Recursive 开源 MoE 编码模型 Flint，400 亿参数实现 SWE-bench Pro v2 89.7%，本地硬件部署表现出色

Recursive 全新推出的开源 MoE 混合专家编码模型 Flint，整体综合实力达到同档位模型第一梯队，它拥有 400 亿总参数，在 SWE-bench Pro v2 评测中拿到 89.7% 的高分，同时依托稀疏激活架构，在笔记本、桌面显卡这类本地设备上就能流畅完成推理，本地部署的运行效率远超同规格稠密模型。这款模型采用 MoE 稀疏架构，总参数规模达到 400 亿，但每一次生成 token 只激活 25 亿参数，大幅降低算力消耗，这也是它可以脱离云端服务器、直接在个人终端运行的核心基础。在代码能力测试里，Flint 针对真实项目开发、漏洞修复、功能开发等实战场景优化，在 SWE-bench Pro v2 这项高难度编程基准测试里拿到 89.7% 的成绩，同时在 SWE-bench Verified、Terminal-Bench 2.1 等多项编程评测中都拿到领先分数，代码生成、bug 修复、项目工程落地能力对标 250 亿至 400 亿参数稠密大模型。在本地运行层面，模型搭配专属优化推理引擎，硬件门槛大幅降低，普通 MacBook Pro、高端消费级显卡都可以顺利部署，而且生成速度提升明显，短上下文场景下的推理速度达到同类模型的两倍，开发者可以离线运行整套代码智能体流程，核心代码全程保存在本地设备，不用上传到云端，兼顾运行速度与数据隐私。从落地实操来看，Flint 开放 Apache 2.0 开源协议，权重文件提供多种量化版本，适配主流本地推理工具，不管是个人开发者搭建本地编程助手，还是企业搭建私有化代码智能体环境，都可以快速完成部署，不用做大量二次开发，快速落地本地离线编程业务。

一、Flint 模型核心硬件与参数配置

1. 基础参数清单 表格 45
2. 硬件适配清单

• 苹果平台：M4 Pro 及以上 MacBook Pro，内存 48GB，推理速度 125token/s 以上
• NVIDIA 显卡：64GB RTX Spark 显卡，推理速度可达 150token/s 以上
• 服务器端：BF16 原版权重，可单张 B300、H200 显卡部署

二、Flint 编码能力实测成绩

1. 主流编程基准测试得分

• SWE-bench Pro v2：89.7%
• SWE-bench Verified：74.2%
• Terminal-Bench 2.1：54.9%

1. 能力优势说明 模型面向 Agent 智能体编程场景优化，支持读取完整代码仓库、自动定位漏洞、编写单元测试、迭代开发新功能；稀疏 MoE 架构让它在达到稠密大模型代码水平的同时，推理速度提升 5 倍以上，兼顾能力与效率。

三、本地部署流畅运行的技术保障

1. 稀疏激活架构降低算力开销 模型只在 47 层专家层启用路由机制，每一条输入文本只会调用少量专家网络，不会把全部 400 亿参数全部加载进显存，大幅减少内存占用，满足个人电脑运行条件。
2. 滑动窗口注意力优化 35 层网络采用 513token 滑动窗口注意力，仅 14 层使用全量注意力，在保障超长上下文理解能力的同时，大幅削减计算量，提升本地设备吞吐速度。
3. 全链路推理引擎优化 官方配套 rec 推理引擎，同时原生兼容 llama.cpp、Ollama、vLLM、LM Studio 等主流本地工具，一键启动服务，无需复杂编译配置。

四、本地部署完整操作步骤

1. 模型权重下载 前往 Hugging Face 开源仓库，下载 NVFP4 量化权重，该版本体积仅 22.9GB，适配个人电脑显存条件。
2. 环境准备 苹果设备安装 rec 运行环境；NVIDIA 设备提前配置 CUDA 环境，安装 vLLM 或 llama.cpp 推理框架。
3. 一键启动服务 在终端输入启动指令，程序自动完成模型加载、服务启动，直接对接本地代码编辑器，实现离线智能代码补全与漏洞排查。
4. 功能调试 开启长上下文模式，加载本地项目代码文件夹，开启 Agent 模式，让模型自主完成项目代码分析与迭代开发。

五、本地私有化部署的长期应用价值

1. 数据安全：所有代码数据留存本地，不会经过第三方云端，满足涉密项目、商业私有代码的隐私管控要求。
2. 成本可控：完全离线运行，没有云端 API 调用费用，长期使用只消耗本地硬件算力。
3. 响应稳定：不受网络带宽、云端服务器拥堵影响，代码生成全程低延迟，保持流畅的开发体验。

【相关 FAQ】

问题 1：这款开源 MoE 编码模型 Flint，400 亿参数为什么能在本地设备顺利部署？

回答 1：Flint 采用 MoE 稀疏专家架构，虽然总参数达到 400 亿，但单次生成 token 仅激活 25 亿参数，再加上滑动窗口注意力与量化压缩优化，显存占用大幅降低，搭配优化推理引擎，笔记本电脑就能完成本地部署，不用依赖云端算力。

问题 2：Flint 在 SWE-bench Pro v2 拿到 89.7% 高分，这项成绩对应怎样的代码能力？

回答 2：SWE-bench Pro v2 用来测评 AI 处理真实开源项目工程问题的能力，Flint 拿到 89.7%，意味着它可以自主定位仓库漏洞、完成功能迭代、编写测试用例，整体工程编码能力对标 250 亿至 400 亿参数稠密大模型，非常适合搭建本地代码智能体。

问题 3：部署 Flint 本地编码模型，最低需要什么样的硬件配置？

回答 3：苹果设备最低需要 48GB 统一内存的 M4 Pro MacBook Pro；NVIDIA 平台最低需要 48GB 显存的显卡，优先选择 64GB RTX Spark；使用 NVFP4 量化版本，模型文件仅 23GB，能进一步降低硬件门槛。

问题 4：Flint 开源采用什么协议，企业可以拿来做私有化开发吗？

回答 4：Flint 采用 Apache 2.0 开源协议，企业可以自由下载、修改模型权重，自主搭建私有化本地编程助手，没有商用版权限制。

【数据来源】

[2026-10-22]（Recursive 开源 MoE 编码模型 Flint，笔记本可本地运行）36 氪

[2026-10-22]（Flint 本地代码模型实测：M4 Pro 可达 125token/s）电子工程专辑

[2026-10-21]（Introducing Flint）Recursive 官方博客

[2026-10-21]（Recursive Releases Flint, an Open-Weight 40B MoE Local Coding Model）MarkTechPost

免责声明

本文内容全部基于模型公开技术文档与公开评测数据整理，仅用于技术研究与本地合规开发使用；模型性能会受到硬件配置、量化版本、推理框架影响，实际部署效果以本地实测为准；开源模型使用请严格遵守 Apache 2.0 开源协议条款，不得用于违规技术开发场景。