Recursive，一家去年成立的AI初创公司，正在逐渐印证其名字的含义。这家致力于打造能够自我改进的AI的公司，于周三发布了其首款模型Flint。Flint是一款免费的编程模型，可以在笔记本电脑上运行，而且主要是在AI的协助下构建而成的。
该公司称，其自动化研究系统（被称为Eureka Machine）几乎参与了Flint开发的每一个环节。这使得一个小团队能够在不到四个月的时间内从零构建出这个模型。
Flint是递归自我改进理念的一次早期公开测试：即AI可以打造更好的AI，而这更好的AI又能打造出更强的AI。这也是业界争议最大的理念之一。一些研究者担忧AI自我改进可能会脱离人类的控制。目前，Recursive的版本还相对有限：一个由人类监督的AI研究助手，产出了一个足够小、可以在笔记本电脑上运行的模型。
该公司于5月结束隐秘状态，获得6.5亿美元融资，估值达46.5亿美元，投资方包括GV、英伟达和AMD Ventures。Recursive由CEO理查德·索彻（Richard Socher）领导，他曾是Salesforce的首席科学家。
由于Flint运行在用户自己的电脑上，而非公司的云服务器上，开发者可以离线使用它，保护代码隐私，并避免AI云服务根据模型处理文本量收取的使用费。该模型可在Hugging Face（一个热门的AI模型分享网站）上免费下载，采用Apache 2.0许可证，这是一种允许自由使用和修改的开源许可证。
Flint是一个混合专家（mixture-of-experts）模型，这意味着它在处理任何给定任务时只调用自身的一小部分：400亿个设置参数（即所谓的参数）中，每次仅使用25亿个。这使得它足够轻量，可以在普通笔记本电脑上运行，远小于Meta上周发布的专为Mac打造的开放模型Muse Spark Open。Muse Spark Open拥有8160亿个参数，至少需要1TB内存。
Flint运行速度也很快。在Recursive的测试中，它在配备苹果M4 Pro芯片的MacBook Pro上每秒生成约131个Token（文本片段）——大约是同类模型在同一设备上58到69个Token每秒速度的两倍，这些同类模型包括谷歌的Gemma 4和英伟达的Nemotron 3.5 Lightning。在英伟达的RTX Spark上，Flint的速度超过每秒150个Token。
在衡量AI修复真实软件漏洞能力的基准测试SWE-Bench Verified中，Flint的表现超过了所有参数量低于500亿的模型。在Recursive自行进行的六项测试平均成绩中，只有一个模型——阿里巴巴的Qwen3.8 27B——得分高于Flint。
该公司承认，与那些付费的大型编程助手相比，Flint需要用户提供更多的引导，并建议将大型任务拆分为较小的步骤。尽管如此，早期评测反馈仍然是积极的。《连线》杂志的威尔·奈特（Will Knight）在一台拥有48GB内存的Mac上使用Flint构建了多个小型程序，包括一个待办事项列表应用和一个用于网络研究信息检索的工具。他发现，相比Claude或Codex，较小的编程模型通常会出现错误或运行缓慢，但Flint每次都能准确完成他的编程需求。
Eureka Machine负责提出创意、运行实验，并根据结果决定下一步的尝试方向。根据该公司发布的视频，它几乎参与了构建Flint的每一个部分，从预训练到后训练再到推理环节。
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体积缩小了71%），以及定制化内核——这是一种用于加速底层计算的专用程序。
Recursive没有透露Eureka Machine为其研究人员节省了多少时间，但该公司并非唯一一个依靠AI进行研究的机构。OpenAI上个月表示，截至8月中旬，其AI智能体的工作量相当于每名人类研究员工作量的3.1倍。
如果Recursive的这一赌注得以实现，每一代新模型都应能够承担更长时间的独立工作，而无需人类协助。该公司此前曾告诉TechCrunch，其今年6月与亚马逊云科技达成的4.1亿美元计算资源协议，“与其说是关于增加人力，更多是关于增加智能体的数量”。
索彯告诉《连线》杂志，更长远的目标是让Eureka Machine实现完全的递归自我改进，同时由人类进行监督，并能在出现问题时随时中止该过程。Recursive表示，每一代新模型都应能让Eureka Machine成为更出色的研究者，从而帮助其更快地构建下一代模型。
