Recursive Flint

Recursive Flint 是 Recursive 面向编程智能体的 Apache-2.0 开放权重 MoE 模型。官方模型卡说明其总参数为 398 亿，每个 token 约激活 25 亿参数。它的设计目标是调查代码库、修复 bug、实现功能、编写测试、多轮推理和工具调用，而不是一个通用的托管聊天端点。

发布内容与能力边界

• 可本地服务的完整套件： 发布仓库包含 BF16 checkpoint、tokenizer、chat template、模型配置及 SGLang 服务套件。服务启动后，官方示例通过 OpenAI 兼容接口发起本地请求。
• 稀疏不等于没有硬件门槛： “40B-A2.5B” 是对 39.8B 总参数和约 2.5B 激活参数的取整称呼。激活参数会影响每 token 的计算量，但完整 checkpoint 及其显存需求依然存在。
• 以智能体工作流为中心： Flint 支持 reasoning 和 OpenAI 兼容工具调用。官方要求使用提供的 chat template，并在对话历史中保留 reasoning_content。
• 明确的容量说明： 配置中列出 262,144 token，输入与生成输出共用。它是容量边界，并不保证所有超长上下文都有相同准确性。

建议的评估流程

从可复现的 issue 或小型仓库开始，先只赋予只读工具。模型卡写明下载约需 80 GB，并为每个 SGLang 副本列出一张 B300 或 H200 GPU。运行官方 health check 后，以同一任务、工具权限、时间上限、输出预算和测试集对比 Flint 与较小模型。除了最终测试是否通过，还要记录工具轨迹；单一 agent 基准分数不能证明它在你的代码库中可靠。

首次接入时，应把 SGLang 端点置于本地网络边界内，只保留符合数据策略的请求信息，并对写文件、执行命令和部署设置人工审核。若未来使用托管端点，请单独核验定价、数据保留、区域和服务条款，不要把 Apache-2.0 权重许可当成托管服务许可。

限制与替代

Recursive 按其说明的测试设置报告了 Terminal-Bench 2.1 的 54.9%、SWE-bench Pro v2 的 89.7% 和 SWE-bench Verified 的 74.2%。这些是厂商报告的评估结果；模型卡也提示不同设置会影响可比性。长推理会增加延迟并可能耗尽输出预算，工具调用格式也不会自动保证权限安全。应用生成代码前仍应测试和审查。

若需要更小的开放编程智能体模型，可对比 LFM2.5-24B-A2B；若需要规模更大、面向长程智能体的开放权重模型，可对比 Reflection Beam 1.0。部署前请阅读官方模型卡与 Recursive 发布说明。