Recursive Flint 40B MoE 本地编码模型发布
\n The AI startup Recursive is unveiling Flint, its first language model, a 40-billion-parameter MoE for local coding developed by former DeepMind researchers. It was creat
Recursive Flint 40B MoE 本地编码模型发布
分类： 开发工具
摘要：
AI 初创公司 Recursive 推出其首款语言模型 Flint，这是一款专为本地编码设计的 40B 参数 MoE 模型，由前 DeepMind 研究员主导开发。它以高效的专家路由架构和极致推理速度，成为工程师在本地部署编码代理的实用选项。
slug： ch-recursive-flint-40b-local-coding-model-release
模式： feed
Recursive 最新发布 Flint，这款 40B MoE 本地编码模型由前 DeepMind 研究员主导开发。它以高效的专家路由架构和极致推理速度，成为工程师在本地部署编码代理的实用选项。本文帮助你快速判断是否适合当前项目，以及与 Cursor、Claude Code 等主流工具的定位差异。
Flint 是什么？核心特性与适用场景
Flint 是 Recursive 首个公开权重模型，采用 MoE（Mixture-of-Experts）架构，总参数约 39.8B，仅激活约 2.5B 个参数。它专为 agentic 编码设计：能够自主调查代码库、修复 Bug、实现新特性并编写测试。
适用场景包括：
- 个人开发者或小型团队在笔记本上运行复杂编码任务（无需联网）
- 构建本地 AI 编码代理
- 对比在线 API 工具的隐私与成本
与传统 dense 模型相比，Flint 在相同编码能力下推理更快，可直接在消费级硬件上部署。
发布背景：谁在建？由谁主导？
Recursive 由前 DeepMind 研究员 Richard Socher 等人创立，2026 年从 stealth 模式公开，融资 6.5 亿美元，估值约 46.5 亿美元。Flint 并非单纯“开源”，而是公司内部 Eureka Machine（自动化研究系统）主导开发的：该系统自主提出架构、量化、内核优化方案，整体开发周期仅 4 个月。
创始人团队希望通过这种“递归”方式让 AI 自行迭代，Flint 是首个公开验证成果。
技术亮点：40B MoE 的实测性能
Flint 核心优势在于 MoE 设计：路由器每 token 仅激活 2.5B 参数，极致参数效率。
实测数据（自报，采样 temp=1.0）：
| 基准测试 | Flint (BF16) | Flint (NVFP4) | 主要竞品对比（Qwen 3.6 MoE / dense） |
|---|---|---|---|
| SWE-bench Verified | 74.2% | 74.1% | 73.4%（MoE）/ 75.6%（dense） |
| Terminal-Bench 2.1 | 54.9% | 53.7% | 51.5%（MoE）/ 73.0%（dense） |
| LiveCodeBench v6 | 80.3% | 80.8% | 80.4%（MoE） |
| IFEval | 95.1% | 94.6% | 91.9%（MoE） |
上下文支持高达 512K tokens（推荐上限 256K）。
速度表现突出：
- Apple M4 Pro（48GB）：>125 tokens/s
- Nvidia RTX Spark（64GB）：>150 tokens/s
相比同等规模 dense 模型快 5 倍以上，MoE 模型同规格快 2 倍。
如何本地部署？实用指南
1. 下载权重：Hugging Face 上的 Apache 2.0 版本（约 23GB INT4/NVFP4）。
2. 运行时支持：Ollama、llama.cpp、LM Studio、vLLM、SGLang，以及公司自研 rec 引擎（Apple Silicon 专优）。
3. 硬件门槛：M4 Pro/M5 Pro（48GB）或 RTX 4090/5090 以上（48GB+）。
4. 启动命令示例（Ollama）：ollama run flint。
完整部署步骤请参考 CursorHome 相关文档，或通过独立工具站 www.grokcode.cn/tools/local-deploy 查看本地部署优化。
与 Cursor、Claude Code 等工具的对比决策
许多工程师正在评估是否切换到本地模型替代在线订阅。Flint 直接与 Cursor Pro / Windsurf / Claude Code 进行对比：
| 项目 | Flint（本地 MoE） | Cursor Pro / Claude Code（在线） | 推荐场景 |
|---|---|---|---|
| 成本 | 0 元（只消耗显存） | $20–$200/月 | 预算有限或需云服务 |
| 隐私 | 完全本地，无数据外传 | 上传代码到服务器 | 保护机密项目 |
| 速度 | 125–150 t/s（消费级显卡） | 实时但依赖网络 | 低延迟本地代理 |
| 复杂性 | 需自行管理上下文 | 官方界面，零配置 | 快速上手项目 |
| 适用开发者 | 个人/小团队，长期迭代 | 大团队，需高阶功能 | 混合使用最优 |
决策建议：
- 若你已有本地硬件 + 需要隐私，Flint 是直接替代选项。
- 若追求“即开即用”或多 Agent 协作，保持 Cursor / Claude Code 订阅。
- 实际对比请访问 CursorHome 渠道页查看最新订阅数据。
局限性与注意事项
Flint 仍处于早期，复杂多步骤任务可能需人工干预。量化版本（NVFP4）精度损失约 0.7 点，适合多数编码场景。
延伸阅读
- [Channels 对比 Cursor 与本地模型]
- [官方订阅与价格表]
- [本地部署工具指南]
- [API 中转方案]
- [Windsurf 价格与订阅推荐]
- [Claude Code 订阅详解]
风险与边界
本地模型部署依赖自身硬件，存在显存不足、推理速度瓶颈或兼容性问题等风险。若预算不足或追求即时功能，可能不优于官方订阅。
以上内容仅供技术参考，非法律意见。请以官方/挂牌页当日数据为准。
English summary
Recursive has released its first model, Flint, a 40B-parameter Mixture-of-Experts coding model with only 2.5B active parameters. Developed largely by the company’s own Eureka Machine, it is open-weight under Apache 2.0 and optimized for fast local inference on Apple Silicon and NVIDIA hardware. On 48GB M4 Pro Mac or RTX Spark GPUs, it achieves over 125–150 tokens per second while leading MoE models on agentic coding benchmarks such as SWE-bench Verified (74.2%) and IFEval (95.1%).
Compared with online tools like Cursor Pro or Claude Code, Flint offers zero API costs and full privacy but requires local setup and hardware. It suits individual developers building offline coding agents, while teams needing seamless multi-agent workflows may prefer official subscriptions. Deployment is straightforward via Ollama, llama.cpp, or the company’s rec engine on compatible 48GB+ hardware.
This release highlights the growing trend of self-improving AI systems and provides a practical local alternative for privacy-conscious engineers evaluating Cursor, Windsurf, or Claude Code subscriptions. Data is from October 22, 2026 sources.