ProjectsUnverifiedTranslation pending
Recursive发布Flint开源本地编程Agent模型
BIBIBI AT A GLANCE报道称Recursive发布本地编程模型Flint，并称其研发使用了自动化研究系统Eureka Machine。
Article
Recursive豪华创始团首次交卷：让AI参与造AI，4个月练出40B模型
动察 Beating AI 快讯，今年 5 月拿到 6.5 亿美元融资、估值达到 46.5 亿美元的 Recursive，终于交出了第一款模型 Flint。
它专为本地编程 Agent 设计，总参数约 400 亿，每次只激活 25 亿。团队从零研发这款模型，只用了不到 4 个月。
Recursive 的 8 位联合创始人，个个来头不小：
1. Alexey Dosovitskiy：Vision Transformer（ViT）第一作者，推动 Transformer 进入计算机视觉领域。
2. 田渊栋：前 Meta FAIR 研究总监，长期从事强化学习、大模型推理研究。
3. Tim Rocktäschel：前 Google DeepMind 开放式学习研究负责人，UCL 教授。
4. Jeff Clune：《Darwin Gödel Machine》论文作者，研究如何让 AI 修改自身代码、不断改进。
5. Josh Tobin：曾领导 OpenAI 的 Codex 和 Deep Research 研究团队。
6. Tim Shi：前 OpenAI 研究员，企业 AI 独角兽 Cresta 联合创始人。
7. Richard Socher：Recursive CEO，前 Salesforce 首席科学家、You.com 创始人。
8. Caiming Xiong：前 Salesforce AI 研究高级副总裁。
团队研发了一套名为 Eureka Machine 的自动化研究系统。它能自主提出改进方案、编写代码、运行实验，再根据结果继续调整。Flint 的模型架构、训练方法、量化和推理优化都用上了这套系统的研究成果。
Recursive 公布的测试显示，Flint 在 SWE-bench Verified 得分 74.2%。搭配专用推理引擎，在 M4 Pro MacBook Pro 上，短上下文生成速度超过每秒 125 Token。
模型权重已按 Apache 2.0 协议开放。
Source: https://m.theblockbeats.info/flash/373197
AI-assisted interpretation
The following is analysis, separate from reported facts. Verify important claims independently.
简单说，Flint 是一款面向本地编程 Agent 的模型。报道的重点不仅是模型本身，还包括 Recursive 用 Eureka Machine 参与模型研发：该系统可以提出方案、写代码、做实验并继续调整。文中的参数规模、测试成绩、运行速度、融资和开放权重状态均来自报道或 Recursive 公布的测试。
Why it matters to readers
如果这些说法能够复现，Flint 展示了让自动化研究系统参与模型架构、训练和推理优化的一种研发方式，也可能降低本地编程 Agent 对单次计算资源的需求。
新手可以把它理解为一款能在个人设备上辅助编程的模型；“每次只激活 25 亿”表示运行时并非同时使用全部约 400 亿参数，但实际体验仍取决于设备、推理引擎和使用场景。
Risks and unknowns
- 证据未包含 Recursive 官方公告、模型仓库或许可证文件，权重开放状态无法独立核验。
- SWE-bench Verified 74.2%来自 Recursive 公布的测试，证据未提供测试设置或独立复现结果。
- 每秒超过 125 Token 的速度限定于 M4 Pro MacBook Pro、专用推理引擎和短上下文，其他设备或场景表现未知。
- 证据未提供融资与估值的一手材料。
- Eureka Machine 对 Flint 各研发环节的具体贡献和技术细节未披露。
