这几天AI编程圈就忙着一件事：Richard Socher与田渊栋的创业公司Recursive在10月21日（UTC）开源了Flint——一个明确写着“面向本地coding agent”的编码模型。 知乎问题、B站实测、OpenCode接入教程一起刷屏，“MacBook可跑”成了封面标配。但等安装热度过去，评论区把真实数字补上了：125 token/s是短上下文峰值，32K还剩六十多、64K掉到五十多。这篇不跟着喊“本地AI编程元年”，就把三件事拆开：官方到底说了什么、社区测出了什么、哪些人值得现在就换、哪些人再等等。知乎
一、先把三个数字分清：官方怎么说、怎么说的、哪些不是官方
规格是硬事实：39.8B总参数，每个token只激活约2.5B；49层里47层是专家层，每层256个专家挑6个；上下文按模型卡口径是262,144 token（发布页提到支持512K，但官方自己建议控制在256K以内）；Apache 2.0许可，商用不用谈钱，权重已上Hugging Face，国内走魔搭镜像（unsloth/flint-GGUF）。 微博上的中文摘编给出的口径完全一致。知乎微博
分数要带着条件看：官方自报Terminal-Bench 2.1 54.9%、SWE-bench Pro v2 89.7%、SWE-bench Verified 74.2%，宣称“50B以下MoE里agentic coding最强”——但同一段声明里自己也承认，六项平均分上只有阿里Qwen3.8 27B比它高。 截至10月26日，这些全是厂商自测，没有第三方复测。评测设置也不日常：temperature 1.0、至少五次尝试取平均pass@1、单任务超时可拉到五小时。 换句话说，跑分允许它“考五次取最好、交卷不限时”，你的工作流不保证。知乎知乎
速度是限定句：官方发布文的原话条件是“优化推理引擎+短上下文+排除prefill”下，M4 Pro超过125 token/s、64GB RTX Spark超过150。这句话里三个限定词，缺一个都不成立。知乎
公司背景是加分项也是争议点：Recursive今年5月出隐身时融资6.5亿美元、估值46.5亿美元。 团队宣称人和agent合作、不到4个月从零训出这个模型，自动化研发系统还参与了架构、量化、内核环节。 “AI造AI”是最大叙事，但正如知乎一篇分析指出的：整套结果不是一次只改一个变量的实验，速度和质量的收益没法归因到某一项设计上。 叙事归叙事，用还是得按实测用。知乎哔哩哔哩知乎
二、社区给出来的，是衰减曲线和两个阵营
B站实测视频评论区把峰值数字补成了曲线：M4 Pro上1K上下文约79 tok/s、缓存命中105；32K还有六十多，64K五十多——“掉是掉，没崩，比峰值数字实在”。哔哩哔哩
端到端也有对照：有人用M3 Ultra的机器3分钟写完一个落地页，同任务Qwen3.8 27B要十几分钟；短板也被同一批人直说——“512K窗口和Mac首token慢”。哔哩哔哩
评论区自然分出两个阵营。一拨拿它当玩具验完货就扔：“这模型拉完了”，配了生成样例。另一拨的置顶热评更狠：“这些小模型都没意义了，有16G显存直接上125B的Qwen3.8 Flash，27B都不行”——18条回复在下面排队反驳：“32G内存不够要64G”“3bit量化能力和27B打得有来有回”“3.8其实比27B强得非常有限”。 吵到最后，能落地的共识反而是一句朴素分工：短任务本地、长活儿切云端。哔哩哔哩
对入门用户，还有个反常识要先补上：Flint这类稀疏MoE模型“省算力、不省显存”——2.5B激活决定它跑多快，39.8B权重决定它占多少内存，KV cache也不会跟着激活参数一起缩。所以48GB统一内存是硬门槛：rec引擎先检查芯片和内存，M4 Pro以下或不满48GB直接不给下载，16GB的Mac mini出局。 这也是为什么“MacBook可跑”这句话默认你拿的是Pro级机器，而不是Air。知乎
三、解码速度不等于整单速度：换模型前先查瓶颈在哪
一篇讲“把Flint接进代码Review”的知乎文章给了个好用的算法：假设一次review串行流程是准备上下文10秒、生成1000 token、跑测试90秒、人工复核60秒——生成速度从50提到125 tok/s（2.5倍），整单只从180秒降到168秒，省6.7%；而如果新模型给过一次需要额外复核的错误结论，再加60秒，整单变228秒，反而比原来慢26.7%。 生成只占链条约九分之一，标题上的125要经过预填充、工具等待、测试和人工复核，才能变成“从提交到可接受结论”的墙钟时间。所以值得做的不是追峰值，而是给自己的工作流记一遍完整账。知乎
四、三条免费路径，对号入座
M4 Pro以上、48GB统一内存的Mac用户：走官方rec工具，终端一行curl安装，先`rec doctor`查机器，再`rec launch opencode`（习惯Pi就换pi），首次启动自动下模型。注意磁盘留30GB左右，别把BF16加量化全家的283GB都拖下来。这是唯一和官方性能口径一致的路径。知乎
NVIDIA、Windows和老电脑用户：Ollama拉`flint:40b-a2b-qat-int4`，或LM Studio导入GGUF，魔搭有镜像。但跑的是量化版、引擎也不是官方那套，体验不能按“125 token/s”预期。rec对NVIDIA的支持目前只有一行coming soon。知乎
不想装任何环境、先试手感的：OpenCode免费档的模型选择器里直接点Flint-40B。0元，但按容量和限流走，满了要排队，官方没承诺永久免费。知乎
成本这本账，本地侧真正的卖点是社区那句话——“token自由是AI编程的一个基础”：如果你的token是花钱买的，用起来就会束手束脚。 一次性的机器钱换不按token计费的底气，重构敢大刀阔斧、追问不心疼。但“数据不出门”这半句今年正在被重新校准：瑞典政府办公室10月26日起屏蔽办公电脑访问ChatGPT和Claude网页版，被禁的是没有合同约束的网页入口。 同样，模型本地不等于工具链离线——agent框架、浏览器、插件、MCP每一个环节都可能外发。拿本地当合规方案的，先把自己那条链路查一遍，再谈“代码不出本机”。微博知乎
五、同一周，三个开源权重把“本地生成”的阶梯摆齐了
Flint不是孤例，把本周三件事并排看，选型坐标就清楚了：
发布时间 | 模型 | 定位 | 关键口径 |
|---|---|---|---|
10月21日 | Recursive Flint | 笔记本级agentic coding | 39.8B/激活2.5B，48GB Mac硬门槛，Apache 2.0 |
10月23日 | NVIDIA Nemotron 3.5 Bolt E4B | 端侧对话agent（语音助手、NPC、工业界面） | 8B总/4B有效，Q4约4GB显存，64K上下文，OpenMDW-1.1可商用，llama.cpp可跑，RTX 5070自测首token约548ms、133 tok/s |
10月24日 | 南北阁（BOSS直聘系）Nanbeige4.3-33B | 企业私有化部署的编程+办公agent | 33B稠密、512K上下文、Apache 2.0，自测Terminal-Bench 2.1 80.9，但BF16权重约66GB、官方示例就要4卡，普通电脑无缘；且已有媒体指出其对比表中部分对手分数与对手模型卡不一致 |
4GB的入门位、48GB的编程位、66GB的服务器位——“我的电脑能跑什么本地AI”，本周第一次有了分层的标准答案，比任何单篇“最低显存教程”都实在。知乎
六、给谁、不给谁，以及接下来盯什么
现在就值得试的：手里是M4 Pro+48GB级Mac的独立开发者、以及代码合规敏感（接私活、公司代码不能上云）的人——断网能干、代码不出本机，这两点云端API给不了。
再等等的：只有16-24GB显存N卡的用户（rec coming soon未落地，量化版体验另说）、以及把“125 token/s”直接换算成“效率翻倍”的人——整单收益可能只有个位数。
别被带节奏的：看到“MacBook可跑”就想下单新MacBook的——先明确用途是写代码还是聊天绘图，Flint不是全能，本地也不是免费午餐。
继续观察四个信号：①rec引擎NVIDIA/Windows版本是否真落地；②三项自测分数有没有第三方复测，尤其“50B以下最强”那句；③Qwen阵营的27B稠密路线下一步（评论区已经在催Qwen 4.0了）；④OpenCode免费档能不能撑住容量。真要换，别用一次demo下结论：挑12个过去确实需要review的真实任务，冻结仓库和测试环境，新旧模型同一份上下文、同样工具，从提交到结论可接受记墙钟——过了这关，Flint才从“周末谈资”升格成“日常工位”。
