Recursive推出主要由AI构建的Flint编码模型
Recursive 推出了 Flint 于 2026 年 10 月 21 日。该开源编码模型背后的许多研究是在 AI 的帮助下进行的。整个模型由一个小团队在不到四个月的时间内协助完成。问题是，这种方法是否为小型实验室提供了在不投入巨额资金的情况下与大厂竞争的机会。
Flint 采用混合专家（MoE）架构。它每次仅激活模型的一小部分，从而提升运行效率。其 模型卡片显示，该模型拥有 398 亿个参数，每个 token 约有 25 亿个活跃参数。Apache 2.0 许可证允许商业使用，开发者可在本地运行 Flint。
Recursive 称 Eureka Machine 构建了什么
Recursive 将 Eureka Machine 归功于其为 Flint 的架构、训练和推理软件提出的建议、编码及测试改进工作。首席执行官 Richard Socher 向 WIRED 表示，AI 改善了“整个模型流程中几乎每一个方面”。
这正是 Recursive 目标的核心。它希望 AI 系统能帮助构建更优秀的后继者。Socher 坚持认为，人们仍然可以终止研究过程。
来自该公司的基准测试，以及 WIRED 的实测体验
在 Recursive 进行的测试中，Flint 在 SWE-Bench Pro v2、Terminal-Bench 2.1 和 SWE-Bench Verified 上均优于其他参数量低于 500 亿的混合专家模型。该公司还报告称，在短上下文长度下，Flint 在 M4 Pro MacBook Pro 上的速度超过每秒 125 个 token，在 NVIDIA RTX Spark 上达到每秒 150 个 token。
一个重要的考量因素是：这些是公司的数据。独立评估仍然有限。WIRED 的 Will Knight 亲自测试了 Flint，发现它相当熟练，甚至能够创建一个小型网站。然而，一些成功的编码任务并不能说明它与其他模型的对比情况。
OpenHands 在 Flint 发布前对其进行了测试，并在发布当天为开发者提供了访问权限。尽管这表明 Flint 具备执行现实世界编程任务的能力，但 OpenHands 尚未对 Recursive 关于其基准测试结果的声明进行独立评估。
关于廉价 AI 的 $410 百万美元问题
打造需要更少人力的模型，并不能保证它一定便宜。Recursive 尚未披露 Flint 的构建成本。
2026年7月28日，该公司与AWS达成了一项4.1亿美元的交易。此前，该公司已筹集了6.5亿美元。而且，这些金额均未包含构建Flint本身的成本。
Epoch AI的研究揭示了支出居高不下原因。在2024年期间，最终训练运行占OpenAI研究计算支出的9.6%。大部分资金被分配用于其他与研究相关的活动。
AI 代理可以接管部分原本由研究人员完成的工作。然而，运行实验和测试新想法仍然需要大量的计算能力。
开放权重、本地硬件与全球竞争
与此同时，使用AI的成本正变得更为低廉。Epoch AI估计，自2023年以来，实现同等性能的成本每个季度下降了约47%。
2026年9月22日，OpenAI推出了GPT-6 Sol和Luna，其价格至少比前代产品低50%，正如Cryptopolitan报道的那样。
Flint 与那些价格变动无关。尽管如此，它为开发者提供了另一种选择：一种可以在自有硬件上运行的编码模型，无需依赖付费云服务。
其益处可能超越现有的AI市场。斯坦福大学2026年AI指数发现，开源开发正在帮助更多国家参与AI创新。
目前来看，Flint 展示了一个小团队借助 AI 辅助研究所能取得的成果。同样的方法能否让小型实验室也能负担得起模型开发，仍是一个未解之谜。
最聪明的加密领域人士已经在阅读我们的通讯。想加入吗？加入他们。
