分高于Flint。
尽管性能亮眼，但Token生成速度并不直接等同于编码质量。快速模型仍可能需要更正、额外提示或多次尝试才能解决复杂问题。Flint并非大型商业系统的完全替代品，其适用性取决于开发者的硬件条件、隐私需求及任务复杂度。
常见问题
Flint AI用于什么？
Flint是一款聚焦编码的AI模型，旨在辅助开发者编写代码、构建小型应用及解决编程问题，支持在兼容计算机上本地运行。
Flint AI使用免费吗？
是的。Flint在Hugging Face上以Apache 2.0许可证免费提供，允许在遵守条款前提下使用和修改。
Flint AI可以在笔记本电脑上运行吗？
是的，Flint旨在本地执行。但实际内存和处理需求取决于模型配置、量化方式及运行时软件，并非所有笔记本都能流畅运行。
什么是Recursive的Eureka Machine？
Eureka Machine是Recursive的自动化AI研究系统，负责生成研究想法、运行实验、评估结果并指导模型开发的下一步。
Flint是否证明AI可以改善自身？
并非独立如此。Flint展示了AI如何协助人类研究人员开发新模型，但未确立AI系统能在无人类监督下自主且反复地自我改进。
与其他AI编码模型相比，Flint有多快？
Recursive报告称，在M4 Pro MacBook Pro上约为每秒131个token，在Nvidia RTX Spark上超过每秒150个token。实际速度因测试条件和硬件而异。