Recursive Superintelligence 於 2026 年 10 月 21 日推出首款模型 Recursive Flint。這是一款可在本機硬體上執行的開放權重程式模型，主打速度與代理式程式開發。它引人注目的另一個原因，是公司表示自家的 Eureka Machine 協助打造了模型的許多部分。這讓 Flint 成為 AI 參與模型研發的案例，但不能據此認定 AI 已能獨立且無止境地改進自己。158

Flint 是什麼？

Flint 採用混合專家（Mixture of Experts，MoE）架構，總計有 400 億個參數，但每次處理一個 token 時，只會啟用其中 25 億個。Recursive 將它定位為適合在本機快速執行代理式程式任務的模型。117

據發布報導，Flint 的權重可從 Hugging Face 下載，採用 Apache 2.0 授權。報導也提到，模型可在消費級硬體上本機執行，包括 Apple Silicon Mac，以及配備 48GB 記憶體的 Nvidia GPU。36

Nvidia 在一則介紹歐洲本機 AI 發展的公告中提及 Flint，並稱它針對 RTX Spark 最佳化。這將 Flint 放進 Nvidia 推廣本機 AI 硬體的脈絡；但目前提供的公告內容，無法確認它曾在柏林 GTC 的特定場次登台展示。1

速度與基準測試表現如何？

目前公布的速度數字並不相同。Nvidia 的公告稱，Flint 在配備 64GB 記憶體的 RTX Spark 上，每秒生成超過 220 個 token。Recursive 自己則表示，在短上下文條件下，同一款硬體的速度超過每秒 150 個 token；在搭載 M4 Pro 的 MacBook Pro 上，則超過每秒 125 個 token。現有資料沒有清楚交代兩組 RTX Spark 數據的測試條件，因此不宜直接拿來比較。117

Recursive 也表示，Flint 在 SWE-Bench Pro v2、Terminal-Bench 2.1 與 SWE-Bench Verified 的成績，在總參數少於 500 億的 MoE 模型中名列前茅。這是限定比較範圍的說法，並非宣稱 Flint 領先所有程式模型；目前提供的報導也未附上獨立機構重現這些基準測試的結果。117

「AI 協助打造 AI」實際代表什麼？

Recursive 表示，自動化研究系統 Eureka Machine 協助 Flint 開發的多個階段，包括訓練、架構設計與程式碼最佳化。公司稱，這讓一支小型團隊能在不到四個月內完成模型。這些是 Recursive 對開發流程的描述，並非經獨立稽核、逐項確認人類與 AI 各自貢獻的紀錄。258

這個區別很重要：AI 協助模型開發，不等於 AI 已能自行決定要改進什麼、執行改進、評估成果，再不需人類指示地啟動下一輪開發。Recursive 將 Flint 描述為 AI 輔助研究的一次實測；目前可見的證據，尚不足以證明完全自主的遞迴改進循環已經實現。819

《WIRED》記者 Will Knight 試用後，稱 Flint 是一款表現出色的開放權重程式模型，並認為它顯示完全遞迴式自我改進正逐漸接近。這是他對模型意義的判斷，並不代表 Flint 已能獨立打造自己的下一代模型。8

為何這次發布既受關注，也引發疑慮？

對使用者而言，本機程式模型的一項實際吸引力，是不必把程式開發請求傳送到雲端服務。另一方面，若 AI 能協助研究與開發，理論上也可能讓小型團隊更快完成模型相關工作；Recursive 表示，Flint 的開發過程正是如此。35

爭議則來自更宏大的目標：用 AI 改進 AI。相關報導指出，遞迴式自我改進既具潛力，也引發爭論，而這項技術仍有其限制。Recursive 執行長 Richard Socher 表示，公司的系統設計目標是維持在人類控制之下；這是公司的說法，並非對未來系統安全性的獨立驗證。819

Recursive 的資金規模也為其雄心提供背景。《TechCrunch》報導，該公司在 5 月結束隱身階段時，已募得 6.5 億美元，估值達 46.5 億美元；GV、Nvidia 與 AMD Ventures 均為投資方。5

因此，Flint 最適合被視為一個早期而具體的案例：一家公司宣稱在模型開發中大量運用 AI，並推出一款以本機程式開發為賣點、效能受到關注的模型。它顯示 AI 已能參與研發工作，但尚不能證明 AI 已能無限自我改進，或不受人類監督地運作。5819

Recursive Superintelligence 於 2026 年 10 月 21 日推出首款模型 Recursive Flint。這是一款可在本機硬體上執行的開放權重程式模型，主打速度與代理式程式開發。它引人注目的另一個原因，是公司表示自家的 Eureka Machine 協助打造了模型的許多部分。這讓 Flint 成為 AI 參與模型研發的案例，但不能據此認定 AI 已能獨立且無止境地改進自己。158

Flint 是什麼？

Flint 採用混合專家（Mixture of Experts，MoE）架構，總計有 400 億個參數，但每次處理一個 token 時，只會啟用其中 25 億個。Recursive 將它定位為適合在本機快速執行代理式程式任務的模型。117

據發布報導，Flint 的權重可從 Hugging Face 下載，採用 Apache 2.0 授權。報導也提到，模型可在消費級硬體上本機執行，包括 Apple Silicon Mac，以及配備 48GB 記憶體的 Nvidia GPU。36

Nvidia 在一則介紹歐洲本機 AI 發展的公告中提及 Flint，並稱它針對 RTX Spark 最佳化。這將 Flint 放進 Nvidia 推廣本機 AI 硬體的脈絡；但目前提供的公告內容，無法確認它曾在柏林 GTC 的特定場次登台展示。1

速度與基準測試表現如何？

目前公布的速度數字並不相同。Nvidia 的公告稱，Flint 在配備 64GB 記憶體的 RTX Spark 上，每秒生成超過 220 個 token。Recursive 自己則表示，在短上下文條件下，同一款硬體的速度超過每秒 150 個 token；在搭載 M4 Pro 的 MacBook Pro 上，則超過每秒 125 個 token。現有資料沒有清楚交代兩組 RTX Spark 數據的測試條件，因此不宜直接拿來比較。117

Recursive 也表示，Flint 在 SWE-Bench Pro v2、Terminal-Bench 2.1 與 SWE-Bench Verified 的成績，在總參數少於 500 億的 MoE 模型中名列前茅。這是限定比較範圍的說法，並非宣稱 Flint 領先所有程式模型；目前提供的報導也未附上獨立機構重現這些基準測試的結果。117

「AI 協助打造 AI」實際代表什麼？

Recursive 表示，自動化研究系統 Eureka Machine 協助 Flint 開發的多個階段，包括訓練、架構設計與程式碼最佳化。公司稱，這讓一支小型團隊能在不到四個月內完成模型。這些是 Recursive 對開發流程的描述，並非經獨立稽核、逐項確認人類與 AI 各自貢獻的紀錄。258

這個區別很重要：AI 協助模型開發，不等於 AI 已能自行決定要改進什麼、執行改進、評估成果，再不需人類指示地啟動下一輪開發。Recursive 將 Flint 描述為 AI 輔助研究的一次實測；目前可見的證據，尚不足以證明完全自主的遞迴改進循環已經實現。819

《WIRED》記者 Will Knight 試用後，稱 Flint 是一款表現出色的開放權重程式模型，並認為它顯示完全遞迴式自我改進正逐漸接近。這是他對模型意義的判斷，並不代表 Flint 已能獨立打造自己的下一代模型。8

為何這次發布既受關注，也引發疑慮？

對使用者而言，本機程式模型的一項實際吸引力，是不必把程式開發請求傳送到雲端服務。另一方面，若 AI 能協助研究與開發，理論上也可能讓小型團隊更快完成模型相關工作；Recursive 表示，Flint 的開發過程正是如此。35

爭議則來自更宏大的目標：用 AI 改進 AI。相關報導指出，遞迴式自我改進既具潛力，也引發爭論，而這項技術仍有其限制。Recursive 執行長 Richard Socher 表示，公司的系統設計目標是維持在人類控制之下；這是公司的說法，並非對未來系統安全性的獨立驗證。819

Recursive 的資金規模也為其雄心提供背景。《TechCrunch》報導，該公司在 5 月結束隱身階段時，已募得 6.5 億美元，估值達 46.5 億美元；GV、Nvidia 與 AMD Ventures 均為投資方。5

因此，Flint 最適合被視為一個早期而具體的案例：一家公司宣稱在模型開發中大量運用 AI，並推出一款以本機程式開發為賣點、效能受到關注的模型。它顯示 AI 已能參與研發工作，但尚不能證明 AI 已能無限自我改進，或不受人類監督地運作。5819