Recursive推出主要由AI構建的Flint編碼模型
Recursive 推出了 Flint 於 2026 年 10 月 21 日。該開源編碼模型背後的許多研究是在 AI 的幫助下進行的。整個模型由一個小團隊在不到四個月的時間內協助完成。問題是，這種方法是否爲小型實驗室提供了在不投入鉅額資金的情況下與大廠競爭的機會。
Flint 採用混合專家（MoE）架構。它每次僅激活模型的一小部分，從而提升運行效率。其 模型卡片顯示，該模型擁有 398 億個參數，每個 token 約有 25 億個活躍參數。Apache 2.0 許可證允許商業使用，開發者可在本地運行 Flint。
Recursive 稱 Eureka Machine 構建了什麼
Recursive 將 Eureka Machine 歸功於其爲 Flint 的架構、訓練和推理軟件提出的建議、編碼及測試改進工作。首席執行官 Richard Socher 向 WIRED 表示，AI 改善了“整個模型流程中幾乎每一個方面”。
這正是 Recursive 目標的核心。它希望 AI 系統能幫助構建更優秀的後繼者。Socher 堅持認爲，人們仍然可以終止研究過程。
來自該公司的基準測試，以及 WIRED 的實測體驗
在 Recursive 進行的測試中，Flint 在 SWE-Bench Pro v2、Terminal-Bench 2.1 和 SWE-Bench Verified 上均優於其他參數量低於 500 億的混合專家模型。該公司還報告稱，在短上下文長度下，Flint 在 M4 Pro MacBook Pro 上的速度超過每秒 125 個 token，在 NVIDIA RTX Spark 上達到每秒 150 個 token。
一個重要的考量因素是：這些是公司的數據。獨立評估仍然有限。WIRED 的 Will Knight 親自測試了 Flint，發現它相當熟練，甚至能夠創建一個小型網站。然而，一些成功的編碼任務並不能說明它與其他模型的對比情況。
OpenHands 在 Flint 發佈前對其進行了測試，並在發佈當天爲開發者提供了訪問權限。儘管這表明 Flint 具備執行現實世界編程任務的能力，但 OpenHands 尚未對 Recursive 關於其基準測試結果的聲明進行獨立評估。
關於廉價 AI 的 $410 百萬美元問題
打造需要更少人力的模型，並不能保證它一定便宜。Recursive 尚未披露 Flint 的構建成本。
2026年7月28日，該公司與AWS達成了一項4.1億美元的交易。此前，該公司已籌集了6.5億美元。而且，這些金額均未包含構建Flint本身的成本。
Epoch AI的研究揭示了支出居高不下原因。在2024年期間，最終訓練運行佔OpenAI研究計算支出的9.6%。大部分資金被分配用於其他與研究相關的活動。
AI 代理可以接管部分原本由研究人員完成的工作。然而，運行實驗和測試新想法仍然需要大量的計算能力。
開放權重、本地硬件與全球競爭
與此同時，使用AI的成本正變得更爲低廉。Epoch AI估計，自2023年以來，實現同等性能的成本每個季度下降了約47%。
2026年9月22日，OpenAI推出了GPT-6 Sol和Luna，其價格至少比前代產品低50%，正如Cryptopolitan報道的那樣。
Flint 與那些價格變動無關。儘管如此，它爲開發者提供了另一種選擇：一種可以在自有硬件上運行的編碼模型，無需依賴付費雲服務。
其益處可能超越現有的AI市場。斯坦福大學2026年AI指數發現，開源開發正在幫助更多國家參與AI創新。
目前來看，Flint 展示了一個小團隊藉助 AI 輔助研究所能取得的成果。同樣的方法能否讓小型實驗室也能負擔得起模型開發，仍是一個未解之謎。
最聰明的加密領域人士已經在閱讀我們的通訊。想加入嗎？加入他們。
