Recursive发布可在笔记本运行、主要借助AI构建的编码模型Flint

Recursive 是一家去年创立的 AI 初创公司，如今正开始名副其实。这家公司试图打造能够自我改进的 AI，并于周三发布了首个模型 Flint。Flint 是一款免费的编码模型，可在笔记本电脑上运行，开发过程在很大程度上借助了 AI。

据该公司介绍，Recursive 的自动化研究系统 Eureka Machine 几乎参与了 Flint 开发的每一步。这让一支小团队得以在不到四个月的时间里从零打造出该模型。

Flint 是对递归自我改进的一次早期公开测试：这一理念认为，AI 可以打造更好的 AI，而后者又能打造更好的 AI。这也是业内争论最多的理念之一。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 的实现范围更有限：它是一个由人类监督的 AI 研究助手，所产出的模型小到可以在笔记本电脑上运行。

这家公司于 5 月结束隐身状态，获得了6.5 亿美元融资，估值达 46.5 亿美元，投资方包括 GV、Nvidia 和 AMD Ventures。Recursive 由首席执行官 Richard Socher 领导，他曾任 Salesforce 首席科学家。

由于 Flint 在用户自己的电脑上运行，而非使用公司的云服务器，开发者可以离线使用它、保护代码隐私，并免付 AI 云服务根据模型处理文本量收取的使用费。该模型可在热门 AI 模型分享网站 Hugging Face 上免费下载，采用 Apache 2.0 许可证，这是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，也就是说，它在执行任何给定任务时只会用到自身的一小部分：每次仅使用 400 亿个设置（即参数）中的 25 亿个。这使它足够轻量，能在普通笔记本电脑上运行，也远小于 Meta 的 Muse Spark Open。后者是为 Mac 打造的开放模型，于上周发布，使用 8160 亿个参数，且至少需要 1 TB 内存。

Flint 的速度也很快。在 Recursive 的测试中，它在搭载 Apple M4 Pro 芯片的 MacBook Pro 上每秒生成约 131 个 token（文本片段）——大约是同一台设备上类似模型每秒 58 至 69 个 token 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 的速度超过每秒 150 个 token。

在 SWE-Bench Verified 基准测试中，这项测试衡量 AI 修复现实世界软件漏洞的能力，Flint 的表现优于所有参数量低于 500 亿的其他模型。在 Recursive 对六项测试取平均值的内部评测中，只有一个模型的得分高于 Flint，即 Alibaba 的 Qwen3.8 27B。

该公司承认，Flint 需要比大型付费编码助手更多的指导，并建议将大型任务拆分成更小的步骤。尽管如此，早期评价还是很积极。 Wired 的 Will Knight 在一台配备 48GB 内存的 Mac 上使用 Flint，构建了几个小程序，包括待办事项清单应用和一个能在网上搜集研究资料的工具。他发现，与 Claude 或 Codex 相比，较小的编码模型经常出错或运行缓慢，但 Flint 每次都准确完成了他的编码请求。

Eureka Machine 会提出想法、运行实验，并根据结果决定下一步尝试什么。据该公司的发布视频介绍，它几乎参与了 Flint 开发的每个环节，从预训练到后训练和推理。

Recursive 表示，Eureka 的贡献包括更稀疏的模型结构、低比特训练（在几乎不损失质量的情况下将 Flint 缩小了 71%），以及定制内核——这类专用程序能够加速底层计算。

Recursive 没有透露 Eureka Machine 为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 智能体记录的工作时长达到人类研究人员的 3.1 倍。

如果 Recursive 的押注奏效，每个新模型都应当能够在无人协助的情况下承担更长时间的工作。该公司此前告诉 TechCrunch，6 月与 Amazon Web Services 达成的 4.1 亿美元算力协议“重点不在员工人数，而在智能体数量”。

Socher 告诉 Wired，长远目标是让 Eureka Machine 实现完全的递归式自我改进，由人类监督整个过程，并在出现问题时能够叫停。Recursive 表示，每个新模型都应当让 Eureka Machine 成为更出色的研究人员，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商品时，我们可能会获得少量佣金。这不会影响我们的编辑独立性。

Aditya Mehta 是 TechCrunch 的记者，负责报道 AI 领域。他获得 Tarbell Center for AI Journalism 的支持，曾就读于 UC Berkeley。您可以发送邮件至 [email protected] 联系 Aditya，也可以通过 Signal 上的加密消息联系他，用户名为 adymehta.74。

查看简介