AI开始给AI打工了

一家刚成立一年、估值46.5亿美元的AI公司，把行业里最敏感的命题端上了桌。

让AI参与造AI。

这家公司叫 Recursive。周三，它发布首个模型 Flint。

一个免费编程模型。能跑在笔记本上。

更刺眼的是，Flint 的开发几乎全程有一套自动研究系统参与。

这套系统叫 Eureka Machine。

按照 Recursive 的说法，它参与了 Flint 从预训练、后训练到推理的几乎所有环节。

最后，一个小团队从零做出 Flint。

用时不到4个月。

4个月，6.5亿美元，46.5亿美元估值

Recursive 的来头也不小。

公司5月走出隐身模式，拿到6.5亿美元融资，估值46.5亿美元。

投资方包括 GV、Nvidia、AMD Ventures。

掌舵人是 Richard Socher，前 Salesforce 首席科学家。

所以，Flint 不只是一个模型发布。

它更像一次公开测试。

测试那个争论很大的方向：递归自我改进。

也就是 AI 造出更好的 AI，更好的 AI 再造更强的 AI。

老实讲，这个概念在AI圈一直带点禁忌感。

有人担心，AI自我改进会脱离人类控制。

至少目前，Recursive 的版本还很克制。

Eureka Machine 更像一个被人类盯着的AI研究助理。

它造出来的第一个成果，也只是一个能塞进笔记本的小模型。

笔记本成了新战场

Flint 最吸引人的地方，在本地。

它跑在用户自己的电脑上，不依赖公司云服务器。

开发者可以离线用。代码可以留在本地。也不用按文本处理量给云服务交钱。

模型已经上线 Hugging Face，免费下载，采用 Apache 2.0 开源协议。

技术路线也有点意思。

Flint 是一个混合专家模型。总参数设置约400亿，但每次任务只调用其中一小部分。

实际激活的参数约25亿。

这就是它能跑在普通笔记本上的关键。

对比一下 Meta 上周发布的 Muse Spark Open。

那个面向 Mac 的开源模型参数规模达到8160亿，至少需要1TB内存。

Flint 走的是另一条路。

不求把机房搬上桌。

先让普通开发者真的能用起来。

小模型也有硬成绩

性能上，Recursive 给的数据也挺冲。

在配备 Apple M4 Pro 芯片的 MacBook Pro 上，Flint 每秒生成约131个 token。

同一台机器上，类似模型 Google Gemma 4 和 Nvidia Nemotron 3.5 Lightning 的速度约为每秒58到69个 token。

在 Nvidia RTX Spark 上，Flint 超过每秒150个 token。

基准测试也不只是跑分。

在 SWE-Bench Verified 上，这个测试衡量AI修复真实软件bug的能力，Flint 超过了其他500亿参数以下模型。

在 Recursive 自己汇总的6项测试里，只有阿里巴巴 Qwen3.8 27B 的平均分高于 Flint。

当然，Recursive 也承认，Flint 比大型付费编程助手更需要引导。

大任务最好拆成小步骤。

有意思的是，早期评价并不差。

Wired 记者 Will Knight 用一台48GB内存的 Mac 做了几个小程序，包括待办清单工具和网页研究工具。

他说，小模型常见的问题是报错多、速度慢，对比 Claude 或 Codex 尤其明显。

但 Flint 每次都完成了他的编码要求。

真正的胜负手在后台

如果只看 Flint，这像一次本地开源模型的常规升级。

真正的看点在 Eureka Machine。

Recursive 说，这套系统会提出想法、跑实验，再根据结果决定下一步试什么。

它对 Flint 的贡献包括更稀疏的模型结构、低比特训练，以及定制 kernel。

低比特训练让 Flint 体积缩小71%，质量几乎没有损失。

定制 kernel 则用于加速底层计算。

Recursive 没有说 Eureka 到底省了多少时间。

但AI做AI研究，也并非它一家的故事。

OpenAI 上个月说，到8月中旬，其AI代理每1个人类研究员工作日，就能记录3.1个AI工作日。

Recursive 也在加码。

公司6月与 AWS 签了4.1亿美元算力协议。

他们对 TechCrunch 的说法是：

less about headcount and more about agent count

这句话很直白。

算力重点也在从人类团队规模，转向AI代理数量。

人类还握着刹车吗

Recursive 的长期目标，是让 Eureka Machine 实现完整的递归自我改进。

Socher 对 Wired 的说法是，人类会监督整个过程。

如果出问题，人类可以叫停。

公司还设想，每一代新模型都会让 Eureka Machine 变成更强的研究员。

然后，它再去造下一代模型。

速度更快。

个人觉得，这才是整件事最有张力的地方。

Flint 可能只是第一块砖。

真正被验证的，是一条由AI加速的模型生产线。

当AI开始参与AI研发，竞争拼的也许不再只是天才研究员。

还有谁的AI代理更能干活。

只是，当研发循环越转越快，人类手里的刹车，还能一直够用吗？

【锐评】：递归自我改进还没失控，先把本地免费编程模型卷出了新速度。

参考链接：
https://techcrunch.com/2026/10/21/recursive-launches-flint-a-laptop-coding-model-it-says-was-largely-built-by-ai/