Recursive 发布首个模型 Flint：40B MoE、2.5B 激活参数，主打本地编码 Agent
来源MarkTechPost查看原文
速览
- Flint 是 Recursive 的首个模型，40B MoE、2.5B 激活，Apache 2.0 开源权重。
- 定位本地编码 Agent：查代码库、修 bug、实现功能、写测试，支持工具调用。
- 4-bit 权重约 23GB，48GB Mac 或 GPU 即可跑，官方称比同类快最多 2 倍。
- SWE-bench Verified 74.2%、IFEval 95.1%，在 50B 以下 MoE 中领先。
- Terminal-Bench 2.1 仅 54.9%，明显落后 dense Qwen 3.8 的 73.0%。
- Eureka Machine 参与架构搜索、lm_head 4-bit 量化与专用内核编写。
- NVFP4 量化版与 16-bit 版分数差距在 0.7 分以内。
- SWE-bench Pro v2 为 Recursive 自测，不能与公开 SWE-Bench Pro 直接比较。
- 支持 llama.cpp、Ollama、LM Studio、vLLM、SGLang 等推理栈。
Recursive Superintelligence 发布其首个模型 Flint，一个面向编码 Agent 的开源权重 MoE 模型：总参数 39.8B、每 token 激活约 2.5B，采用 Apache 2.0 许可，权重已上传 Hugging Face。模型卡标注上下文 262,144 tokens，官方博客称最高可到 512k。它可在 48GB 内存的 Apple Silicon Mac（M4 Pro、M5 Pro、M5 Max）或 48GB 显存的 NVIDIA GPU 上本地运行，4-bit 权重约 23GB。Recursive 称其自动化研究系统 Eureka Machine 参与了架构搜索、量化方案与内核编写等几乎整条技术栈的构建。性能上，Flint 在 Recursive 自建的对比图中是 50B 以下 MoE 模型里 agentic coding 最强的一个，但落后于最强的 dense 模型：SWE-bench Verified 74.2%、IFEval 95.1%，而 Terminal-Bench 2.1 仅 54.9%，低于 dense 版 Qwen 3.8 的 73.0%。所有分数均为 Recursive 自报。
关键事实
- Flint 总参数 39.8B，每 token 激活约 2.5B（含输出头；激活主体约 2.2B），采用 Apache 2.0 许可，权重发布于 Hugging Face。
- 架构为 decoder-only MoE Transformer：49 层（2 层 dense + 47 层 MoE），每层 256 个路由专家，每 token 选 6 个加 1 个常驻共享专家。
- 注意力混合两种类型：35 层使用 513 token 滑动窗口，14 层使用无位置编码的全注意力；32 个 query head、4 个 key/value head。
- 模型卡标注上下文 262,144 tokens，官方博客称最高 512k。
- 本地运行需 48GB 内存的 M4 Pro/M5 Pro/M5 Max Mac 或 48GB 显存 NVIDIA GPU；INT4 MLX 权重约 22.6GB，NVFP4 GGUF 约 22.9GB，BF16 检查点约 80GB，服务端每副本需 1 张 B300 或 H200。
- 自报分数：SWE-bench Verified 74.2%（NVFP4 74.1%）、SWE-bench Pro v2 89.7%、LiveCodeBench v6 80.3%、IFBench 89.2%、IFEval 95.1%、Terminal-Bench 2.1 54.9%。
本站视角
对中文开发者和国内做 Agent 的团队来说，Flint 的直接意义是：一个 40B 级、Apache 2.0、能在 48GB Mac 上以 4-bit 跑起来的编码模型，把「本地跑 agentic coding」的硬件门槛压到了单台高配笔记本。如果你的团队在用闭源 API 做代码 Agent，Flint 提供了一个可离线、可微调、无调用成本的备选；如果做的是端侧或隐私敏感场景（比如不能把代码传到云上的企业客户），这类模型的价值更直接。但我们的判断是，这一版更像「技术栈演示」而非「即插即用的生产力工具」：SWE-bench Verified 74.2% 与 Qwen3.6 的 73.4% 基本在同一水平，真正拉开差距的 Terminal-Bench 2.1 上 Flint 反而落后 dense Qwen 3.8 近 18 个百分点，说明它在需要多步终端操作的长任务上还不成熟，Recursive 自己也承认复杂任务上可能需要比大型闭源模型更多的引导。更值得注意的是数据可信度问题：所有 benchmark 均为 Recursive 自报，其中 SWE-bench Pro v2 的 89.7% 是自家测量的私有面板，与公开 SWE-Bench Pro 不可比（同一张表里 Qwen3.6 在公开版只有 49.5%），这个数字不应被当作跨模型对比依据。Eureka Machine「参与构建几乎整条技术栈」的说法同样只有厂商单方信源，缺少第三方复现。因此对多数团队，合理的做法是把它放进本地编码模型的候选清单做小规模实测，而不是因为「自动化研究造模型」的叙事就立刻迁移。
背景与影响
Flint 是 Recursive Superintelligence 发布的第一款模型，这家公司此前以「自动化 AI 研究」为叙事，其 Eureka Machine 被描述为能提出想法、实现、测试并决定下一步的系统。这次 Flint 是这套系统第一次产出可交付的成品模型，官方称架构搜索、量化配方和内核优化三部分都有 Eureka Machine 的贡献，其中把输出层 lm_head 量化到 4 bit 属于反常规做法，靠 16-bit 教师蒸馏补回精度，并把训练步数相比量化感知训练基线近乎减半。从产品定位看，Flint 走的是「小激活参数 + 本地部署 + 编码 Agent」路线，与 Qwen3.6-35B-A3B、Poolside 的 Laguna XS 2.1、Google 的 Gemma 4 31B 处于同一档位；相比这些竞品，Flint 的差异点在于激活参数更低（约 2.5B）、明确支持 OpenAI 兼容工具调用，并配套了自研的 rec 推理引擎与 Metal megakernel。需要观察的是，本地小模型这条赛道过去一年的竞争焦点已从「能不能跑」转向「agentic 任务能不能用」，Terminal-Bench 这类贴近真实终端操作的 benchmark 权重正在上升，而 Flint 恰好在这一项上落后于 dense 模型。
本文由 AI 辅助整理自公开信源，事实部分以原文为准；「本站视角」一节为编辑部判断，欢迎指正。版权归原作者所有，如有异议请联系我们。
