模型开始造模型了：Eureka Machine 和它的第一个编码模型

先说一个本地跑模型的日常。稠密模型不是不好，是慢。40B 级别的稠密模型塞进笔记本，吐字速度经常掉到让人想切回 API。Recursive 今天放出来的 Flint，想解决的就是这件事：一个 40B 总参数的 MoE 编码模型，每个 token 只激活 2.5B，官方实测在 M4 Pro 的 MacBook Pro 上每秒跑 125 个 token 以上，插电的 NVIDIA 设备上更快。

更值得说的是它背后那台机器。Recursive 是前 Salesforce 首席科学家 Richard Socher 的公司，Flint 是他们的第一个模型。造它的小团队里不只有人——还有他们研发的自动化研究系统 Eureka Machine。从数据、优化器、训练配方，到基础设施和推理优化，Eureka Machine 几乎每一环都有贡献。官方的说法是：从零开始，不到四个月。

Flint 本身

权重在 Hugging Face 上，Apache 2.0，四个官方版本齐活：BF16 全量、int4、int4 的 GGUF、还有给新卡用的 NVFP4。架构上有几个有意思的选择：49 层里 47 层是 MoE，256 个路由专家每个 token 选 6 个，外加一个常开的共享专家；注意力是 35 层滑窗（窗口 513）加 14 层全注意力，全注意力层干脆不放位置编码。上下文最高支持 512k，官方建议日常用在 256k 以内。

成绩单上，三个 agent 编码基准是主战场：Terminal-Bench 2.1 拿 54.9%，SWE-Bench Pro v2 拿 89.7%，SWE-Bench Verified 拿 74.2%（mini-swe-agent、无网、至少五次尝试取平均）。官方的定位是：50B 以下的 MoE 里它在这些基准上领先，同时能和 25-40B 的稠密模型掰手腕——但推理快五倍以上。发布页的对比图拉了 Qwen 3.6 和 Poolside 的 Laguna XS，dense 对照组里还有 Qwen 3.8 27B。

有一个细节值得给官方记一分：模型卡里主动写明，他们的 Terminal-Bench 评测把「靠联网检索抄到答案」的解法一律记为失败，而别家开发者自报的成绩未必做同样的处理。这话等于提前替读者把「成绩可比性」的坑指了出来。

快从哪来

快不是单点优化，是三层叠出来的，每层都有 Eureka Machine 的手笔。

第一层是架构搜索。从 35B 总参、3B 激活的基线出发，系统去试不同的专家配置和宽度，最后选中的 40B 总参、2.5B 激活，是它测过的配置里速度和编码成绩组合最好的一档。激活得越少，每个 token 要读的权重就越少，这是本地速度的第一来源。

第二层是量化，这里有个反常识的决定。常见做法是保住输出层不量化，Eureka Machine 偏把 lm_head 也压到 4bit——理由是模型激活参数只有 2.5B，输出层在每个 token 要读的权重里占很大一块，不动它就省不出多少内存。代价用自蒸馏找回来：量化后的模型拿自己的预采样回答当训练数据（一个系统自己找出的核心集），16 位模型当老师。这一步把训练步数砍掉近一半，最终 NVFP4 版本和 BF16 全量在基准上只差 0.7 分。

第三层是算子。为低比特矩阵乘、MoE、注意力和预填充各写了专用 kernel，在 M4 和 M5 芯片上还做了一个把整个解码前向全部融合的 Metal megakernel。

「第一个 RSI 编码模型」的问号

视频标题里那个问号，问得很准。Recursive 自己把目标写得毫不含糊：造能递归自我改进的超级智能，从模型研发开始——让 Eureka Machine 随着模型变强而变成更好的研究者，下一代造得更快。这家公司五月就被报道为一个 40 亿美元规模、由前 Google、Meta、OpenAI 研究员组成的造 AI 项目，Socher 九月还出了一本同名书《The Eureka Machine》。

但把「AI 造的模型」读成「AI 自己造了自己」，就过了。官方措辞始终是 helped、contributed——Eureka Machine 自动化的是研究循环本身：提想法、动手实现、跑实验、看结果决定下一步，多路并行、继承前面的发现。六月他们发过第一批测试题（模型训练和 GPU kernel 优化），十月交付了第一个完整模型。人是主教练，系统是研发团队，四个月是这支人机班子的成绩，不是机器单干的成绩。

放到递归自我改进的谱系里看，这一步的位置很清楚。此前各家的样本大多停在改代码、改提示词、改 harness 的层面，AI 造 AI 的权重层一直没人真正跨进去。Eureka Machine 没有全跨，但把架构搜索、量化配方、算子生成这些离权重最近的活儿交出去了，这是目前离「AI 造模型」最近的开源实物。

而且它跟今早那篇 harness 演讲刚好凑成一对。那边说模型在一步步吃掉 harness，这边说 AI 在一步步接手模型研发——同一个飞轮转到了新的一格：harness 把任务拉进射程，任务里长出了「造模型」这个新任务，Eureka Machine 接住它。Recursive 的赌注写在博客最后一句：更强的模型会让 Eureka Machine 成为更好的研究者。

0.7 分，是 NVFP4 和 BF16 的差距，也是「自动化研究」和「可用」之间的距离。四个月，是第一个模型的周期——下一代会用多久，他们自己也在盯着这个数。