Flint 开放编程智能体模型，提供本地服务套件

发生了什么

Recursive 开放 Flint 编程智能体模型。它有约 398 亿总参数，每词元约激活 25 亿参数，支持文本输入输出、推理和多轮工具使用，目标包括读代码、修复问题、实现功能和编写测试。权重采用 Apache 2.0 许可。1

对自建代码服务的团队，重要的是它同时提供了部署套件与使用约定，而不是只有一份权重文件。

具体是什么

仓库包含 BF16 检查点、配置、分词器、聊天模板和 SGLang 服务套件。文档给出的原精度示例需要 H200 或 B300 级 GPU，下载量约八十 GB；量化版本由其他入口提供，不能把活跃参数当作总存储需求。1

模型的编程分数也带有具体执行框架与采样条件。不同来源的评分方式可能不一致，模型卡特别说明部分任务对网页检索得到答案的处理方式。1

怎么用

先按模型页检查硬件与服务要求，再选择原精度或适配设备的量化方案。运行基础客户端后，测试一个能够独立验收的小代码任务，例如修复已有失败用例，同时保持其他测试通过。

随后加入多轮反馈：让模型解释修改范围，再根据测试结果继续修订。检查工具调用能否正常解析、推理相关内容是否按要求保留，以及长输出预算是否造成明显等待。

评估时固定代码仓库版本和任务描述，记录完整差异、测试结果、用时与生成量。成功率要与任务复杂度一起看，不要只挑一个最容易的示例。

对团队代码库，建议同时检查修改是否符合现有结构和约定，而不只是测试变绿。保留人工审阅耗时，观察模型是否经常做无关重构、扩大修改范围或引入难维护的实现，这些都会影响实际使用成本。

意味着什么

编程模型的可用性由权重、执行框架和服务接口共同决定。开放部署提供了更多可定制空间，也要求团队承担运行与评测工作。

对独立开发者，可以先判断自己的需求是偶尔完成代码任务，还是持续运营一个本地编码服务。后者才更容易从专用部署投入中获得收益；前者可以先通过公开示例了解能力边界。

局限与风险

原精度部署门槛明显高于普通笔记本。量化后资源下降，但质量与速度仍应以具体检查点和运行时实测为准，不能直接沿用 BF16 的成绩。1

长推理可能增加延迟或耗尽输出预算，生成代码也需要测试。模型卡的公开分数只提供参考，不等于能稳定解决任意仓库问题。本条未实际运行模型，精确首发时间未确认，因此不填写推测时刻。正式接入前，应建立可重跑任务集并保留原服务作为对照。