Flint
Recursive 的 39.8B 混合专家编程模型,每个 token 激活约 2.5B 参数,为快速的本地智能体而设计。Apache 2.0。
一句话概括. Flint 是一个免费的编程模型,供修复错误、编写测试、开发功能的 AI 智能体使用。每个词只有模型的一小部分在工作,所以回答很快,Recursive 提供可以在 Mac 或一张 48 GB 显存的 NVIDIA 显卡上运行的版本。它以 Apache 2.0 发布,允许商用。
概述
Recursive Superintelligence, Inc. 于 2026 年 10 月 18 日宣布了 Flint,并在 Hugging Face 上以 Apache 2.0 发布了权重。它是面向编程智能体的混合专家语言模型,总参数 398 亿,每个 token 激活约 25 亿。Recursive 称,这个模型用它的自动化研究系统 Eureka Machine,在不到四个月内从零训练而成。Flint 输入输出文本,会推理,并能在多轮对话中调用工具。模型卡列出 49 层、256 个路由专家(每个 token 选 6 个,外加 1 个共享专家),注意力由 35 个窗口为 513 个 token 的滑动窗口层和 14 个全注意力层混合而成。文档记载的上下文是 262,144 个 token,博客称最高可达 512k,并建议控制在 256k 以内,声明的知识截止日期是 2026 年 6 月。
BF16 检查点约 79.6 GB,仓库里的 SGLang 套件面向每个副本一张 H200 或 B300 显卡。本地使用有三个 4 位版本:面向 Apple 芯片、22.6 GB 的 MLX INT4,面向 Metal 上 llama.cpp、26.0 GB 的 Q4_1 GGUF,以及面向 NVIDIA 显卡上 llama.cpp、22.9 GB 的 NVFP4 GGUF。Recursive 要求所有这些版本至少有 48 GB 的显存或统一内存,它自己的 rec 引擎对 M4 Pro、M4 Max、M5 Pro 和 M5 Max Mac 的要求也是这个数字。它称 Flint 在短上下文下,M4 Pro MacBook Pro 上每秒生成超过 125 个 token,64 GB 的 NVIDIA RTX Spark 上超过 150 个。文档还涵盖了 Ollama、Unsloth、LM Studio、Transformers、vLLM,以及 OpenCode、Pi、Cline 和 OpenHands 等编程工具。
Recursive 的发布评测报告:Terminal-Bench 2.1 为 54.9%,SWE-bench Pro v2 为 89.7%,SWE-bench Verified 为 74.2%,采样参数为 temperature 1.0、top-p 0.95、top-k 20。在它的图表里,这三项都领先 33B 到 35B 混合专家组里的 Qwen3.5 和 Qwen3.6,Terminal-Bench 上是 54.9% 对 38.7% 和 44.9%,但图表中 27B 到 31B 组里的稠密模型 Qwen3.8 在 Terminal-Bench(73.0%)和 SWE-bench Pro v2(94.9%)上得分更高。Recursive 强调的是速度:它称在得分相近的情况下,Flint 比 250 亿到 400 亿参数的稠密模型快五倍以上。部分对比分数由 Recursive 自己测得,其余来自各开发方的报告,而且 Flint 的 Terminal-Bench 分数把通过网页检索得到的解答算作失败。截至 2026 年 11 月 11 日的 30 天内,Hugging Face 统计四个仓库合计约有 253,000 次下载,大部分是 GGUF 版本,主仓库约有 1,400 个点赞。
适合做什么
- 在统一内存 48 GB 以上的 Mac,或一张 48 GB 的 NVIDIA 显卡上,本地运行智能体编程
- 解码速度快,因为 398 亿参数里每个 token 只激活约 25 亿
- 262,144 个 token 的窗口和携带推理内容的工具调用,适合长时间的编程会话
- 想要自托管、可微调的 Apache 2.0 编程模型的团队,提供 BF16 权重和三个 4 位版本
需要注意
- 即使是 4 位版本也有 22 到 26 GB,Recursive 要求至少 48 GB 的显存或统一内存,而 BF16 检查点有 79.6 GB
- 在 Recursive 自己的图表里,稠密的 Qwen3.8 在 Terminal-Bench 2.1 和 SWE-bench Pro v2 上更高,所以它的卖点是速度,而不是最高分
- 博客称上下文最高 512k,但模型卡和量化版本记载的是 262,144 个 token
- Recursive 称复杂任务需要明确的指引,长推理可能耗尽输出预算,模型卡要求难题至少有 32,768 个输出 token
- 模型卡说明 Transformers 建模代码尚未包含在内,所有基准分数都来自开发方
性能数据来自开发方,未经独立验证。
需要多少内存?
以下为 Flint (BF16) 版本的估算。混合专家模型虽然每个 token 只用到部分专家,但所有专家都必须装进内存:总参数量决定所需内存,激活参数量决定速度。
| 版本 | 参数量 | BF16 | FP8 / INT8 | 4-bit (Q4) | 可运行于 |
|---|---|---|---|---|---|
| Flint (BF16) BF16 | 39.8B 激活 2.5B | 92 GB | 46 GB | 48 GB | 工作站 |
| Flint INT4 (MLX, Apple silicon) INT4 | 39.8B 激活 2.5B | 92 GB | 46 GB | 48 GB | 工作站 |
| Flint INT4 GGUF (Q4_1, Metal) INT4 | 39.8B 激活 2.5B | 92 GB | 46 GB | 48 GB | 工作站 |
| Flint NVFP4 GGUF (NVIDIA CUDA) NVFP4 | 39.8B 激活 2.5B | 92 GB | 46 GB | 48 GB | 工作站 |
估算方法:权重大小加约 15% 的运行开销。实际占用会随上下文长度增长,也取决于所用的软件。 开发方给出的最低显存要求为 48 GB。
许可证,用大白话说
最常见的宽松型许可证之一。你可以使用、修改模型并基于它销售产品,只需遵守少量条件。
延伸阅读
常见问题
- Flint 是什么?
- Flint 是一个免费的编程模型,供修复错误、编写测试、开发功能的 AI 智能体使用。每个词只有模型的一小部分在工作,所以回答很快,Recursive 提供可以在 Mac 或一张 48 GB 显存的 NVIDIA 显卡上运行的版本。它以 Apache 2.0 发布,允许商用。
- Flint 可以商用吗?
- 可以。Flint 采用 Apache 2.0 发布,这是一种宽松许可证。只要遵守常规条件(例如保留许可证声明),就可以商用。
- Flint 是开源的吗?
- Flint 采用 Apache 2.0 发布,该许可证经开源促进会(OSI)认可。训练数据和训练代码不一定公开,因此更准确的说法是“采用开源许可证的开放权重模型”。
- 我能在自己的电脑上运行 Flint 吗?
- 只有工作站才行。最小版本 Flint (BF16) 在 4 位精度下约需 48 GB 内存,建议准备 48 至 96 GB 的显卡、多张显卡,或大内存的 Mac。
- Flint 是什么时候发布的?
- Flint 由 Recursive 于 2026年10月18日 发布。
- Flint 的上下文窗口有多长?
- Flint 支持最长 256K token 的上下文窗口。
官方链接
来源
规格数据来自以下一手资料。文中提到的基准测试结果由开发方自报。
- Flint model card (Hugging Face) huggingface.co
- Introducing Flint (Recursive blog, 18 October 2026) recursive.com
- Flint NVFP4 GGUF model card (Hugging Face) huggingface.co
- Flint INT4 GGUF model card (Hugging Face) huggingface.co
- rec, Recursive's local inference engine: requirements (GitHub) github.com
- Flint documentation (Recursive) docs.recursive.com
发布时间等信息最近核实于 2026年11月11日。
相关模型
| 模型 | 发布时间 | 参数量 | 上下文 | 许可证 | 最小版本所需内存 |
|---|---|---|---|---|---|
| Qwen3.6 Alibaba Qwen | 27.8B – 36B 激活 3B | 256K | Apache 2.0 (宽松) | 19 GB 游戏显卡 | |
| Ornith 1.5 DeepReinforce | 9.65B – 403B 激活 17B | 256K | MIT (宽松) | 6.66 GB 笔记本或手机 | |
| Nemotron 3.5 Lightning NVIDIA | 31.6B 激活 3B | 1M | OpenMDW-1.1 (宽松) | 22 GB 游戏显卡 | |
| Qwen3.8-27B Alibaba Qwen | 27.8B | 256K | Apache 2.0 (宽松) | 19 GB 游戏显卡 |