10 月 21 日，AI 初创公司 Recursive 发布了它的第一个模型 Flint——一款免费、Apache 2.0 协议的开源编程模型，可以直接下载到自己的笔记本上离线运行。它最特别的地方有两点：一是「主要由 AI 自己造出来」，二是小到能在普通 Mac 上跑出不错的速度。这家由 Salesforce 前首席科学家 Richard Socher 创办的公司，刚以 46.5 亿美元估值融了 6.5 亿美元，投资方包括 GV、Nvidia 和 AMD Ventures。Flint 背后押注的，是「递归自我改进」（recursive self-improvement）这个业界最诱人、也最受争议的想法：让 AI 造出更好的 AI。
核心能力：小模型，专为本地编码而生
Flint 是一个 混合专家（MoE）模型，总参数 400 亿（40B），但每次推理只激活其中 25 亿（2.5B）参数。正是这个「稀疏激活」设计，让它可以塞进一台普通笔记本，而不是像 Meta 上周开源的 Muse Spark Open 那样需要 1TB 内存才能跑。
- 本地离线运行：代码完全留在你自己的电脑上，无需上传到云服务器，对隐私敏感的开发者是实打实的卖点。
- 速度出色：在 M4 Pro 芯片的 MacBook Pro 上约 131 token/秒，是同类模型（Gemma 4、Nemotron 3.5 Lightning）约 58–69 token/秒的将近两倍；在 Nvidia RTX Spark 上超过 150 token/秒。
- Free and open source：在 Hugging Face 免费下载，Apache 2.0 协议，可自由使用和修改，没有云服务按 token 计费的费用。
- 基准表现：在衡量修复真实软件缺陷的 SWE-Bench Verified 上，它超越了所有 50B 参数以下的模型；在 Recursive 自己的六项测试均值里，只有阿里 Qwen3.8 27B 比它高。
「AI 自己造自己」：Eureka Machine 是什么
Flint 最引发讨论的，不是参数规模，而是它的诞生方式。Recursive 的自动化研究系统 Eureka Machine 几乎参与了开发的每一步——从预训练、后训练到推理。据公司介绍，它的贡献包括：一个更稀疏的模型结构、把模型体积压缩 71% 却几乎不损失质量的低比特训练，以及加速底层计算的自定义 kernel。
这套系统会自己提出想法、跑实验、根据结果决定下一步该试什么。目前它更像一个「被人类监督的 AI 研究助手」，产出了一个能装进笔记本的小模型。但 Socher 的长远目标是让 Eureka Machine 实现真正的递归自我改进——当然，人类随时可以叫停。这正是 Anthropic 不久前公开呼吁要「全球暂停」的那条路线，也让 Flint 从一款工具，变成了一次价值观实验。
User experience/limitations
Wired 的 Will Knight 在一台 48GB 内存的 Mac 上实测，用 Flint 成功写出了待办清单应用和一个网页研究工具，并表示「每次都能准确完成」。但公司也坦诚：Flint 需要比 Claude 或 Codex 这类大型付费助手更多的引导，建议把大任务拆成小步骤。
- advantage：免费、隐私友好、笔记本可跑、速度快、开源可商用。
- limitations：复杂任务需要更多引导；参数规模小，绝对上限不如旗舰模型；中文场景表现官方未重点强调，需自行验证。
- 适用人群：想在本地跑私有代码的开发者、预算有限的学生、对「AI 造 AI」感兴趣的极客。
Recursive Flint 与其他开源编程模型横向对比
| Model | 规模/协议 | Core Positioning | This Site’s Rating |
|---|---|---|---|
| Recursive Flint | 40B MoE（2.5B 激活） | 笔记本本地编码 | 8.2 |
| Kimi K2.7 Code | Open source | 开源编程模型 | 8.2 |
| Xiaomi MiMo Code | Open source | 开源编程智能体 | 8.2 |
| MiniMax M3 | Open Weights | Million-Token Programming | 8.1 |
| GLM-5.2 | Open source | 开源编程登顶 | 8.6 |
| Qwen3.8 2.4T A95B | 2.4T MoE | 旗舰开源多模态 | 8.5 |
从坐标系看，Flint 的 8.2 分正好落在开源编程模型的第一梯队里，和 Kimi K2.7 Code,MiMo Code 持平，略低于 GLM-5.2 and Qwen3.8 这类旗舰开源模型。但 Flint 的独特价值不在绝对分数，而在于「笔记本能跑 + 免费 + 离线」这三点的组合——在本地部署这条赛道上，它目前几乎没有直接对手。
Overall Score
| 维度 | Score | evaluate |
|---|---|---|
| functional completeness | 7.5 / 10 | SWE-Bench Verified 亮眼，但需更多引导、上限不如旗舰 |
| 易用性 | 8.5 / 10 | Hugging Face 免费下载，笔记本即可跑，上手门槛低 |
| Cost-effectiveness | 9.5 / 10 | 完全免费、开源可商用、无云费用，性价比顶级 |
| 中文支持 | 7.0 / 10 | 官方未重点强调中文，代码场景影响有限，需自行验证 |
| 输出质量 | 8.0 / 10 | 50B 以下最强之一，但绝对实力仍弱于大型付费助手 |
Overall rating: 8.2/10
Frequently Asked Questions (FAQ)
Recursive Flint 是什么？
Flint 是 AI 初创公司 Recursive 发布的开源编程模型，40B 参数（2.5B 激活），可以在普通笔记本上离线运行，由 AI 自动化研究系统「Eureka Machine」辅助开发。
Flint 免费吗？能商用吗？
完全免费，采用 Apache 2.0 开源协议，可自由下载、使用、修改和商用，没有云服务按 token 计费的费用。
本地运行 Flint 需要什么配置？
官方在 M4 Pro 芯片的 MacBook Pro（48GB 内存）上实测约 131 token/秒，在 Nvidia RTX Spark 上更快。得益于 MoE 稀疏激活，普通中高端笔记本即可运行，无需 1TB 内存级别的高配。
Flint 和 Claude Code、GitHub Copilot Which one should you choose?
如果你重视代码隐私、想离线运行、预算有限，Flint 是更好的选择；如果你需要最强的复杂任务能力、丰富的生态和 IDE 集成，Claude Code or GitHub Copilot 仍是更省心的付费选项。两者可以互补。
Flint 支持中文吗？
作为开源编程模型，Flint 主要用于代码生成，中文对话能力官方未重点强调，中文场景的实际效果建议自行下载验证。编程本身以英文为主，中文注释和中文提问通常也能处理。
总结：Flint 值不值得试试
Flint 不是最强的编程模型，但它可能是目前「笔记本本地免费跑」这条赛道上最值得关注的一款。40B 的 MoE 架构、2.5B 激活、131 token/秒的实测速度、Apache 2.0 的开源自由，加上「AI 自己造自己」的故事性，让它既有实用价值，也有话题度。如果你受够了云 API 的计费焦虑、或者想在公司笔记本上跑一套完全私有的编码助手，Flint 值得花半小时下载试一次。
Want to discover more useful AI programming tools? Check out our AI Model Library and Tool Comparison Engineor continue reading:Liquid AI LFM 2.5 评测 · NVIDIA Nemotron 3.5 Super VL 评测 · DeepSeek V4 Pro benchmark.