Recursive 发布开源本地编程模型 Flint：40B 总参数、仅激活 2.5B，Apache 2.0；自测 SWE-bench Verified 74.2%，64GB RTX Spark 上超每秒 150 token，由自动化研究系统参与研发

这件事意味着什么

【要点】

Richard Socher 创办的 Recursive Superintelligence 10 月 21 日发布首个模型 Flint，权重以 Apache 2.0 开放在 Hugging Face。它是面向本地编程智能体的 MoE 模型，从零训练。

一、规格：总参数 39.8B，每 token 激活约 2.5B；49 层，其中 35 层为 513 token 滑动窗口注意力，14 层全局注意力；256 个专家选 6 个加 1 个共享专家；文档配置 26.2 万 token 上下文（官方称最多支持 51.2 万，建议 25.6 万以内）；知识截止 2026 年 6 月。

二、成绩（自测）：Terminal-Bench 2.1 为 54.9%，SWE-bench Pro v2 为 89.7%，SWE-bench Verified 为 74.2%。官方称它在 50B 以下 MoE 模型中编程智能体成绩最好，可比 25B 到 40B 的稠密模型，速度快 5 倍以上。

三、速度：用自家推理引擎，M4 Pro MacBook Pro 上超过每秒 125 token，64GB RTX Spark 上超过每秒 150 token。vLLM 首日支持，单张 GB200 在 10 万 token 上下文下单请求约每秒 485 token。

四、怎么做出来的：小团队不到四个月完成，公司的自动化研究系统 Eureka Machine 参与了架构搜索、量化（连输出层也压到 4 bit，再用自蒸馏补回精度，NVFP4 版与 16 位版差距在 0.7 分内）和内核优化。

五、可用：支持 llama.cpp、Ollama、LM Studio、Unsloth、MLX、vLLM、SGLang，另发布 Mac 专用引擎 rec；OpenCode 和 pi 上可免费试用。NVIDIA 在 GTC 柏林把它列为 RTX Spark 首批本地模型。

【可核验】

Recursive 博文：https://www.recursive.com/updates/introducing-recursive-flint

Hugging Face：https://huggingface.co/RecursiveSI/flint

vLLM 首日支持：https://vllm.ai/blog/2026-10-21-flint

Socher 发布帖：https://x.com/RichardSocher/status/2112944391266386133

【我们的判断】

一、背景：Recursive 今年 5 月带着 6.5 亿美元出隐身，目标是「递归自我改进的超级智能」。Flint 是它第一次拿出可检验的产品，也是「AI 帮忙做 AI 研究」这一说法少见的落地样本：架构、量化方案、内核都标明由自动化系统参与。

二、横向比较：同样瞄准本地智能体的还有 Liquid AI 的 LFM2.5-24B-A2B（约 2B 激活）、NVIDIA Nemotron 3.5 Bolt 74B-A9B、Meta 的 Muse Glimmer 30B 稠密模型，以及 Perplexity 基于 Qwen 3.8 后训练的本地 PPLX 模型。Flint 激活参数最少之一，却报出最高的编程分数，路线是「极少激活 + 大量滑动窗口层」，把 KV 缓存压到每 token 28 KiB，长上下文时更省内存。

三、影响：如果第三方复测站得住，个人开发者在 64GB 级别的笔记本或小主机上就能跑接近云端中档模型的编程智能体，数据不出本机、不付 API 费。这会让 RTX Spark、DGX Spark 这类本地 AI 硬件更有卖点，也会给 Qwen、GLM 系的小型开源编程模型带来直接竞争。

四、注意：所有成绩都是 Recursive 自测，SWE-bench Pro v2 的 89.7% 明显高于同级模型常见水平，评测设置（mini-swe-agent、至少 5 次平均）与其他厂商不完全可比，需等独立榜单复测；「Eureka Machine 贡献了几乎每个环节」也缺少可量化的说明。