成立于去年的AI初创公司Recursive正在开始兑现它的名字。该公司试图构建能够自我改进的AI，并于周三发布了其第一个模型Flint。Flint是一个可以在笔记本电脑上运行的免费编码模型，主要在AI的帮助下构建。Recursive称，其自动化研究系统Eureka Machine在Flint开发的几乎每个步骤中提供了帮助。这使得一个小团队在四个月内从头开始构建了这个模型。Flint是递归自我改进的早期公开测试：即AI可以构建更好的AI，而后者又构建出更好的AI的理念。这也是业内争论最多的想法之一。一些研究人员担心，AI的自我改进可能会脱离人类的控制。就目前而言，Recursive的版本更加有限：一种由人类监督的AI研究助手，产生了一个小到可以在笔记本电脑上运行的模型。该公司在5月以46.5亿美元的估值从GV、Nvidia和AMD Ventures等投资者那里获得了6.5亿美元的融资，逐步走出隐秘状态。Recursive由首席执行官Richard Socher领导，他是Salesforce前首席科学家。由于Flint在用户自己的计算机上运行，而不是在公司的云服务器上，因此开发人员可以离线使用它，保持代码的私密性，并避免AI云服务根据模型处理的文本量收取的使用费用。该模型可以在流行的AI模型共享网站Hugging Face上免费下载安装，采用Apache 2.0许可证，这是一种允许免费使用和修改的开源许可证。Flint是一种混合专家模型，这意味着它在任何给定任务中只使用自身的一小部分：一次只使用其400亿个设置（即参数）中的25亿个。这使得它的体积适合普通的笔记本电脑，并且远小于Meta上周发布的专为Mac设计的开源模型Muse Spark Open。Muse Spark Open使用8160亿个参数，并且需要至少1TB的内存。Flint的速度也很快。在Recursive的测试中，它在一台搭载苹果M4 Pro芯片的MacBook Pro上每秒生成约131个标记（文本块）——大约是其他类似模型在同一台机器上（包括谷歌的Gemma 4和Nvidia的Nemotron 3.5 Lightning）每秒生成的58到69个标记的两倍。在Nvidia的RTX Spark上，Flint的峰值超过150个标记每秒。在用于测量AI修复现实世界软件错误能力的基准测试SWE-Bench Verified中，Flint在50亿个参数以下的其他模型中表现优异。在Recursive在六次测试中的平均结果中，只有一家模型——阿里巴巴的Qwen3.8 27B，获得的分数高于Flint。公司承认Flint需要比大型付费编码助手更多的指导，并建议将大任务分解为小步骤。尽管如此，早期的评价是积极的。Wired的Will Knight在一台拥有48GB内存的Mac上使用Flint构建了几个小程序，包括一个待办事项应用和一个搜索研究的网站工具。他发现，与Claude或Codex相比，小型编码模型经常出现错误或较慢，但Flint每次都完美完成他的编码请求。Eureka Machine提出创意、进行实验，并利用结果决定下一步尝试什么。根据公司发布的视频，它参与了Flint构建的几乎每个部分，从预训练到后训练和推理。Recursive表示，Eureka的贡献包括更稀疏的模型形状、低比特训练将Flint缩小71％几乎没有质量损失，以及加速底层计算的专用内核。Recursive没有说明Eureka Machine为其研究人员节省了多少时间，但它并不是唯一依赖AI进行研究的公司。OpenAI上个月表示，到八月中旬，其AI代理每工作一天，相当于人类研究人员工作了3.1天。如果Recursive的赌注成功，每个新模型应该能够在没有人类帮助的情况下处理更长的工作时间。该公司曾告诉TechCrunch，它与亚马逊网络服务在6月份达成的4.1亿美元计算协议“与人力数量关系不大，而与代理数量关系密切”。长期目标是，Socher告诉Wired，希望Eureka Machine实现完全递归自我改进，且人类能够监督该过程并能在出现问题时停止它。递归表示，每个新模型应该使Eureka Machine成为更好的研究者，帮助其更快构建下一个模型。当您通过我们文章中的链接进行购买时，我们可能会获得少量佣金。这不会影响我们的编辑独立性。Aditya Mehta是TechCrunch的记者，专注于AI。他得到Tarbell AI新闻中心的支持，并曾就读于加州大学伯克利分校。您可以通过给Aditya发送电子邮件到aditya@techcrunch.com或通过加密消息发送到Signal上的adymehta.74与他联系。查看个人简历。