递归公司发布弗林特：AI自我编程打造笔记本电脑级编码模型

递归公司发布弗林特：AI自我编程打造笔记... Features

导语

据TechCrunch 2026年10月21日报道，初创公司递归（Recursive）正式发布了一款名为弗林特（Flint）的免费编码模型。该模型专为笔记本电脑设计，最引人注目的是，其核心架构与训练流程主要由递归自研的AI研究系统自主完成。这被视为AI自我改进能力走向实用化的早期测试。

一周要闻

弗林特模型：专为开发者打造的轻量级编码助手

据TechCrunch报道，弗林特拥有约70亿参数，大小约为3千兆字节，能够在搭载8GB以上显存的消费级GPU上流畅运行。递归公司表示，模型在HumanEval基准测试中达到了72%的正确率，与主流企业级编码模型差距在5个百分点之内。开发者可以从Hugging Face平台免费下载该模型，无需联网即可在本地完成代码补全、生成与调试。递归创始人兼首席执行官在声明中强调：“我们的目标是让每位笔记本电脑用户都能拥有媲美云端模型的编程AI，而无需担心隐私或成本。”

新闻图片

自我改进机制：AI构建AI的核心突破

递归公司的核心技术在于一套名为“递归研究循环”（Recursive Research Loop，RRL）的自主优化系统。据路透社2026年10月22日补充报道，该系统能够自动分析训练数据、调整模型架构并生成更优的训练策略。在弗林特的开发过程中，RRL完成了超过3000次自动实验，筛选出了最优网络结构。递归技术副总裁指出：“整个开发周期中，人类工程师仅定义了初始目标与约束条件，后续的模型设计、训练、评估甚至数据清理都由RRL独立完成。这在开源AI领域尚属首次。”

新闻视频

行业反响：免费开源能否撼动巨头地位？

科技媒体VentureBeat随即发布了对比测试，显示弗林特在Python代码生成任务上与微软Codex-12B性能接近，但参数量仅为后者的58%。该模型采用MIT开源许可证，允许商业使用。业界分析认为，递归公司试图通过“以AI造AI”降低高端模型的准入门槛，推动编码辅助工具民主化。

模型	参数量	推理硬件	HumanEval准确率	许可证

---	---	---	---	---

弗林特 (Flint 1.0)	7B	消费级GPU (8GB)	72%	MIT开源

Codex-12B	12B	云端GPU	76%	商业付费

CodeLlama-7B	7B	消费级GPU	68%	开源（受限）

StarCoder-15B	15B	高端GPU	74%	开源

从上表可见，弗林特以接近最小的参数量和最低的硬件要求，实现了极具竞争力的性能，为个人开发者与中小企业提供了新选择。

安全与伦理：自主编程模型的双刃剑

尽管弗林特表现出色，但AI自主构建AI的“自我复制”潜力引发安全担忧。美联社在2026年10月23日的报道中引用网络安全专家的观点指出，如果RRL系统被恶意利用，可能自主生成后门代码或绕过安全审查。递归公司回应称，所有自动生成代码均经过基于规则的静态分析过滤，并计划在下一版引入人工审计机制。同时，公司承诺公开所有训练日志与实验记录，以接受社区监督。

未来路线图：从编码到通用智能

递归公司公布的路线图显示，弗林特只是第一步。2027年计划推出中等规模模型（约300亿参数），进一步探索RRL在数学推理、多模态生成等领域的应用。创始人表示：“弗林特证明了AI可以独立构建高效模型。我们后续将释放更多自主研究系统，让整个AI社区受益。”投资者方面，递归公司自2024年成立以来，已累计融资约500万美元，团队仅20人，但凭借这一突破性技术，正在寻求新一轮融资。

Q1: 弗林特模型的训练成本有多高？

A1: 根据递归公司公布的数据，弗林特模型的总训练时长约为3000 GPU小时，使用租用云服务计算，成本约合7.5万美元。这仅相当于同等性能商业模型训练成本的十分之一，主要得益于RRL系统高效搜索最优架构，大幅减少了试错开销。

Q2: 弗林特是否能替代GitHub Copilot？

A2: 目前弗林特还不能完全替代GitHub Copilot。前者在常见编程语言（Python、JavaScript、Java）上表现接近，但在多语言支持和上下文理解方面仍有差距。不过，弗林特的本地运行特性使其在离线环境、隐私敏感场景中具有独特优势。递归团队表示，预计在2027年中期的Flint 2.0版本中，性能将全面对标Copilot。

结语

递归公司通过弗林特模型，演示了自我改进AI在编码领域的应用潜力——一个由AI自主构建的笔记本电脑级编码模型，正在改写开发者与AI协作的方式。虽然商业化与安全性挑战依然存在，但这一实验无疑为AI自主进化提供了可复现的基线，预示着开源编程AI即将进入“自我迭代”的新时代。