Recursive发布开源代码模型Flint：号称由AI自主构建

AI 初创公司 Recursive Superintelligence 于 2026 年 10 月 21 日正式发布本地开源代码模型 Recursive Flint。该公司表示，该模型绝大部分研发与优化工作均由 AI 自主完成。

英伟达在 GTC 柏林大会上重点介绍了这款模型，并将其作为针对 RTX Spark 和 DGX Spark 系统进行深度优化的核心成果。Wired 提前对其进行了上手测试，评价其表现“令人印象深刻”，并认为这表明“递归自我改进”（Recursive Self-Improvement，即利用 AI 构建 AI）正变得愈发切实可行。

模型规格与运行配置

Flint 采用混合专家架构（MoE），总参数量为 400 亿（40B），单次激活参数仅为 25 亿（2.5B）。模型权重已基于 Apache 2.0 协议在 Hugging Face 开源。

• 推理性能：在 64GB 显存的 RTX Spark 系统上，生成速度超过 220 tokens/s。
• 基准测试：在智能体代码基准 SWE-Bench Pro v2 和 Terminal-Bench 2.1 上取得同级别顶尖成绩。
• 硬件适配：支持 RTX Spark、DGX Spark、GeForce RTX 以及 RTX PRO 系列 GPU，开发者可利用英伟达 NeMo 工具进行微调。此外，适用于苹果 Apple Silicon 的量化版本需要至少 48GB 统一内存的 Mac。

由 Eureka Machine 自主研发打造

Recursive 透露，Flint 是由其自主科研闭环系统“Eureka Machine”训练而成。该系统能够自主提出方案、编写代码、运行实验，并根据结果规划下一步尝试。英伟达指出，该系统甚至自主编写了专用内核，在不改动模型权重的情况下将 RTX Spark 上的推理速度提升了 55%。

Recursive 首席执行官、Salesforce 前首席科学家 Richard Socher 表示：“整个模型研发流水线的几乎每一个环节，实际上都由 AI 自行完成与优化。”他提到，这使得几名研究人员在短短数周内便完成了模型构建。

Wired 记者在配备 48GB 内存的 Mac 上测试了 Flint，让其编写命令行待办清单、信息检索程序以及关于递归自我改进的说明网页。测试表明，Flint 每次都能精准完成编码需求，相比同级别模型往往在对比 Claude 或 Codex 时速度迟缓或错误频发，Flint 表现亮眼。

争议与安全考量

目前 Recursive 估值达 46.5 亿美元，累计融资 6.5 亿美元，投资方包括 Google Ventures、Greycroft、Nvidia 及 AMD Ventures。

然而，AI 自我改进路线也引发了业界警惕。9 月曾有 Anthropic 研究员离职并警告该技术可能带来人类生存风险，美国国会也出现了拟禁止“递归自我改进”的相关提案。对此，Richard Socher 回应称，Flint 的构建流程处于严密的人类监督之下，系统无法脱离控制，未来更高级的递归迭代也将始终保留人工干预与熔断机制。