Recursive是一家去年成立的 AI 初创公司，如今开始名副其实。这家试图打造能够自我改进的 AI 的公司于周三发布了其首个模型 Flint。Flint 是一款可在笔记本电脑上运行的免费编程模型，其构建过程大部分借助了 AI 的帮助。
该公司表示，其称之为 Eureka Machine 的自动化研究系统几乎参与了 Flint 开发的每一个步骤。这使得一个小团队在不到四个月的时间里从零开始构建了该模型。
Flint 是递归自我改进的一次早期公开测试：即 AI 可以构建更好的 AI，而后者又能构建出更好的 AI。这也是业界最受争议的理念之一。一些研究人员担心 AI 自我改进可能脱离人类控制。目前，Recursive 的版本更为有限：一个由人类监督的 AI 研究助手，它产出的模型小到可以在笔记本电脑上运行。
该公司于 5 月出关，获得了 6.5亿美元的融资 ，估值为46.5亿美元，投资方包括 GV、Nvidia 和 AMD Ventures。Recursive 由 CEO Richard Socher 领导，他曾是 Salesforce 的首席科学家。
由于 Flint 在用户自己的电脑上运行，而不是公司的云服务器，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 。该模型以 Apache 2.0 许可证（一种允许自由使用和修改的开源许可证）在流行的 AI 模型分享网站 Hugging Face 上免费下载。
Flint 是一个混合专家模型，这意味着对于任何给定任务，它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。这使其轻量到足以在普通笔记本电脑上运行，并且比 Meta 的 Muse Spark Open小得多——后者是上周发布的、为 Mac 打造的开放模型。Muse Spark Open 使用 8160 亿参数，并需要至少 1 TB 的内存。
Flint 也很快。在 Recursive 的测试中，它在配备 Apple M4 Pro 芯片的 MacBook Pro 上每秒生成约 131 个 token（文本块）——大约是类似模型在同一台机器上达到的每秒 58 到 69 个 token 的两倍，这些模型包括 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。
在衡量 AI 修复真实软件缺陷能力的基准 SWE-Bench Verified 上，Flint 优于其他 500 亿参数以下的模型。在 Recursive 自己的六项测试平均值中，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 需要比大型付费编程助手更多的指导，并建议将大型任务拆分为更小的步骤。尽管如此，早期评价是正面的。Wired 的 Will Knight 使用 了配备 48GB 内存的 Mac 上的 Flint 来构建几个小程序，包括一个待办事项应用和一个在网上搜寻研究资料的工具。他发现较小的编程模型经常出错或比 Claude 或 Codex 慢，但 Flint 每次都完美完成了他的编程请求。
Eureka Machine 会提出想法、进行实验，并利用结果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、使 Flint 缩小 71% 而质量几乎无损的低比特训练，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，但依靠 AI 进行研究的并非只有它一家。OpenAI 上个月 表示，到 8 月中旬，其 AI 智能体记录的工作量达到每位人类研究员工作量的 3.1 倍。
如果 Recursive 的赌注成功，每个新模型都应该能够在没有人类帮助的情况下承担更长时段的工作。该公司此前曾 告诉 TechCrunch 其与Amazon Web Services在6月达成的410百万美元算力交易“与其说是关于员工数量，不如说是关于智能体数量。”
Socher告诉Wired，更长期的目标是让Eureka Machine实现完全的递归自我改进，由人类监督这一过程，并在出现问题时能够将其停止。递归意味着每个新模型都应使Eureka Machine成为更好的研究者，帮助它更快地构建下一个模型。