TechCrunch 这一页的时间是 1:27 PM PDT · October 21, 2026。判断先写在前面：Recursive 在周三发布了它的第一个模型 Flint。免费、可以在笔记本上跑、主要由人工智能帮助建成，都是公司的说法。每秒大约 131 个词元，是公司在一台 MacBook Pro 上的测试，不是这一页给出的独立复核。SWE-Bench Verified 只写它胜过其他 500 亿参数以下的模型，分数没有印出来。
[1]
Flint 是混合专家模型。任何一次任务只用自身的一小部分：400 亿个参数里的 25 亿。页面说，这使它轻到可以放在普通笔记本上。对照物写的是上周发布的 Meta Muse Spark Open，那个开放模型有 8160 亿参数，至少需要 1TB 内存。两个模型的体量差是这一页的对照，不是同一套测试上的胜负。许可是 Apache 2.0，可以在 Hugging Face 免费下载。
[1]速度也是公司自己的测试。在装有苹果 M4 Pro 的 MacBook Pro 上，Flint 大约每秒生成 131 个词元，大约是同一台机器上相近模型的两倍。那些相近模型包括谷歌的 Gemma 4 和英伟达的 Nemotron 3.5 Lightning，大约每秒 58 到 69 个词元。在英伟达 RTX Spark 上，Flint 超过每秒 150 个词元。机器和词元口径是页面写明的。换一台机器会怎样，这一页没有写。
[1]修缺陷的名次同样没有分数。页面说，在衡量模型能否修复真实软件缺陷的 SWE-Bench Verified 上，Flint 胜过其他 500 亿参数以下的模型。公司自己对六项测试取的平均里，只有阿里巴巴的 Qwen3.8 27B 高于 Flint。六项是哪些、平均分是多少，这一页都没有印。公司还承认，Flint 会比大型付费编码助手需要更多指导，并建议把大任务拆成小步。需要更多指导是公司的话，不是一份失败率。
[1]主要由人工智能建成，指的是公司称为 Eureka Machine 的自动研究系统。页面说它参与了从预训练、后训练到推理的几乎每一步，让一个小团队在不到四个月内从头做成这个模型。公司说它的贡献包括更稀疏的模型形状，以及低比特训练把 Flint 缩小 71%、质量几乎没有损失。缩小 71% 是公司声称的结果。这一页没有写出训练步骤，稿里也不补。定制内核只被说成用来加快计算的专用程序，做法不写。
[1]《连线》的 Will Knight 在一台 48GB 内存的 Mac 上用 Flint 做了几个小程序，包括待办清单和一个检索研究材料的工具。他的经验是，更小的编码模型常常出错或偏慢，Flint 则每次都完成了他的编码请求。那是一位记者的试用，不是基准表。公司五月从隐身状态出来时的 6.5 亿美元融资、46.5 亿美元估值，以及六月与亚马逊云的 4.1 亿美元算力合同，都是更早的背景。首席执行官 Richard Socher 对《连线》说的完全递归自我改进，是更长期的目标，页面写了人可以在出错时停下来。那是目标，不是周三已经发生的事。
[1]