2026 年 10 月 22 日——Recursive Superintelligence 于 10 月 21 日发布首个模型 Flint，一个面向本地编码 Agent 的混合专家（MoE）模型。官方博客给出的规格是 398 亿总参数、每 token 激活约 25 亿，权重以 Apache 2.0 协议发布在 Hugging Face（RecursiveSI/flint）；发布评测中 Terminal-Bench 2.1 得 54.9%、SWE-bench Pro v2 得 89.7%、SWE-bench Verified 得 74.2%。官方称，Flint 是 500 亿总参数以下 MoE 中编码 Agent 基准成绩最好的模型，也是同类里可在笔记本上跑编码 Agent 的最快开源模型。

模型卡写明，Flint 支持文本输入输出、推理与多轮工具调用，用途是在代码库中调查问题、修复错误、实现功能与编写测试。模型只生成文本和工具请求，工具由外部 harness 执行并回传结果。

架构与规格

Flint 是从零训练的解码器 MoE Transformer，官方博客称其架构由自动化研究系统在 350 亿总参数、30 亿激活的基线上搜索得到。

项目 Flint
总参数 / 每 token 激活 398 亿 / 约 25 亿（含输出头，激活主体约 22 亿）
层结构 49 层：2 层稠密 + 47 层 MoE
专家配置 每层 256 个路由专家，每 token 选 6 个，另有 1 个常驻共享专家
注意力 35 层滑动窗口（513 token）+ 14 层全注意力（无位置编码）
注意力头 32 个 query head、4 组 key/value head，head 维度 128
词表 150,144
上下文 文档配置 262,144 token（输入与输出合计）；博客称支持至 512K，建议不超过 256K
模态 输入文本、输出文本
知识截止 2026 年 6 月
许可 Apache 2.0

量化版单独发布。模型卡提供的权重体积为：BF16 约 80GB，MLX 格式 INT4 约 22.6GB，NVFP4 GGUF 约 22.9GB。官方博客称，量化环节把输出层压到 4 位——因为激活参数只有 25 亿，输出层在每 token 读取的权重中占比很大——再加一段离线蒸馏，用 16 位模型当 teacher 从自选 coreset 上补精度，训练步数比量化感知训练的基线少近一半，NVFP4 与 16 位版本的评测差距在 0.7 分以内。

速度与本地门槛

官方给出两组端侧数字：配合自研推理引擎 rec，M4 Pro MacBook Pro 上超过每秒 125 token，配备 64GB 内存的 NVIDIA RTX Spark 上超过每秒 150 token，均为短上下文；相对同级模型最多快约 2 倍，相对成绩相近的 250 亿至 400 亿稠密模型快 5 倍以上。

rec 仓库给出了与 llama.cpp 的直接对比：在 M4 Pro（48GB）、4 位权重、1K 至 252K 上下文、输出 1024 token 的条件下，rec 的吞吐是 llama.cpp 的 1.4 至 2.6 倍。同一份说明把 rec 定位为单会话使用，多 Agent 并发需改用其他运行方式。

官方发布材料另称，配合定制 NVFP4 内核，Flint 在单块 GB200、100K 上下文下达到每秒 500 token，且未使用投机解码。

本地部署的硬性条件是硬件内存，而不是激活参数量。rec 要求 M4 Pro、M5 Pro 或 M5 Max 芯片，至少 48GB 统一内存，约 30GB 可用磁盘。GPU 侧的 BF16 SGLang 方案要求单卡至少 141GB 显存，官方验证过的型号是 B300 与 H200，每副本独占一张卡，权重约 80GB。

官方 SGLang 部署文档写明，B200 与 GB200/GB300 走 Blackwell 配置但尚未在该方案中验证，投机解码、量化权重、张量并行等路径同样标注为未验证。单卡 GB200 每秒 500 token 属于发布材料的说法，公开模型卡与部署文档未列出这一项。

支持的工具与框架

权重可直接在 llama.cpp、Ollama、Unsloth、LM Studio、vLLM 与 SGLang 中加载。官方同时开源 rec，为 Flint 在 Apple Silicon 上做了针对性优化，提供 OpenAI 兼容的 /v1/chat/completions 接口，并预置 pi 与 OpenCode 两套 harness 的启动配置；文档另列 Cline 与 OpenHands 的接入方式。GPU 侧随权重提供 SGLang 服务包，内含模型插件、打过补丁的 kernel、Dockerfile 与 B300/H200 启动脚本。

生成参数官方统一为温度 1.0、top-p 0.95、top-k 20；难题建议预留至少 32768 个输出 token，因为推理内容计入输出预算。rec 文档写推理始终开启；SGLang 方案写明由模型自行决定每轮是否推理，该集成不提供开关或预算参数，回放历史时需保留 reasoning_content。

官方评测口径

三个基准分数来自模型卡，评测条件写在官方博客的脚注里。

基准 成绩 评测设置
Terminal-Bench 2.1 54.9% Terminus 2（XML），可联网，通过检索得到的解法记为未成功
SWE-bench Pro v2 89.7% mini-swe-agent，无外网
SWE-bench Verified 74.2% mini-swe-agent，无外网

Agent 类评测的单次超时上限为 5 小时，取至少 5 次运行的平均 pass@1；单轮基准（LiveCodeBench v6、IFBench、IFEval）取 5 次平均 pass@1。采样参数与上文一致。

上述分数均为开发者自测。官方在模型卡中注明，各来源的评测设置不同，Flint 的 Terminal-Bench 分数对检索解法作了扣分处理，其他开发者的报告可能没有同样处理。截至发稿未见第三方独立复现。

官方对模型边界的表述也比较直接：Flint 可以当日常本地编码模型用，但复杂任务需要拆成更小的子任务并给出明确指令，它的自主程度低于用户熟悉的大型闭源编码模型；长推理会拉高延迟，也可能在答案完成前耗尽输出预算。

Eureka Machine 的参与范围

Recursive 把 Flint 视作自家自动化科研系统 Eureka Machine 的一次实测。官方称这套系统自动化了完整研究循环——提出想法、实现、测试，再据结果决定下一步试什么，并并行探索多个方向，把不同实验的发现叠加起来。

按官方博客的列举，Eureka Machine 的工作覆盖了数据、优化器、训练配方、基础设施与推理优化：

  • 架构搜索：在 350 亿总参数、30 亿激活的基线上搜索专家配置与宽度，得到最终形态。
  • 量化配方：搜出 4 位输出层加离线蒸馏的组合，替代常规量化感知训练。
  • 算子：为低比特投影、MoE 运算、注意力与提示处理分别生成专用 kernel；在 M4 与 M5 芯片上生成一套 Metal megakernel，把整个解码前向过程融合成一步。

官方称，模型从零到完成训练由一支小团队在不到四个月内做出。Recursive 由 Richard Socher（CEO，前 Salesforce 首席科学家）与田渊栋（前 Meta FAIR）联合创立，公司主线是把科研流程本身自动化，Flint 是这条路线上的第一个产出。