Recursive是一家去年成立的AI初创公司，如今正开始名副其实。这家公司致力于构建能够自我改进的AI，并于周三发布了其首个模型Flint。Flint是一款免费的编程模型，可在笔记本电脑上运行，且在很大程度上是在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开发过程的每一步。这使得一个小团队能够在不到四个月的时间里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可以构建更好的AI，而更好的AI又能构建出更更好的AI。这也是业内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。目前，Recursive的版本较为有限：它是一个由人类监督的AI研究助手，所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，以46.5亿美元估值获得6.5亿美元融资，投资方包括GV、英伟达和AMD Ventures。Recursive由Salesforce前首席科学家理查德·索彻（Richard Socher）担任CEO。
由于Flint运行在用户自己的电脑上，而非公司的云服务器上，开发者可以离线使用它、保持代码私密，并避免AI云服务根据模型处理的文本量收取的使用费。该模型可在AI模型分享网站Hugging Face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（MoE）模型，这意味着它在执行任何给定任务时只使用自身的一小部分：在其400亿个被称为参数的设置中，每次仅调用25亿个。这使其轻量到足以在普通笔记本电脑上运行，也远小于Meta上周发布的为Mac打造的开源模型Muse Spark Open。Muse Spark Open使用8160亿个参数，至少需要1TB内存。
Flint速度也很快。在Recursive的测试中，它在搭载苹果M4 Pro芯片的MacBook Pro上每秒生成约131个token（文本片段），大约是同类模型在同一台机器上每秒58至69个token速度的两倍，这些模型包括谷歌的Gemma 4和英伟达的Nemotron 3.5 Lightning。在英伟达的RTX Spark上，Flint每秒生成超过150个token。
在衡量AI修复真实软件缺陷能力的基准测试SWE-Bench Verified上，Flint的表现优于其他参数低于500亿的模型。在Recursive自己的六项测试平均成绩中，只有阿里巴巴的Qwen3.8 27B得分高于Flint。
该公司承认，与大型付费编程助手相比，Flint需要更多指导，并建议将大型任务拆分为更小的步骤。尽管如此，早期评价仍然积极。《连线》的Will Knight在一台配备48GB内存的Mac上使用Flint构建了多个小型程序，包括一个待办事项应用和一个用于网络研究检索的工具。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、低比特训练以及自定义内核。低比特训练使Flint缩小了71%，且质量几乎没有损失；自定义内核则是加速底层计算的专用程序。
Recursive并未说明Eureka Machine为研究人员节省了多少时间，但依赖AI开展研究的不止它一家。OpenAI上个月表示，截至8月中旬，人类研究员每工作1天，其AI智能体便记录3.1个工作日。
如果Recursive的赌注成功，每一个新模型都应能够在没有人类帮助的情况下承担更长时间的工作。该公司此前告诉TechCrunch，其6月与亚马逊云服务（AWS）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”。
索彻告诉《连线》，更长期的目标是让Eureka Machine实现完全的递归式自我改进，同时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。
