Eureka 造出的 Flint：一个主要由 AI 研发的编码模型，跑在一台笔记本上

一个模型发布，本身不算新闻。10 月 21 日 Recursive 公司发布的 Flint 有点不一样：官方口径里，这个模型的研发大部分不是人做的。提出想法、写代码实现、跑训练、看结果、再来一轮——这条循环由他们叫 Eureka Machine 的自动化研究系统在转，人的角色是定方向、看产出。公司创始人是 Richard Socher，那个做过 Salesforce 首席科学家、后来创办 you.com 的人。

Flint 本身是一个 398 亿总参数的混合专家模型，每个 token 只激活约 25 亿。Apache 2.0 许可，权重全开。跑起来很轻：一台 M4 Pro 芯片的 MacBook Pro 上，官方数字约每秒 131 个 token，大约是同尺寸模型的两倍快。定位是本地编码智能体——翻代码库、修 bug、实现功能、写测试，整套活儿在笔记本上完成，不联网。

🔄 循环自己会转

Eureka Machine 的结构，说白了就是把 AI 研究员的日常拆成了机器可以自己跑的四步。Recursive 的官方博客把这称为他们的第一模型——言下之意，这不是终点，是一条生产线的首批出厂品。

这条循环让一件事从修辞变成了工程问题：AI 研究员的产出速度，第一次不被研究员的睡眠时间限制。Eureka 在 Flint 身上转了无数圈，官方的说法是 handled most of the development——大部分研发工作。注意分寸：是大部分，不是全部。方向、架构边界、最终验收，仍然是人拍板。TechCrunch 的措辞也谨慎，说系统 helped with nearly every step，帮了几乎每一步。

成绩单先看同级。Socher 自己的说法是：在 500 亿参数以下的混合专家模型里，Flint 是 SWE-bench Pro v2、Terminal-Bench 2.1 这批智能体编码基准上的同级最佳。SWE-bench Pro v2 那一项，转述数字是 89.7%，整体仅次于阿里 Qwen 3.8。要钉住两个限定：这些全是厂商自报，独立复核还没出现；同级最佳和全场最佳是两回事，Flint 的对手从来不是云端旗舰，是同样能塞进笔记本的那几个开源模型。

🧭 为什么这件事的分量在模型之外

过去两年，编码模型的剧情是参数军备竞赛：更大、更贵、更依赖数据中心。Flint 反着走，把尺寸砍到能进笔记本，再用自动化研发把小模型的性能往上顶。如果这条路走通，编码能力的分布会变个形状——不再只聚在几家能买十万张卡的实验室手里。

更值得盯的是那条自动循环本身。Eureka Machine 跑的是提出假设、动手实现、检验、迭代的完整科研流程，跑得越多，积累的实验记录越厚。它和 10 月初 OpenAI 那批数学结果、各家实验室的自动调优管线，指向同一个方向：研究这个行当里，提议和验证两件事正在分开，前者越来越便宜，后者越来越稀缺。

冷水要备足。厂商自报的分数在独立第三方跑过之前，性质就是宣传册；handled most 是模糊量词，人机分工的具体边界 Recursive 没有给出可查验的账目；自动化实验的产物是否可复现，也要等别人把 Eureka 的流程跑一遍才算数。还有一层更实际的：小模型修大 bug 的天花板在哪里，一套笔记本硬件能伺候多大的代码库，这些问题只有真实工程才能回答。

但方向已经摆上台面了。当模型的研发流程本身可以被自动化，模型迭代的速度就不再由招聘决定。Recursive 下一个出厂的会是什么，循环自己会回答。

信源与限定：模型规格、许可、速度、Eureka Machine 定位来自 Recursive 官方博客 Introducing Flint（2026-10-21）；同级最佳与 SWE-bench Pro v2 89.7%、131 token 每秒为厂商自报（经 Techmeme、Yahoo Tech 与 Socher 本人 X 帖转述），未见独立复核；handled most of the development 为 WIRED 转述的公司口径，人机分工无量化账目；发布日期以 Techmeme 收录的 10 月 21 日为准。