产品简介
Flint 是 Recursive 发布的第一个模型，10 月 21 日以 Apache 2.0 开放权重上线。它是一个面向编码智能体的稀疏专家模型，总参数 398 亿、每个 token 只激活约 25 亿，配 262K 上下文，官网上强调的是快与本地可跑：在 MacBook 上能到每秒 125 个 token。
更特别的是训练过程。Recursive 的自动化研究系统 Eureka Machine 参与了从预训练、后训练到推理优化的几乎全部环节，团队从零训完只用不到四个月。官方自报的成绩是 Terminal-Bench 2.1 54.9%、SWE-bench Pro v2 89.7%、SWE-bench Verified 74.2%。权重放在 Hugging Face，OpenRouter 上有免费档可以先试。
核心功能
- 稀疏专家结构：总参数 398 亿、每 token 激活约 25 亿，运行时的内存与算力开销接近小模型。
- 笔记本上能跑：量化后在 MacBook 上可以到每秒 125 个 token，出差或离线时也能继续写代码。
- 262K 上下文：一次能放进整个仓库的多个模块，长文件与跨文件改动不用反复切片。
- 工具调用与推理：面向编码智能体设计，支持多轮工具调用，可以接进常见的 Agent 工作流。
- 开放权重：以 Apache 2.0 发布在 Hugging Face，可以自行部署、微调或做量化版本。
- 自动化研究产出：预训练、后训练到推理优化几乎全部由 Eureka Machine 参与完成，四个月内从零训完。
适合谁用
以下类型的用户会特别受益于 Recursive Flint：
- 想在没有网络的机器上继续写代码的开发者
- 需要把整个仓库塞进上下文做跨文件重构的工程师
- 想自己部署编码模型、不接受按 token 计费的团队
- 在本地跑编码智能体做批量改动的用户
- 研究稀疏专家模型与训练流程的研究者
- 需要低成本反复试错的独立开发者与学生
优点亮点
- 激活参数只有约 25 亿，本地部署的门槛比同规模稠密模型低
- 262K 上下文够放整个仓库，跨文件改动的往返次数少
- Apache 2.0 权重可直接商用与二次训练
- OpenRouter 有免费档，不必先配环境就能试
- 笔记本上就有每秒 125 个 token 的速度，日常改代码不卡顿
- 训练流程本身可复现参考，对研究稀疏模型的人有额外价值
价格与方案
Flint 以 Apache 2.0 开放权重，权重与推理代码通过 Hugging Face 发布，无需按调用量付费，使用成本取决于自有硬件与运维条件。OpenRouter 提供免费档供试用，具体限速与配额以平台页面为准。
总结与建议
Flint 把注意力放在跑得动这件事上：40B 的稀疏结构只激活 2.5B，笔记本上就有每秒 125 个 token，262K 上下文足够装下整个仓库。Apache 2.0 权重可以自己部署和改。它的训练过程本身也有看头，四个月内几乎全程由自动化研究系统完成。适合想在本机或自有服务器上跑编码模型的人。
版本演进
- Recursive Flint 发布：40B 稀疏专家编码模型，Apache 2.0 开放权重 （2026-10-21）：Recursive 于 2026 年 10 月 21 日发布首个模型 Flint，面向编码智能体的稀疏专家模型，总参数 398 亿、每 token 激活约 25 亿，上下文 262K，在 MacBook 上可到每秒 125 个 token。训练几乎全程由自动化研究系统 Eureka Machine 参与，从零训完用时不到四个月。官方自报 Terminal-Bench 2.1 得 54.9%、SWE-bench Pro v2 89.7%、SWE-bench Verified 74.2%。权重以 Apache 2.0 发布在 Hugging Face，OpenRouter 提供免费档试用。