Recursive 发布首个模型 Flint：40B 总参、2.5B 激活的开源本地编程模型，Apache 2.0，MacBook 上 125+ tok/s

核心背景与行业痛点

本地编程模型两头为难：小模型快但弱，25–40B 稠密模型够用却在笔记本上很慢。前 Salesforce 首席科学家 Richard Socher 创办的 Recursive（据 WIRED，估值 46.5 亿美元）10 月 21 日发布首个模型 Flint，主打快、本地、不计量。

架构亮点与底层机制

据模型卡：49 层（2 稠密 + 47 MoE），每层 256 专家选 6 加 1 个共享专家，35 层滑窗注意力配 14 层全注意力。官方称 Eureka Machine 参与了架构搜索、训练配方和推理内核，并把输出层量化到 4 bit，NVFP4 版与 16 bit 相差不到 0.7 分。

权威 Benchmark 与实测跑分对比

均为官方口径：Terminal-Bench 2.1 54.9%（检索得到的答案计为失败），SWE-bench Verified 74.2%，至少 5 次平均 pass@1。模型卡写 SWE-bench Pro v2 89.7%，反而高于 Verified，宜等第三方复测。官方称其领先 50B 以下 MoE，比同分稠密模型快 5 倍以上。

开发者实战落地与开箱指南

ollama run flint（约 23GB）即可试；M4 Pro、M5 Pro/Max 可用开源引擎 rec；服务端用模型卡的 SGLang 套件，单张 B300/H200。推荐 temperature 1.0、top-p 0.95、top-k 20，输出预算至少 32768 token。也可在 OpenCode、Pi 免费试。