简介
10月21日晚，田渊栋参与创办的 Recursive 开源了第一款模型 Flint-40B-A2B：一个面向本地 Coding Agent 的混合专家（MoE）模型，Apache 2.0 协议，权重已上架 Hugging Face。整条研发链路从零到发布，不到4个月。
比跑分更值得看的是生产方式——Recursive 自研的自动化科研系统 Eureka Machine 深度参与了架构探索、数据与优化方法、量化方案，以及底层推理内核生成。
核心功能：为"笔记本能跑"重新设计
- 参数结构：总参 40B，每生成一个 token 只激活 2.5B。这套配置不是拍脑袋定的——Eureka Machine 从 35B总参/3B激活的基线出发，遍历不同专家配置与宽度，最终挑出速度与编程能力平衡最好的那一组。
- 上下文：模型卡标注 262,144 token（发布博客提到最高可拓展到约 51.2万），官方建议实际控制在 25.6万以内效果更好。
- 推理速度：在 48GiB 内存的 M4 Pro MacBook Pro 上用 MLX 跑，短上下文生成达到 131.22 token/s；RTX Spark 上 NVFP4 版本达到 155.82 token/s。官方口径是同类模型最高 2 倍。
- 部署方式：支持 SGLang、Ollama、LM Studio，官方还提供了自研推理引擎 rec，在 M4 Pro + 4bit 权重下比 llama.cpp 快 1.4–2.6 倍。
- 内存门槛：完整权重约 80GB；4bit 量化版（LM Studio / Unsloth 有现成包）约 23–24GB，48GB 内存的 Mac 就能跑得比较舒服。
详细分析：跑分、量化与"本地科研"
官方公布的基准：Terminal-Bench 2.1 54.9%、SWE-Bench Pro v2 89.7%、SWE-Bench Verified 74.2%，在 50B 参数以下的 MoE 模型里领先。需要说明的是这些数字都由厂商自己发布，独立复测还没跟上。
量化环节有一个反常规的操作：把输出层（lm_head）压到 4bit。原因是 Flint 只激活 2.5B 参数，输出层在每个 token 的权重读取里占比很大，不压它省不下来。为了补精度，团队加了一个离线蒸馏阶段，用 16bit 模型当教师、在自己采样出的核心集上训练，训练步数比常规量化感知训练少了近一半，最终 NVFP4 版本与 16bit 版本的差距控制在 1 个点以内。
更意思的是"本地自动科研"的演示。研究员只给任务和可衡量的评分指标，Flint 自己提出思路、写代码、跑实验、按反馈迭代：在圆形填充问题里优化 26 个圆的位置与半径；在工厂调度任务里把整体完成时间比轮询基线提前 26%；在共享单车需求预测里，验证集 RMSLE 降低 30.8%、测试集降低 9.1%。过去跑这类自动科研要调大型闭源模型，现在一台笔记本就能完成闭环。
价格与适用边界
权重免费下载，Apache 2.0 允许商用。真正的成本是显存与电费：48GB 统一内存的 Mac、或 24GB 以上显存的显卡是比较现实的起点。
限制也很明确：与更大的闭源编程模型相比，Flint 处理复杂任务时需要更明确的指令，官方建议把大任务拆成小任务再交给它。它不是一个"一句话生成整个系统"的模型，而是一个响应快、可离线、可常驻的编程助手。
优缺点
- 优点：本地生成速度快、量化后内存友好、Apache 2.0 完全可商用、数据不出本机、可离线常驻并长时间跑实验。
- 不足：复杂任务需要拆解；上下文建议控制在 25.6万内；跑分为厂商自测，缺少第三方复现；没有官方托管 API。
适合人群与总结
适合三类人：代码不能出内网的团队、想在同一台机器上常驻多个 Agent 的开发者、以及在本地跑自动科研实验的研究者。如果你更依赖云端大模型的一站式体验，可以对照看我们的Gemini 4 Argon 开发者指南。想直接上手，从 Recursive Flint 工具页进 Hugging Face 下载即可。