一句话速览：Salesforce 前首席科学家 Richard Socher 创办的 Recursive Superintelligence 发布了首个模型 Flint——开源权重、Apache 2.0 协议、笔记本就能跑的编码 Agent 模型，号称"主要由 AI 自己造出来"。

公司背景：明星团队 + 重金下注

• Recursive 由 Richard Socher（Salesforce 前首席科学家）创办，去年成立，今年 5 月走出隐身模式。
• 已融资 6.5 亿美元，估值 46.5 亿美元，投资方包括 GV、Nvidia、AMD Ventures。
• Flint 是公司发布的第一个模型，小团队不到 4 个月从零做到发布。

架构与参数

• 混合专家 MoE 架构：总参数 39.8B，每 token 实际只激活约 2.5B 参数。
• 上下文窗口：模型卡标注 262,144 tokens，官方博客称最长可达 512k，建议实际使用控制在 256k 以内。
• 对比参照：Meta 上周发布的 Muse Spark Open 有 816B 参数、需要 1TB 内存——Flint 的定位是轻得多、个人设备可跑。

硬件门槛：真的能"笔记本运行"

• 48GB 统一内存的 Apple Silicon Mac（M4 Pro / M5 Pro / M5 Max）或 48GB NVIDIA GPU 即可运行。
• 4-bit 量化权重约 23GB。
• 速度实测：MacBook Pro（M4 Pro）125–131 tokens/秒，官方称是同机型上 Gemma 4、Nemotron 3.5 Lightning（58–69 tokens/秒）的约 2 倍；NVIDIA RTX Spark 上可达 150+ tokens/秒。
• 第三方实测：Wired 记者在 48GB Mac 上用它做了待办应用和网页研究工具，"每次编码请求都成功"，而其他小模型常出错或太慢。

评测成绩：长板很长，短板也明显

• SWE-bench Verified：74.2%——真实 GitHub issue 修复能力，这是编码 Agent 模型的核心指标。
• IFEval：95.1%——指令遵循能力出色。
• Recursive 称在 50B 以下的 MoE 模型中，agentic coding 处于领先位置；自家六项基准平均分仅次于阿里 Qwen3.8 27B。
• 短板：Terminal-Bench 2.1 仅 54.9%，明显弱于稠密模型 Qwen 3.8 的 73.0%。终端环境下的多步操作仍是它的弱项。
• 官方也坦诚：Flint 比大型付费助手需要更多引导，建议把大任务拆小再交给它。

开源与生态

• 权重已上架 Hugging Face，Apache 2.0 协议——可免费商用、修改。
• 支持 llama.cpp、Ollama、Unsloth、LM Studio、vLLM、SGLang 等主流推理框架，官方还提供了专用引擎 "rec"。

最大话题点：Eureka Machine，"AI 造 AI"

Recursive 宣称，其自动化研究系统 "Eureka Machine" 参与了从预训练、后训练到推理优化的几乎每个环节。不到 4 个月、小团队、造出一个在编码基准上能打的模型——"递归自我改进"的叙事是这次发布最有传播力的部分。

当然要理性看待：官方没有披露 Eureka Machine 具体替代了多少人工工作，"主要由 AI 造出来"目前更多是叙事而非可验证的工程结论。但它确实指向一个趋势——模型研发本身正在被 AI 加速，下一代模型的迭代速度可能超出我们的直觉。

要点解读

1. "本地可跑 + 开源 + 能打"是 2026 年编码模型的黄金组合。隐私（代码不出内网）、成本（零 token 费）、可控（Apache 2.0 商用），三点同时满足的模型并不多。
2. MoE 的效率红利在端侧兑现。39.8B 总参数、只激活 2.5B——"看起来大、用起来小"，正是本地部署需要的形态。
3. 短板提示了使用姿势：终端多步操作弱 → 适合把它当"结对编程伙伴"处理明确的编码任务，而不是扔一个模糊需求让它全自动搞定。
4. 和本站昨天的《Qwen Code + Ollama 自托管编程助手》可以连起来看：一个是工具链（怎么搭），一个是新模型（用什么跑）——"本地 AI 编程"正在形成完整拼图。