号称总参数 39.8B、每次计算只激活 2.5B 的代码模型，听起来像是塞进轻薄本的随身黑客。
前 Salesforce 首席科学家 Richard Socher 与前 DeepMind 研究员 Tim Rocktäschel 创办的 Recursive，端出了手握 6.5 亿美元融资后的第一款开源模型 Flint。官方数据极具煽动性：在 M4 Pro 芯片上跑出超过 125 tokens/s 的推理速度，SWE-bench Verified 拿下了 74.2% 的高分，甚至宣称由自研自动化科研系统 Eureka Machine 在 4 个月内自主研发而成。
第三方的独立复现很快证实了速度没作假，但也测出了官方宣传没说全的另一半事实：短文本冲刺确实迅猛，一旦拉进真实的工程上下文，速度直接跌去七成；而那道 48GB 显存的物理铁壁，依然纹丝未动。
细粒度路由偷走算力，显存带宽当场结账
Flint 采用 Apache 2.0 协议开源，底层为 49 层 Decoder-only Transformer 架构，包含 2 层 Dense 与 47 层 MoE。为了压低单次计算开销，模型设计了极其细密的路由结构：每一层塞进 256 个路由专家，每次计算动态挑选 6 个，外加 1 个常驻共享专家，注意力机制则混合了 35 层滑动窗口与 14 层全注意力。
这套设计将单 Token 运算量砍到了 2.2B 左右。第三方推理引擎 Kapitsa 在 48GB 统一内存的 M4 Pro 上实测，短文本生成速度达到 127.9 tokens/s，与官方 rec 引擎的 126.6 tokens/s 基本吻合，把传统 llama.cpp 的 79.6 tokens/s 甩在身后。
但这套架构偷走的是运算量，偷不走权重体积。混合专家架构的物理规则很直白：即便单次只有几个专家参与运算，模型底层的全部 39.8B 权重也必须时刻驻留在显存里等待路由调度。
Flint 的完整 BF16 权重体积达到 80GB。即便采用 Eureka Machine 激进压缩后的 4-bit 方案，MLX 格式有 22.6GB，面向 NVIDIA 平台的 NVFP4 为 22.9GB，llama.cpp 的 Q4_1 规格则是 26.0GB。
官方配套的 rec 引擎在文档里划出了底线：至少 48GB 统一内存，外加约 30GB 存储空间。主流的 16GB 或 24GB 消费级设备连模型权重都装不下，这从来不是轻薄本上的平民玩具，而是高配 Mac 工作站的特权。
更致命的是长上下文瓶颈。官方宣称支持最高 512K 上下文，配置文件锁在 262,144 tokens。当第三方实测将真实项目的工程上下文推进到 128K 时，rec 引擎的生成速度从 126.6 tokens/s 骤降到了 35.2 tokens/s。面对大型代码库的依赖加载，苹果统一内存的带宽瓶颈迅速现形。
5小时重试与错位标尺堆出的战力
在官方公布的基准测试中，Flint 展现出一张横扫同级的战报。
| 评测维度 / 指标 | Flint (Recursive 官方数据) | 竞品公示参照 | 口径差异与现实评估 |
|---|---|---|---|
| SWE-bench Verified | 74.2% | 行业通用基线 | 依赖 Mini-SWE-Agent 框架与 5 小时超时配额 |
| SWE-bench Pro v2 | 89.7% | Poolside 59.4% | 对手成绩出自旧版题库，测试基准不在同一起跑线 |
| Terminal-Bench 2.1 | 54.9% | Qwen 同类测试集中于 2.0 版 | 题库版本错位；实测易陷入重复诊断命令死循环 |
| 对标体量宣传 | 39.8B | 对标 Laguna XS 2.1 (33B) | 官方宣发冠以 118B 的 Laguna S 之名制造越级假象 |
仔细拆解测试环境，高分背后的机制显露无遗。74.2% 的成绩基于 Mini-SWE-Agent 框架，在严格隔绝外网的沙盒中运行，单任务超时上限放宽到了整整 5 个小时，最终得分取 5 次尝试的平均 pass@1。
这不是裸模型当场解决复杂工程问题的单兵智商，而是外围脚手架给足了 5 个小时的重试预算、反复试错抹平失误换来的工程容错率。
对比标尺也经过了精心挑选。SWE-bench Pro v2 拿下的 89.7%，对手 Poolside 的 59.4% 却来自早期旧版基准。宣传文案里声称越级击败的 Laguna，实际对比的是 33B 的 Laguna XS，而非图表给人暗示的 118B 大模型。
真实环境上手时，Flint 带有明显的过度思考倾向。面对需要连续协同的任务，模型经常在本地终端里反复执行同一行诊断命令，在工具调用的死循环里打转，连最显眼的语法 Bug 都会漏改。
算子打磨有功，但神话不是科学
比起端侧代码工具，资本市场更在乎 AI 造 AI 的自举神话。Recursive 宣称，Flint 是其自动化科研系统 Eureka Machine 在不到 4 个月内自主训练成型的。
不可否认，工程团队交出了一份过硬的系统优化清单。他们打破常规，把输出头（lm_head）压到 4-bit，配合离线核心集自采样进行蒸馏，NVFP4 版本与 BF16 基准差距只有 0.7 分；针对苹果芯片编写的 Metal 专用算子，在前向传播中做到了单操作融合。
《考工记》有言：“知者创物，巧者述之守之，世谓之工。”
这一套工程落地的实质，是顶尖工程师在机床前搭好的高级自动化实验管线。Eureka Machine 在人类设定的超参数边界内，用算力暴力跑完架构搜索、剪枝配比和策略验证。但 Recursive 并没有公开训练数据分布、集群能耗账本，甚至连自动化系统的决策日志也没有披露。
脱离人类精心设计的损失函数与规则围栏，算法很容易陷入自欺欺人的奖励作弊。把高强度算子调优和自动化搜索包装成自主进化的造物主，是典型的硅谷式估值修辞。
离线工作站的真实账本
去掉这层包装，Flint 的价值依然明确。
对于那些严禁业务代码上传云端、又无法承受集群维护成本的中小团队，动辄需要几百 GB 显存的超大模型不可触碰。一台 48GB 或 64GB 内存的 Mac Studio 配合 Flint，换来的是物理断网环境下的完全可控与免席位费。
在单文件修改、局部补全和短逻辑编写上，127 tokens/s 的吞吐完全能提供流畅的交互感。这套激进剪裁的 MoE 架构，证明了端侧本地代码工具具备真正的工业可用性。
需要保持清醒的是技术边界。细粒度路由能节省算力开销，但越不过统一内存的物理底线；打榜时靠 5 小时重试磨出来的高分，换不来大型工程里开箱即用的稳定性；一旦载入 128K 完整仓库上下文，35 tokens/s 的龟速会立刻提醒你物理法则的存在。
买一张高配工作站的门票可以，但不要指望机器在深夜里自己完成代码革命。