Recursive是一家成立于去年的AI初创公司，如今开始名副其实；该公司致力于构建能够自我改进的AI，并于周三发布了其首款模型Flint。Flint是一款可在笔记本电脑上运行的免费编程模型，主要是在AI的帮助下开发而成的。
Recursive 公司表示，其名为“尤里卡机器”（Eureka Machine）的自动化研究系统几乎参与了 Flint 开发的每一个步骤。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 是对递归自我改进（recursive self-improvement）这一理念的一次早期公开测试：即人工智能可以构建更强大的人工智能，而后者又能构建出更优秀的人工智能。这也是行业内争议最大的理念之一。一些研究人员担心，AI 的自我改进可能会脱离人类的控制。目前，Recursive 的版本限制较多：它是一款由人类监督的 AI 研究助手，最终产出的模型体积足够小，可以在笔记本电脑上运行。
今年5月，该公司结束低调运营状态，获得了包括GV、英伟达和AMD Ventures在内的投资方提供的6.5亿美元融资，估值达46.5亿美元。Recursive由前Salesforce首席科学家Richard Socher担任首席执行官。
由于Flint运行在用户自己的计算机上而非公司的云服务器上，开发人员可以离线使用它、保持代码私密性，并避免AI云服务根据模型处理的文本量收取的使用费。该模型在分享AI模型的热门网站Hugging Face上以Apache 2.0许可证（一种允许自由使用和修改的开源许可证）免费提供下载。
Flint是一个混合专家模型，意味着它在处理任何特定任务时仅使用自身的一小部分：每次仅使用其400亿个设置（称为参数）中的25亿个。这使得它足够轻量，可以在普通笔记本电脑上运行，并且远小于Meta上周发布的专为Mac设计的开放模型Muse Spark Open。Muse Spark Open使用8160亿个参数，并需要至少1TB的内存。
Flint 的速度也很快。在 Recursive 的测试中，搭载 Apple M4 Pro 芯片的 MacBook Pro 上，Flint 每秒可生成约 131 个 token（文本块），这大约是相同机型上其他类似模型（包括 Google 的 Gemma 4 和 Nvidia 的 Nemotron 3.5 Lightning）每秒 58 至 69 个 token 速度的两倍。在 Nvidia RTX Spark 上，Flint 的速率甚至超过了每秒 150 个 token。
在 SWE-Bench Verified（一个衡量 AI 修复现实世界软件漏洞能力的基准测试）中，Flint 的表现优于其他参数量低于 500 亿的模型。在 Recursive 自行进行的六项测试的平均结果中，只有阿里巴巴的 Qwen3.8 27B 模型的得分高于 Flint。
该公司承认，与大型付费编程助手相比，Flint需要更多的指导，并建议将大任务分解为更小的步骤。尽管如此，早期评价依然积极。《连线》杂志的Will Knight 在一台拥有48GB内存的Mac上使用Flint构建了几个小型程序，包括一个待办事项列表应用和一个用于 scour 网络进行研究的工具。他发现较小的编程模型通常会出现错误或比Claude或Codex慢，但Flint每次都完美地满足了他的编程需求。
Eureka Machine负责提出想法、运行实验并利用结果来决定下一步尝试什么。根据该公司的发布视频，它在构建Flint的几乎每个环节中都发挥了作用，从预训练到后训练以及推理。
Recursive 表示，Eureka 的贡献包括更稀疏的模型结构、将 Flint 体积缩小 71% 且几乎不损失质量的低比特训练，以及用于加速底层计算的自定义内核（custom kernels）。
Recursive并未说明Eureka Machine为研究人员节省了多少时间，但并非只有它一家依赖AI进行研究。OpenAI 在上个月表示，到8月中旬，其AI代理每工作1个人类研究员的工作日，就会记录3.1个工作日。
如果Recursive的押注成功，每个新模型都应该能够在没有人类帮助的情况下承担更长时段的工作。该公司此前 告诉TechCrunch，其在6月与亚马逊云科技达成的4.1亿美元计算协议“与其说是关于人员数量，不如说是关于智能体数量。”
Socher 告诉《连线》杂志，长期目标是通过 Eureka 机器实现完全的递归自我改进，同时由人类监督整个过程，并在出现异常时能够随时停止。Recursive 表示，每推出一个新模型，都会让 Eureka 机器成为更优秀的研究者，从而帮助它更快地构建下一个模型。