Recursive 发 Flint：40B 本地编码模型，SWE-bench Pro 89.7%

Recursive 10 月 21 日发布 Flint，一个面向本地智能体编码的 MoE 模型：39.8B 总参数、每 token 激活约 2.5B（官方标 40B-A2.5B），49 层里 2 层稠密加 47 层 MoE，每层 256 个路由专家取 6 个，另有滑动窗口 513 与 14 层全注意力混排，文档写明的上下文为 262,144 token。权重在 Hugging Face 以 Apache 2.0 放出，BF16 检查点约 80GB，单张 B300 或 H200 配 SGLang 即可起服务，另附自研推理引擎 rec。

官方给的自评分是 SWE-bench Pro v2 89.7%、SWE-bench Verified 74.2%、Terminal-Bench 2.1 54.9%，采样温度 1.0、top-p 0.95、top-k 20，至少 5 次取平均；Terminal-Bench 用 Terminus 2 并允许联网，但把靠检索拿到的解算作失败，这点比常见口径更严。速度是它的主张：M4 Pro 的 MacBook Pro 上短上下文超过 125 token/s，64GB 的 RTX Spark 上超过 150 token/s。作者称 Eureka Machine（其自动化研究系统）参与了架构搜索、量化配方与内核优化，NVFP4 版本与 16 位版本在自家基准上差距 0.7 分以内。

它改变的是「开源权重能不能在本地跑出前沿编码分数」这条线：40B 级 MoE 此前多要一张数据中心卡，这次把可用性压到单卡加一台高配笔记本。需要留意的是全部成绩都是厂商自评，对照模型的分数据开发者自报、评测口径不完全一致；知识截止 2026 年 6 月，且暂未提供 Transformers 建模代码，只能走 SGLang 服务。

原文链接：Recursive 官方博客