佢話 AI 自己教自己出個模型，仲免費跑喺你筆電
去年（2025 年）成立嘅 AI 新創公司 Recursive，本星期三（10 月 21 日）正式推出首個模型 Flint。公司強調呢個係一個免費、可以喺普通筆電運行嘅編程模型，而且「大部分」係由自家 AI 研究系統 Eureka Machine 協助訓練。
Eureka Machine：個會自己諗嘅「研究助手」
公司介紹，Eureka Machine 會提出構思、執行實驗、再用結果決定下一步試乜。佢指呢個系統介入了 Flint 開發嘅「幾乎每一步」，令一個小團隊喺不足四個月內由零造出成個模型。Eureka 嘅貢獻包括更稀疏嘅模型結構，同低位數訓練（low-bit training）——令模型體量縮細咗 71% 而幾乎冇損失。
400 億參數，但每次淨係啟用 25 億
Flint 用 mixture-of-experts（MoE，專家混合）架構：400 億參數，但每項任務只用其中 25 億，所以先可以輕到喺筆電跑。公司將之同 Meta 上週發布、專為 Mac 設計嘅 Muse Spark Open 作對比（後者 8160 億參數、至少需要 1TB 記憶體）。
本地跑 = 你嘅代碼自己揸
呢個係阿調真正關注嘅位。因為 Flint 跑喺用户自己電腦，唔係公司雲端，開發者可以：
- 離線使用
- 代碼保密，唔經第三方
- 避開按 token 計算嘅雲服務費
模型喺 Hugging Face 免費下載，Apache 2.0 授權——可免費使用同修改。
速度：廠商自測數字
- MacBook Pro（Apple M4 Pro）：約 131 tokens/秒——公司話係同機上 Google Gemma 4 同 Nvidia Nemotron 3.5 Lightning（58–69 tokens/秒）嘅約兩倍
- Nvidia RTX Spark：超過 150 tokens/秒
跑分
喺 SWE-Bench Verified（量度 AI 修復真實軟件 bug 嘅基準），公司稱 Flint 勝過其他 500 億參數以下嘅模型。喺 Recursive 自己嘅六項測試平均分，只有阿里 Qwen3.8 27B 得分較高。
公司坦承 Flint 需要比大型付費編程助手更多引導，建議將大任務拆細。有記者喺 48GB 記憶體 Mac 上實測數日，試過開發 to-do list app 同網絡搜尋工具，表示每次編程請求都成功完成。
背景同待問
Recursive 五月出櫃，融資 6.5 億美元，估值 46.5 億美元，投資人包括 GV、Nvidia、AMD Ventures。CEO 係 Richard Socher，Salesforce 前首席科學家。
「AI 自我改進」（recursive self-improvement）係業界最爭議嘅話題之一——部分研究人員擔心會脱離人類控制。Recursive 嘅做法目前較有限：一個人監督下嘅研究助手，產出啱啱好筆電大小嘅模型。
阿調搞兩下：呢單最有趣嘅唔係跑分，係「邊個真正設計咗個模型」。如果一個 AI 系統可以主導訓練流程，「模型」呢個概念本身就要重新定義。公司話「由人監督」，但監督點樣執行？邊個審計 Eureka Machine 嘅決策？呢啲問題，喺跑分好靚之前，值得先問清楚。
阿調｜深度調教
