作者 | Don
来源 | 至顶AI实验室
最近看到一个叫Flint的模型，据说比同类模型快2倍，在英伟达10月最新发布的RTX Spark电脑上甚至能跑到150token每秒！（这台RTX Spark我们也第一时间拿到并发布了评测视频）
而且AI参与了整个训练过程，耗时仅4个月。之前经常看到AI模型自我改进的论文和新闻，现在总算是有可以上手的本地模型了。
仔细一看，发布模型的这个大佬是田渊栋，在国际AI圈赫赫有名。
他曾在 Meta AI 研究院 FAIR 担任总监，研究经历横跨强化学习、围棋 AI 和大语言模型。早年，他参与负责了开源围棋 AI 项目 ELF OpenGo；近几年，他又参与了 GaLore、StreamingLLM 等研究，分别探索如何降低大模型训练的内存开销、提高长序列推理的效率。
他工作的共同点似乎在于追问一个问题：模型为什么能做到，以及能不能用更高效的方法做到。
这也是田渊栋值得关注的地方。过去，他在研究神经网络如何学习、推理和优化；如今，他与联合创始人一起创办了 Recursive Superintelligence，开始探索让 AI 参与 AI 研发的另一条路线。
Flint就是这家公司发布的首款开源模型：总参数约 400 亿，激活参数约 25 亿，目标是在本地设备上快速完成编程任务。
Flint 最特别的地方在于它的研发方式。Recursive 让 AI 参与改进 AI，把一部分模型研发工作交给名为 Eureka Machine 的自动化研究系统。Flint 就是这套方法产出的第一款可供外界下载、运行和检验的模型。
Recursive这家以“递归自我改进”为目标的公司，究竟让 AI 做了哪些研究工作？为了搞清楚这个问题，我查了一些资料。
另一个问题是，做出来的模型在真实任务中又好不好用？这个问题就只能实测了，目前看到视频博主Luke's Dev Lab做的评测还不错，这个博主经常用自己的RTX 2000 Ada显卡和5090显卡测试各种本地模型。
RSI让研究结果进入下一轮研究
先解释一个AI模型领域最新又最重要概念，RSI 是Recursive self‑improvement “递归自我改进”的缩写。RSI代表一种AI研发过程中的循环：系统提出改进模型的想法，然后把想法写成可运行的方案，通过做实验、检查结果，再依据结果决定下一步研发动作。如果新模型提升了这个研究系统的能力，这个新模型就可能参与开发更强的下一代模型，不断自我迭代进化。
Recursive 把这个愿景落实到一个较具体的起点：自动化那些目标明确、结果可测的研发任务。根据公司的研究说明，Eureka Machine 能同时探索多条实验路线，保留有效发现，并检查结果是否只是测评漏洞或偶然波动。公司展示过它优化小模型训练流程和 GPU 计算程序的案例。
到了 Flint，自动化研究不再只是一组单独的实验。Recursive 称，Eureka Machine 参与了模型架构、训练方案、量化方法及推理优化。例如，团队原先考虑的是总参数约 350 亿、激活约 30 亿参数的配置；系统探索不同的专家数量和模型宽度后，选出了 Flint 的 400 亿总参数、25 亿激活参数方案。它还参与了寻找压缩模型权重、提高本地运行速度的方法。
有一点还是要说清楚：Flint 是由人类团队与自动化研究系统共同开发的模型，不是 Flint 自己独立训练出了 Flint。 Recursive 希望更强的模型在未来反过来提升 Eureka Machine，让下一轮研发更有效率。Flint 可以看作这个循环的起点，还不能视为完整自主改进已经实现的证明。
不止 Recursive，AI 改进 AI成为重要方向
让 AI 参与研发 AI，并不是 Recursive 一家公司的探索方向。目前，Google DeepMind、Anthropic、OpenAI 和 Sakana AI 都在推进相关研究，但它们的技术路线与实现程度并不相同。
Google DeepMind让 AI 发现更好的算法
2025 年，Google DeepMind 发布了 AlphaEvolve。这套基于 Gemini 的编程智能体系统，能够生成、评估和迭代改进算法，并已用于数据中心、芯片设计和 AI 训练流程优化。其中一个值得关注的应用，是改进用于训练大语言模型的部分流程。
Anthropic 与 OpenAI让 AI 承担更多研究工作
另一条路线，是让 AI 从编程助手逐渐成为 AI 研究的执行者。根据 2026 年 10 月的公开报道，Anthropic 表示，Claude 已承担约 26% 的模型研发工作；OpenAI 则在开发能够在人类指导下完成研究任务的自动化系统，并提出到 2028 年 3 月打造自动化 AI 研究员的目标。
这些进展意味着 AI 正在承担更多实验与研发任务，但目前仍不能据此认定它们已经实现完全自主的递归自我改进。
Sakana AI让智能体修改自己的代码
日本 AI 公司 Sakana AI 的 Darwin Gödel Machine（DGM），则直接探索智能体的自我改进：系统提出代码修改，再通过编程基准测试验证效果，并保留有效版本继续探索。研究报告显示，其在 SWE-bench 上的成绩从 20.0% 提升至 50.0%。
不过，这主要体现的是编程智能体通过修改自身代码来提升表现，并不意味着底层基础模型已经能够自主完成新一轮训练。
这些探索指向同一个变化：AI 正从辅助研发的工具，逐渐成为能够提出方案、执行实验和验证结果的参与者。但自动化算法优化、智能体自我改进和自动化基础模型研发，仍是不同层次的技术路线。
Recursive 的特点，是尝试将自动化研究系统直接用于模型研发，并通过 Flint 展示阶段性成果。它能否持续产出更强的模型、真正提高研发效率，仍有待后续迭代和更严格的验证。
速度优势，来自怎样的取舍
Flint 采用混合专家架构（MoE）。可以把它理解为：模型拥有较大的“专家库”，处理每个 token 时只调用其中一部分。这有利于减少生成时的计算量，却不等于整个模型只占 25 亿参数的存储空间。视频博主Luke's Dev Lab下载的 Unsloth 四位量化版本约 25 GB，大于测试所用显卡的 16 GB 显存，因此运行时还需要系统内存配合。
在RTX 2000 Ada的GPU配置下，Flint 的输出速度接近每秒 40 个 token；
换到 RTX 5090，视频显示约每秒 206 个 token。速度是这次实测中最突出的优点。
Recursive 将 Flint 定位为编程代理模型：它要读代码、改错误、实现功能，也要在多轮交互中调用工具。速度让它能更快地给出下一步操作；真正决定能否成为日常助手的，则是它能否少出错、少让人返工。
短任务顺畅，长任务费力
这条视频的测试很适合观察两者的差别。Flint 在 100 道 Python 挑战中答对 90 道；制作沙粒物理模拟和地牢游戏时，也都较快交出了能运行的结果。Blender 任务要求生成一盏星形灯笼，模型完成了资产，视频作者只需追加一次提示，让它补交原本要求的多角度截图。
任务变复杂后，体验发生了变化。制作看板应用时，Flint 最终给出了可用、界面也不错的作品，但途中出现输出截断、项目无法启动、弹窗关不掉、卡片拖动后消失等问题。视频作者不断反馈错误、要求修复，前后追加了约十次提示。结果能做出来，过程却谈不上省心。
难度最高的 Godot 任务要求制作包含移动平台、障碍和钥匙的 3D 游戏。生成的场景里能看到部分元素，角色却无法正常移动或跳跃；随后模型在反复处理任务时陷入循环，博主最终放弃了这次尝试。长上下文测试也提供了一个相关观察：在 256K 上下文中寻找指定信息，放在开头和结尾的数据都找到了，位于中间两个位置的数据却各只找到三次中的一次。
至顶AI实验室洞见
这些测试说明，Flint 的强项可能是边界清楚、能较快验证结果的任务；但在需要长期规划、持续记住状态并修复连锁问题的时候，用户可能仍须投入不少精力。
Flint能否让用户更快完成本地编程任务，这条视频给出了有成功也有挫折的案例。
没想到整个测试下来，这个模型最让我印象深刻的点居然是它的速度。
我们至顶AI实验室平时也在评测很多机器和模型，但大多数几百亿参数的模型在几万元设备上的速度也都在100以内，几十token每秒的水平，但是Flint在5090上跑出200token每秒。这个模型抽空一定要下下来试一试了。
同时，我也产生了一个新的疑问，这个40B也就是400亿参数的模型通过RSI训练，经历4个月到了现在的水平，那么如果训练时间是6个月或者1年甚至更长，会自我迭代出更了不起的能力吗？更快还是更聪明？
