最近看到一個叫Flint的模型，據說比同類模型快2倍，在英偉達10月最新發布的RTX Spark電腦上甚至能跑到150token每秒！（這台RTX Spark我們也第一時間拿到並發布了評測影片）
而且AI參與了整個訓練過程，耗時僅4個月。之前經常看到AI模型自我改進的論文和新聞，現在總算是有可以上手的本地模型了。
仔細一看，發布模型的這個大佬是田淵棟，在國際AI圈赫赫有名。
他曾在 Meta AI 研究院 FAIR 擔任總監，研究經歷橫跨強化學習、圍棋 AI 和大語言模型。早年，他參與負責了開源圍棋 AI 項目 ELF OpenGo；近幾年，他又參與了 GaLore、StreamingLLM 等研究，分別探索如何降低大模型訓練的內存開銷、提高長序列推理的效率。
他工作的共同點似乎在於追問一個問題：模型為什麼能做到，以及能不能用更高效的方法做到。
這也是田淵棟值得關注的地方。過去，他在研究神經網路如何學習、推理和優化；如今，他與聯合創始人一起創辦了 Recursive Superintelligence，開始探索讓 AI 參與 AI 研發的另一條路線。
Flint就是這家公司發布的首款開源模型：總參數約 400 億，激活參數約 25 億，目標是在本地設備上快速完成編程任務。
Flint 最特別的地方在於它的研發方式。Recursive 讓 AI 參與改進 AI，把一部分模型研發工作交給名為 Eureka Machine 的自動化研究系統。Flint 就是這套方法產出的第一款可供外界下載、運行和檢驗的模型。
Recursive這家以「遞歸自我改進」為目標的公司，究竟讓 AI 做了哪些研究工作？為了搞清楚這個問題，我查了一些資料。
另一個問題是，做出來的模型在真實任務中又好不好用？這個問題就只能實測了，目前看到影片推主Luke's Dev Lab做的評測還不錯，這個博主經常用自己的RTX 2000 Ada顯卡和5090顯卡測試各種本地模型。
RSI讓研究結果進入下一輪研究
先解釋一個AI模型領域最新又最重要概念，RSI 是Recursive self-improvement 「遞歸自我改進」的縮寫。RSI代表一種AI研發過程中的循環：系統提出改進模型的想法，然後把想法寫成可運行的方案，通過做實驗、檢查結果，再依據結果決定下一步研發動作。如果新模型提升了這個研究系統的能力，這個新模型就可能參與開發更強的下一代模型，不斷自我疊代進化。
Recursive 把這個願景落實到一個較具體的起點：自動化那些目標明確、結果可測的研發任務。根據公司的研究說明，Eureka Machine 能同時探索多條實驗路線，保留有效發現，並檢查結果是否只是評測漏洞或偶然波動。公司展示過它優化小模型訓練流程和 GPU 計算程序的案例。
到了 Flint，自動化研究不再只是一組單獨的實驗。Recursive 稱，Eureka Machine 參與了模型架構、訓練方案、量化方法及推理優化。例如，團隊原先考慮的是總參數約 350 億、激活約 30 億參數的配置；系統探索不同的專家數量和模型寬度後，選出了 Flint 的 400 億總參數、25 億激活參數方案。它還參與了尋找壓縮模型權重、提高本地運行速度的方法。
有一點還是要說清楚：Flint 是由人類團隊與自動化研究系統共同開發的模型，不是 Flint 自己獨立訓練出了 Flint。 Recursive 希望更強的模型在未來反過來提升 Eureka Machine，讓下一輪研發更有效率。Flint 可以看作這個循環的起點，還不能視為完整自主改進已經實現的證明。
不止 Recursive，AI 改進 AI成為重要方向
讓 AI 參與研發 AI，並不是 Recursive 一家公司的探索方向。目前，Google DeepMind、Anthropic、OpenAI 和 Sakana AI 都在推進相關研究，但它們的技術路線與實現程度並不相同。
Google DeepMind讓 AI 發現更好的算法
2025 年，Google DeepMind 發布了 AlphaEvolve。這套基於 Gemini 的編程智能體系統，能夠生成、評估和疊代改進算法，並已用於數據中心、晶片設計和 AI 訓練流程優化。其中一個值得關注的應用，是改進用於訓練大語言模型的部分流程。
Anthropic 與 OpenAI讓 AI 承擔更多研究工作
另一條路線，是讓 AI 從編程助手逐漸成為 AI 研究的執行者。根據 2026 年 10 月的公開報道，Anthropic 表示，Claude 已承擔約 26% 的模型研發工作；OpenAI 則在開發能夠在人類指導下完成研究任務的自動化系統，並提出到 2028 年 3 月打造自動化 AI 研究員的目標。
這些進展意味著 AI 正在承擔更多實驗與研發任務，但目前仍不能據此認定它們已經實現完全自主的遞歸自我改進。
Sakana AI讓智能體修改自己的代碼
日本 AI 公司 Sakana AI 的 Darwin Gödel Machine（DGM），則直接探索智能體的自我改進：系統提出代碼修改，再通過編程基準測試驗證效果，並保留有效版本繼續探索。研究報告顯示，其在 SWE-bench 上的成績從 20.0% 提升至 50.0%。
不過，這主要體現的是編程智能體通過修改自身代碼來提升表現，並不意味著底層基礎模型已經能夠自主完成新一輪訓練。
這些探索指向同一個變化：AI 正從輔助研發的工具，逐漸成為能夠提出方案、執行實驗和驗證結果的參與者。但自動化算法優化、智能體自我改進和自動化基礎模型研發，仍是不同層次的技術路線。
Recursive 的特點，是嘗試將自動化研究系統直接用於模型研發，並通過 Flint 展示階段性成果。它能否持續產出更強的模型、真正提高研發效率，仍有待後續疊代和更嚴格的驗證。
速度優勢，來自怎樣的取捨
Flint 採用混合專家架構（MoE）。可以把它理解為：模型擁有較大的「專家庫」，處理每個 token 時只調用其中一部分。這有利於減少生成時的計算量，卻不等於整個模型只占 25 億參數的儲存空間。影片推主Luke's Dev Lab下載的 Unsloth 四位量化版本約 25 GB，大於測試所用顯卡的 16 GB 顯存，因此運行時還需要系統內存配合。
在RTX 2000 Ada的GPU配置下，Flint 的輸出速度接近每秒 40 個 token；
換到 RTX 5090，影片顯示約每秒 206 個 token。速度是這次實測中最突出的優點。
Recursive 將 Flint 定位為編程代理模型：它要讀代碼、改錯誤、實現功能，也要在多輪交互中調用工具。速度讓它能更快地給出下一步操作；真正決定能否成為日常助手的，則是它能否少出錯、少讓人返工。
短任務順暢，長任務費力
這條影片的測試很適合觀察兩者的差別。Flint 在 100 道 Python 挑戰中答對 90 道；製作沙粒物理模擬和地牢遊戲時，也都較快交出了能運行的結果。Blender 任務要求生成一盞星形燈籠，模型完成了資產，影片作者只需追加一次提示，讓它補交原本要求的多角度截圖。
任務變複雜後，體驗發生了變化。製作看板應用時，Flint 最終給出了可用、界面也不錯的作品，但途中出現輸出截斷、項目無法啟動、彈窗關不掉、卡片拖動後消失等問題。影片作者不斷反饋錯誤、要求修復，前後追加了約十次提示。結果能做出來，過程卻談不上省心。
難度最高的 Godot 任務要求製作包含移動平台、障礙和鑰匙的 3D 遊戲。生成的場景里能看到部分元素，角色卻無法正常移動或跳躍；隨後模型在反覆處理任務時陷入循環，博主最終放棄了這次嘗試。長上下文測試也提供了一個相關觀察：在 256K 上下文中尋找指定資訊，放在開頭和結尾的數據都找到了，位於中間兩個位置的數據卻各只找到三次中的一次。
這些測試說明，Flint 的強項可能是邊界清楚、能較快驗證結果的任務；但在需要長期規劃、持續記住狀態並修復連鎖問題的時候，用戶可能仍須投入不少精力。
Flint能否讓用戶更快完成本地編程任務，這條影片給出了有成功也有挫折的案例。
沒想到整個測試下來，這個模型最讓我印象深刻的點居然是它的速度。
我們至頂AI實驗室平時也在評測很多機器和模型，但大多數幾百億參數的模型在幾萬元設備上的速度也都在100以內，幾十token每秒的水平，但是Flint在5090上跑出200token每秒。這個模型抽空一定要下下來試一試了。
同時，我也產生了一個新的疑問，這個40B也就是400億參數的模型通過RSI訓練，經歷4個月到了現在的水平，那麼如果訓練時間是6個月或者1年甚至更長，會自我疊代出更了不起的能力嗎？更快還是更聰明？
