发生了什么
美国时间 10 月 21 日晚，由前 Meta FAIR 研究总监田渊栋与前 Salesforce 首席科学家 Richard Socher 联合创办的 Recursive 发布首个模型 Flint-40B-A2B，权重按 Apache 2.0 协议在 Hugging Face 开放。这是一款面向本地智能体编码的混合专家模型：总参数 400 亿，每生成一个 token 只激活约 25 亿参数，官方给出的上下文上限为 512K。
- 速度：M4 Pro 的 MacBook Pro 上超过每秒 125 token，64GB 内存的 NVIDIA RTX Spark 上超过每秒 150 token，官方称最高为同类模型的两倍
- 基准：Terminal-Bench 2.1 为 54.9%，SWE-bench Pro v2 为 89.7%，SWE-bench Verified 为 74.2%，官方称领先所有总参数量低于 500 亿的 MoE 模型
- 生态：兼容 llama.cpp、Ollama、LM Studio、vLLM 与 SGLang，另配自研轻量推理引擎 rec，目前针对 M4 Pro 与 M5 Pro／Max 优化
研发方式比跑分更值得记
从零到发布不到四个月，而这条流水线的主力是 Recursive 自研的自动化研究系统 Eureka Machine。据官方披露，它覆盖分词器、预训练、中期训练、监督微调与强化学习，并参与架构搜索、量化方案与内核生成：从 350 亿总参、30 亿激活的基线出发，试探不同专家配置后定在 400 亿与 25 亿；把输出层也压到 4 bit，再用离线蒸馏补精度，训练步数比常规量化感知训练少近一半，最终 NVFP4 版本与 16 位版本的基准差距不超过 0.7 分。
官方同时把话说得很清楚：这不等于模型已经实现自主的递归自我改进，当前成果仍是人类研究员与自动化系统协作完成，人类负责监督与结果筛选。这条边界比任何数字都重要，它决定了外界应当把它看作研发效率工具，还是看作能力自演化的证据。
对企业意味着什么
真正的变化在部署位置。过去要在内网跑一个能改代码的智能体，基本要依赖 200B 以上的云端模型；现在 40B 总参、2.5B 激活的稀疏结构加低比特量化，把门槛压到了 24GB 至 48GB 统一内存的个人设备。代码、日志与内部文档不必出内网，按 token 计费也换成了固定折旧，对数据出境敏感的研发团队来说，这是一笔可以算清的账。
- 内存是硬约束：官方建议编程任务把上下文控制在 256K 以内；有开发者反馈在 48GB 内存的 M5 Pro 上同时跑约 50 个 Agent，会被系统因内存压力提前终止进程
- 分数需自证：六项基准的均值上仍有阿里 Qwen3.8 27B 更高，采购前应按自有仓库做一轮回归，而不是照抄模型卡
还有哪些不确定
三项基准尚无第三方复现，社区目前只复现了速度（M5 Max 64GB 上 114 至 132 token/s，12GB 显存的 RTX 3060 上约 46 token/s）。AI 参与造 AI 的过程中人类监督究竟占多少权重，也只有 Recursive 单方说法。对计划引入的企业，更稳妥的做法是先在隔离环境跑两到三周真实任务，再判断它能否替代现有的云端编码助手。