Recursive发布40B开源编程模型Flint，研发环节大多交给AI

AI初创公司Recursive于10月21日发布其首个模型Flint。这是一个400亿参数的混合专家（MoE）编程模型，激活参数量约25亿，权重以Apache 2.0协议开源，开发者可在Hugging Face下载后在本机运行，不必把代码发往第三方服务器。

更受关注的是它的生产方式。Recursive首席执行官、前Salesforce首席科学家Richard Socher对媒体表示，“模型流水线的几乎每一个环节，实际上都是被AI完成并改进的”。公司自建的一套自动化研究系统名为Eureka Machine，负责提出改进方案、实现方案、跑实验验证，再根据结果决定下一步方向。据其说法，Eureka Machine提出了新的基座模型训练方法、新的模型架构，以及针对特定芯片优化的代码；由此生成的专用内核让Flint在英伟达RTX Spark上的生成速度提升了55%，而无需改动模型权重。

性能方面，公司公布的基准显示Flint在同类规模、同类架构的模型中领先，其中SWE-Bench Pro v2得分89.7，在六个基准上位列同级别第一。速度上，Recursive称其在64GB内存的RTX Spark上可超过每秒220个Token；在配备M4 Pro的MacBook Pro上超过每秒125个Token。需要指出，这些数字与榜单成绩均由公司自行提供，尚待第三方在更多硬件与任务上复现。

这轮发布把一个长期停留在论文里的概念推到产品层面：递归自我改进（RSI），即用AI来构建更好的AI。过去几年，合成数据、自动评测、智能体编程已让“AI参与AI研发”部分成为现实，Recursive试图把这些环节串成闭环。若闭环成立，模型迭代节奏可能从“月”压缩到“周”，小团队也有机会在特定任务上逼近资源更雄厚的大厂。

争议也随之而来。今年9月，一名研究人员从Anthropic离职并公开警告，包括递归自我改进在内的进展可能在数年内带来失控风险；美国国会已有多项法案提议禁止相关做法。Recursive的回应是：这些担忧更像科幻，Flint是用一套“无法脱离人类控制”的系统构建的；公司的目标是让Eureka Machine本身实现完整的递归自我改进，但全过程处于人类监督之下，出问题可以随时叫停。

外部研究也在为这条路提供注脚。微软、卡内基梅隆大学与弗吉尼亚大学的一个团队此前发表的工作显示，一个AI编程智能体可以通过修改自身的软件框架与模型权重实现递归式自我改进。对产业而言，真正的问题或许不是“AI能不能造AI”，而是当研发循环开始由机器驱动，评测、审计与熔断机制能否跟上同样的速度。

资本已经下注。Recursive以46.5亿美元估值完成6.5亿美元融资，投资方包括Google Ventures、Greycroft以及英伟达、AMD旗下的投资机构；联合创始人中还有长期研究“无限学习”的英属哥伦比亚大学教授Jeff Clune。在英伟达柏林GTC的发布节奏里，Flint也被列为面向RTX Spark优化的本地编程模型之一。