Recursive是一家去年成立的 AI 初创公司，如今正开始名副其实。这家公司试图打造能够自我改进的 AI，并于周三发布了其首个模型 Flint。Flint 是一个免费的编程模型，可以在笔记本电脑上运行，而且很大程度上是在 AI 的帮助下构建的。
Recursive 称，其名为 Eureka Machine 的自动化研究系统几乎参与了 Flint 开发的每一个步骤。这使得一个小团队能够在不到四个月内从零开始构建该模型。
Flint 是对递归式自我改进的一次早期公开测试：这一理念认为 AI 能够构建更好的 AI，而更好的 AI 又能构建出更更好的 AI。这也是业界争议最大的理念之一。一些研究人员担心，AI 自我改进可能会脱离人类控制。就目前而言，Recursive 的版本更为有限：它是一个由人类监督的 AI 研究助手，产出的模型小到足以在笔记本电脑上运行。
该公司于 5 月结束隐身状态，获得了 6.5 亿美元融资，估值达 46.5 亿美元，投资方包括 GV、Nvidia 和 AMD Ventures。Recursive 由 Salesforce 前首席科学家 Richard Socher 担任 CEO。
由于 Flint 运行在用户自己的电脑上，而不是公司的云服务器上，开发者可以离线使用它、保持代码私密，并避免 AI 云服务按模型处理的文本量收取的使用费。该模型可在 Hugging Face（流行的 AI 模型分享网站）上免费下载，采用 Apache 2.0 许可证，这是一种允许免费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使用自身的一小部分：每次仅使用其 400 亿个设置（称为参数）中的 25 亿个。这使它轻到足以在普通笔记本电脑上运行，并且远小于 Meta 的 Muse Spark Open——后者是上周发布的、为 Mac 打造的开源模型。Muse Spark Open 使用 8160 亿个参数，至少需要 1 TB 内存。
Flint 的速度也很快。在 Recursive 的测试中，它在搭载 Apple M4 Pro 芯片的 MacBook Pro 上每秒生成约 131 个 token（文本块）——大约是同类模型在同一台机器上每秒 58 到 69 个 token 的两倍，这些同类模型包括 Google 的 Gemma 4 和 Nvidia 的 Nemotron 3.5 Lightning。在 Nvidia 的 RTX Spark 上，Flint 每秒超过 150 个 token。
在 SWE-Bench Verified（衡量 AI 修复真实软件缺陷能力的基准测试）上，Flint 的表现优于其他 500 亿参数以下的模型。在 Recursive 自己对六项测试的平均值中，只有一个模型——阿里巴巴的 Qwen3.8 27B——得分高于 Flint。
该公司承认，Flint 比大型付费编程助手需要更多引导，并建议将大型任务拆分为更小的步骤。尽管如此，早期评价仍是正面的。Wired 的 Will Knight 在一台 48GB 内存的 Mac 上使用 Flint 构建了几个小程序，包括一个待办事项列表应用和一个在网上搜集研究资料的工具。他发现，与 Claude 或 Codex 相比，较小的编程模型经常出错或速度较慢，但 Flint 每次都准确完成了他的编程请求。
Eureka Machine 会提出想法、运行实验，并利用结果来决定下一步尝试什么。根据该公司的发布视频，它几乎参与了构建 Flint 的每一个环节，从预训练到后训练和推理。
Recursive 表示，Eureka 的贡献包括更稀疏的模型结构、低比特训练（使 Flint 缩小了 71% 而质量几乎没有损失）以及自定义内核——即加速底层计算的专用程序。
Recursive 没有说明 Eureka Machine 为其研究人员节省了多少时间，但依赖 AI 做研究的不止它一家。OpenAI 上个月表示，截至 8 月中旬，其 AI 智能体每对应人类研究员的一个工作日，就记录了 3.1 个工作日。
如果 Recursive 的押注成功，每个新模型都应能在没有人类帮助的情况下承担更长时段的工作。该公司此前告诉 TechCrunch，其 6 月与 Amazon Web Services 达成的 4.1 亿美元算力协议“与其说关乎员工人数，不如说关乎智能体数量”。
Socher 告诉 Wired，更长期的目标是让 Eureka Machine 实现完全的递归式自我改进，由人类监督整个过程，并在出现问题时能够将其停止。Recursive 表示，每个新模型都应让 Eureka Machine 成为更好的研究者，帮助它更快地构建下一个模型。