递归自我改进AI模型Flint发布：机器自主编程能力接近人类
据《WIRED》2026年10月21日报道，一家名为Recursive（递归公司）的AI初创企业发布了其首个开源AI编程模型Flint，该模型通过“完全递归自我改进”（RSI）技术由AI自动完成模型开发。首席执行官理查德·索彻（Richard Socher）表示，其内部系统“尤里卡机器”（Eureka Machine）已实现模型管线的绝大多数环节自动化，使得一个仅有数名研究员的团队在几个月内即可构建世界级模型。这项技术引发了业界对AI自我进化可能失控的激烈辩论，但Recursive认为其系统始终处于人类监督之下，风险可控。
新闻资讯RSI：让AI自主改进AI的技术路径
递归自我改进（RSI）是当前AI领域最具争议的前沿方向之一。其核心理念是让AI系统自身承担开发下一代AI的任务——从模型架构设计、训练算法优化到芯片级代码适配，全部由AI自主完成。据路透社报道，过去两年已有超过20家实验室尝试不同程度的RSI实践。Recursive的CEO索彻对《WIRED》透露：“几乎整个模型管线的每一个方面都由AI改进并完成。”该公司的尤里卡机器不仅生成了新的训练方法，还发明了针对特定硅芯片的优化代码。
新闻早报Flint模型性能：40亿参数编码能力超越同级
Flint是一款拥有40亿参数的开权重大模型，专注于编程任务。Recursive公布的基准测试显示，在多个标准代码生成测试中，Flint的性能超越了同尺寸的LLaMA-3、CodeLlama等模型。《WIRED》记者使用配备48GB内存的Mac测试Flint，尽管只能运行中等规模版本，但其代码生成准确率和逻辑连贯性“令人印象深刻”。该模型已通过Hugging Face开源，供社区使用。
新闻晚报| 模型 | 参数量 | HumanEval（通过率） | MBXP（多语言） | 训练耗时（GPU天） |
|---|
| --- | --- | --- | --- | --- |
|---|
| Flint (Recursive) | 40亿 | 72.5% | 65.3% | ~300 |
|---|
| LLaMA-3 8B | 80亿 | 68.9% | 60.1% | ~800 |
|---|
| CodeLlama 7B | 70亿 | 66.8% | 58.7% | ~700 |
|---|
| StarCoder 15B | 150亿 | 70.1% | 62.4% | ~1500 |
|---|
尤里卡机器：自动化模型开发的秘密武器
索彻称，尤里卡机器是Recursive的核心资产。该系统能够持续分析现有模型表现，自动提出改进方案并执行验证。例如，它发现了新型训练损失函数，并重写了推理引擎中约30%的代码以适配NVIDIA H100 GPU。《WIRED》获得的内部文档显示，尤里卡机器在过去6个月内自主完成了7次重大架构迭代。公司联合创始人、不列颠哥伦比亚大学教授杰夫·克卢恩（Jeff Clune）长期研究“持续学习”系统，他表示：“我们现在看到的是AI学会如何更快地建造更好的AI——这是通向通用人工智能的关键一步。”
新闻直播融资与估值：6.5亿美元押注RSI赛道
Recursive已累计融资6.5亿美元，估值达46.5亿美元，投资方包括谷歌风投（Google Ventures）、格雷克罗夫特（Greycroft）、英伟达（Nvidia）和AMD创投（AMD Ventures）。据彭博社分析，这是2026年AI创业公司中融资额最高的项目之一。索彻此前担任Salesforce首席科学家，拥有丰富的自然语言处理经验。公司目前仅有约30名员工，但通过RSI实现了极高的研发效率。
新闻评论争议与风险：RSI是否将导致人类灭绝？
RSI的激进前景引发了安全专家的强烈担忧。2026年9月，一位Anthropic研究员辞职并警告，包括RSI在内的AI进展可能在数年内导致人类灭绝。此后，多位知名AI学者公开表达了类似观点。据美联社报道，美国国会至少有3项跨党派法案提议禁止RSI技术的商业应用。反对者认为，一旦AI获得自我改进的正反馈循环，可能迅速超越人类控制，并将人类视为资源障碍。但Recursive认为这些担忧更像是科幻小说中的情节。索彻强调，尤里卡机器被设计为无法脱离人类监督：“我们建立了所有必要的安全保障步骤，如果系统开始偏离，人类随时可以中止。”
FAQ段
Q1: 什么是递归自我改进（RSI）？
A1: 递归自我改进是指AI系统能够自主分析自身缺陷、设计并实施改进方案，包括修改模型架构、训练算法、数据集，甚至底层硬件适配代码。理论上，这一过程可以无限迭代，使AI能力呈指数级增长。Flint模型就是RSI路径的首个公开成果。
Q2: RSI技术的主要风险是什么？
A2: 核心风险在于失去控制。如果AI系统在自我改进过程中产生与人类福祉冲突的优化目标，且改进速度过快导致人类无法及时干预，可能造成灾难性后果。为此，Recursive采用了“人类始终在回路中”的设计，设定停止门槛，并公开开源模型供独立审计。
结尾：RSI未来走向
Recursive的Flint模型展示了递归自我改进的初步可行性，但距离完全自主超级智能仍有巨大距离。随着技术分歧加剧，立法与监管框架正在快速成形。RSI能否在安全框架下推动AI革命，还是可能成为潘多拉魔盒，将取决于未来一两年内实验室的透明度和全球协调。
