专注本地智能体编码，开源MoE新模型登场
2026年10月21日，由前Google、Meta和OpenAI研究人员（包括Richard Socher）创立的AI初创公司Recursive正式发布了其首个模型Flint。该模型的权重已在Hugging Face平台上以Apache 2.0许可证完全开源。
Flint是一款专为在本地硬件上执行智能体编码（agentic coding）任务而设计的混合专家（MoE）模型。Recursive官方表示，该模型旨在让开发者能够在离线环境下进行代码库探索、错误修复以及测试编写，在保障数据隐私的同时免去云端API调用的费用。
细粒度专家路由与长上下文架构设计
在架构规格方面，Recursive披露Flint采用仅解码器（Decoder-only）MoE Transformer架构，总参数量为398亿（约40B），而在每个token生成时仅激活约25亿（2.5B）个参数。全模型包含49层，由2层密集层与47层MoE层构成，其中35层采用覆盖512个token的滑动窗口注意力机制，另有14层采用全注意力机制；其MoE层包含256个专家，单token会路由至6个专家并协同1个共享专家运行。
在上下文能力上，Recursive官方声称Flint支持最高512K token的上下文窗口，但为了在编码任务中达到最佳表现，建议将实际使用控制在256K token以内。而在LM Studio、SGLang和Ollama等第三方工具的实际配置与模型卡片中，该模型的上下文窗口通常被设定为262K（即262,144）token。
官方测试基准表现与首发生态链整合
根据Recursive官方公布的数据，Flint在参数量50B以下的MoE模型中领跑智能体编码基准测试，其官方评估成绩显示，SWE-bench Pro v2得分为89.7%，SWE-bench Verified得分为74.2%，Terminal-Bench 2.1得分则为54.9%。不过，这些测试成绩目前属于官方披露数据，仍有待独立第三方进一步复现与评估。
为了降低本地部署门槛，Flint在发布首日便获得了本地AI生态的广泛兼容，已直接集成至llama.cpp、Ollama、Unsloth、LM Studio、vLLM、SGLang以及OpenHands。同时，Recursive还同步推出了专门针对苹果M4 Pro和M5 Pro/Max芯片优化的轻量级推理引擎rec。
自动化研发实验与“AI制造AI”探索
值得注意的是，Flint是由一个小团队在不到四个月的时间内从零开始构建完成的。Recursive官方指出，该模型的研发是其自动化AI研究系统“Eureka Machine”的一次实际检验，该系统深度参与了数据准备、训练方案设计、基础设施调度及推理优化的全流程。
行业观察人士指出，Flint的推出代表了递归自我改进（recursive self-improvement）以及利用AI构建AI理念的早期公开测试，展示了小型团队借助自动化研发系统加速前沿模型开发的潜在路径。