Recursive開源Flint本地編程模型

從零訓練四個月

Flint由Recursive從零開始訓練，全程僅耗時四個月，是該公司藉助自動化AI研究系統交出的首份模型答卷，這種訓練效率在同類項目中相當突出。

稀疏激活省算力

模型採用MoE架構，總參數量達400億，但生成每個token只激活其中25億，運算負擔大幅下降，成為其能在筆記本級硬件上流暢運行的關鍵。

推理速度領先同類

搭配優化後的推理引擎，Flint在MacBook Pro上的生成速度可達至少每秒125個token，在RTX Spark平台更超過150個，速度較同類產品快約兩倍。

開源部署降低門檻

模型開源發布後，開發者可在自有設備上部署本地智能體編程工作，毋須依賴雲端服務即可運行，在隱私保障與使用成本兩方面都更為有利。