Recursive 推出了 Flint，这是一种笔记本电脑编码模型，据称主要由人工智能构建
资讯概览
本篇资讯源自 TechCrunch，报道了关于 Recursive 推出了 Flint，这是一种笔记本电脑编码模型，据称主要由人工智能构建（英文原文：Recursive launches Flint, a laptop coding model it says was largely built by AI）的最新国外 AI 科技动态。
- 媒体来源：TechCrunch
- 发布时间：2026/10/22 04:27:41
- 资讯分类：国外 AI 资讯
详细内容 (中文翻译)
Recursive 是一家去年成立的人工智能初创公司，现在已经开始名副其实。该公司试图构建能够自我改进的人工智能，并于周三发布了其第一个模型 Flint。 Flint 是一个可以在笔记本电脑上运行的免费编码模型，主要是在人工智能的帮助下构建的。
该公司表示，Recursive 的自动化研究系统（称为“尤里卡机器”）几乎为弗林特开发的每一步提供了帮助。这让一个小团队在不到四个月的时间内从头开始构建了模型。
Flint 是对递归自我完善的早期公开测试：人工智能可以构建更好的人工智能，反过来又构建更好的人工智能。这也是业内最具争议的想法之一。一些研究人员担心人工智能的自我改进可能会脱离人类的控制。目前，Recursive 的版本更加有限：一个人工智能研究助理，由制作了一个足以容纳笔记本电脑的模型的人监督。
该公司于 5 月份从隐秘状态中脱颖而出，获得了来自 GV、Nvidia 和 AMD Ventures 等支持者的 6.5 亿美元融资，估值为 46.5 亿美元。 Recursive 由 Salesforce 前首席科学家、首席执行官 Richard Socher 领导。
由于 Flint 运行在用户自己的计算机上，而不是公司的云服务器上，因此开发人员可以离线使用它，保持代码的私密性，并避免 AI 云服务根据模型处理的文本量收取使用费。该模型可以在流行的 AI 模型共享网站 Hugging Face 上免费下载，并遵循 Apache 2.0 许可证，这是一个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，这意味着它对于任何给定任务仅使用自身的一小部分：一次仅使用 400 亿个设置（称为参数）中的 25 亿个。这使得它对于普通笔记本电脑来说足够轻，并且比 Meta 的 Muse Spark Open 小得多，后者是上周发布的一款专为 Mac 打造的开放型号。 Muse Spark Open 使用 8160 亿个参数，至少需要 1 TB 内存。
弗林特的速度也很快。在 Recursive 的测试中，它在配备 Apple M4 Pro 芯片的 MacBook Pro 上每秒生成约 131 个令牌（文本块），大约是同一台机器上类似模型（包括 Google 的 Gemma 4 和 Nvidia 的 Nemotron 3.5 Lightning）每秒 58 至 69 个令牌的两倍。在 Nvidia 的 RTX Spark 上，Flint 每秒处理 150 个令牌。
在 SWE-Bench Verified（衡量人工智能修复现实软件错误的能力的基准）上，Flint 在 500 亿个参数下的表现优于其他模型。根据 Recursive 自己在六次测试中的平均值，只有一种模型（阿里巴巴的 Qwen3.8 27B）得分高于 Flint。
该公司承认，弗林特需要比高薪编码助理更多的指导，并建议将大任务分解为更小的步骤。尽管如此，早期的评论还是积极的。 Wired 的 Will Knight 在 48GB 内存的 Mac 上使用 Flint 构建了多个小程序，包括一个待办事项列表应用程序和一个在网络上搜索研究的工具。他发现较小的编码模型经常会遇到错误，或者与 Claude 或 Codex 相比速度较慢，但 Flint 每次都能满足他的编码请求。
尤里卡机器提出想法，进行实验，并使用结果来决定下一步要尝试什么。根据该公司的发布视频，它对构建 Flint 的几乎每个部分都做出了贡献，从预训练到训练后和推理。
Recursive 表示，Eureka 的贡献包括更稀疏的模型形状、将 Flint 缩小 71% 且质量几乎没有损失的低位训练以及定制内核，这些是加速底层计算的专门程序。
Recursive 没有透露尤里卡机器为研究人员节省了多少时间，但它并不是唯一一家依靠人工智能进行研究的公司。 OpenAI 上个月表示，到 8 月中旬，其人工智能代理为人类研究人员每工作一个工作日就记录了 3.1 个工作日。
如果 Recursive 的赌注得到回报，每个新模型应该能够在没有人类帮助的情况下承担更长时间的工作。该公司此前曾向 TechCrunch 表示，其 6 月份与 Amazon Web Services 达成的 4.1 亿美元计算交易“更多的是关于代理数量，而不是员工人数”。
索切尔告诉《连线》杂志，长期目标是让尤里卡机器实现完全递归的自我改进，由人类监督这一过程，并在出现问题时能够阻止它。 Recursive 表示，每个新模型都应该使尤里卡机器成为更好的研究人员，帮助它更快地构建下一个模型。
