Recursive发布Flint：40B总参、2.5B激活的本地编码MoE模型

据MarkTechPost报道，Recursive Superintelligence于10月21日发布其首个模型Flint，并将权重以Apache 2.0许可放在Hugging Face上。该模型是总参40B、每token激活约2.5B的混合专家（MoE）模型，面向编码智能体，可在48GB Apple Silicon Mac或48GB NVIDIA GPU上本地运行。

Flint为纯文本、仅解码器MoE Transformer，支持推理和OpenAI兼容工具调用，任务包括检查代码库、修复缺陷、实现功能和编写测试。模型卡记录上下文为262,144个token，Recursive博客称最高可达512k；4位权重约占23GB。Recursive称，其Eureka Machine自动研究系统参与了堆栈几乎每一部分的构建。

架构上，Flint共49层，其中2层为稠密层、47层为MoE层。每个MoE层有256个路由专家，路由器为每个token选择6个专家，另加1个始终激活的共享专家。35层使用513个token的滑动窗口，14层使用无位置编码的全注意力；模型有32个查询头和4个键值头。2.5B激活参数包含输出头，激活主体约2.2B。

Recursive称Eureka Machine作出三项主要贡献：从35B总参、3B激活的基线出发，搜索专家配置和宽度，最终定为40B总参、2.5B激活；将输出层lm_head量化为4位，并以16位模型为教师进行离线蒸馏恢复精度，训练步数较量化感知训练基线接近减半，NVFP4模型与16位模型得分相差在0.7分以内；为低比特投影、MoE运算、注意力和提示处理编写专用内核，在M4和M5芯片上用Metal megakernel融合整个解码前向过程。

性能方面，Recursive自报的Flint BF16成绩为Terminal-Bench 2.1 54.9%、SWE-bench Pro v2 89.7%、SWE-bench Verified 74.2%、LiveCodeBench v6 80.3%、IFBench 89.2%、IFEval 95.1%；NVFP4版本分别为53.7%、88.5%、74.1%、80.8%、88.1%和94.6%。Recursive称，在其对比图中，Flint在50B以下MoE模型的智能体编码任务上居首，但仍落后于最强的稠密模型。同一图表显示，dense Qwen 3.8在Terminal-Bench 2.1上得分73.0%，高于Flint的54.9%；在SWE-bench Verified上，Flint为74.2%，Qwen 3.6为73.4%，Qwen 3.8为75.6%（图中标注为Recursive测量）。

速度方面，Recursive报告Flint在M4 Pro MacBook Pro上超过125 tokens/秒，在64GB NVIDIA RTX Spark上超过150 tokens/秒，均为短上下文数据，称最高可达同类模型的两倍。