flint - 面向编码智能体的混合专家语言模型

flint 是维护者 RecursiveSI 发布在 Hugging Face 上的文本生成模型仓库，任务类型为 text-generation，基于 transformers 生态组织文件。据项目自述，它是一个面向编码智能体的混合专家（MoE）语言模型，目标是让模型能够探查代码库、修复缺陷、实现功能并编写测试，同时支持文本输入输出、推理过程与多轮工具调用。它适合需要把模型接入自动化编码流程、并愿意自行搭建推理服务的开发者与团队；如果只是想要一个开箱即用的对话接口，这个仓库本身并不提供托管服务。

维护者与状态

仓库由 RecursiveSI 维护，地址位于 Hugging Face。事实表显示，该仓库创建于 2026-10-21，最后更新时间为 2026-10-21，即创建与更新在同一天，此后没有新的更新时间记录。截至 2026-10-24，近 30 天下载量为 1904，点赞数为 689。事实表中没有给出正式 release 的信息，因此这里不对版本发布情况作额外推断；仓库当前呈现的是模型权重与配套文件的初始状态。

需要说明的是，上述下载量与点赞数是事实表在 2026-10-24 读取到的数值，会随时间变化，引用时应带上该日期。

主要能力

以下能力描述均来自项目自述（README / 模型卡），未经独立验证。

• 编码智能体定位：据项目说明，flint 面向编码代理场景，覆盖代码库探查、缺陷修复、功能实现与测试编写四类典型任务。
• 推理与工具调用：项目自述模型支持推理输出与多轮工具使用，并兼容 OpenAI 风格的工具调用格式；README 提醒使用 checkpoint 自带的对话模板，并在对话历史中保留返回的 reasoning_content 字段。
• 混合专家结构：据模型卡，flint 为仅解码器的 MoE Transformer，总参数 39.8B，每 token 约 2.5B 激活参数；共 49 层，其中 2 层为稠密层、47 层为 MoE 层；每层 256 个路由专家，每 token 选择 6 个，另有一个常驻共享专家。
• 注意力设计：模型卡称其包含 35 层滑动窗口注意力与 14 层全注意力，滑动窗口为 513 个 token；32 个查询头、4 个键值头，头维度 128，并采用逐头 QK RMSNorm 与可学习的逐头注意力汇。
• 上下文配置：文档给出的上下文配置为 262,144 个 token，提示与生成输出共享这一窗口；词表规模为 150,144。
• 训练流程：据项目说明，模型从零开始训练，经历预训练、中期训练、监督微调与强化学习，训练数据包含文本与代码、指令遵循以及智能体任务。

项目自述还给出了发布时的评测结果，包括 Terminal-Bench 2.1、SWE-bench Pro v2 与 SWE-bench Verified 上的分数，并注明部分对比分数由其他开发者自行报告、评测设置各不相同。这些数字属于维护者自述，本栏目不将其作为中立结论转述，读者如需引用应回到模型卡核对评测条件。

使用入口

模型仓库地址：RecursiveSI/flint。仓库内包含 BF16 checkpoint、模型配置、分词器、对话模板以及一套 SGLang 服务套件；量化版本据项目说明另行准备，面向 NVIDIA 与 Apple Silicon 运行时。

据 README，当前推荐的部署路径是 SGLang，每个副本需要一张 B300 或 H200 GPU，Transformers 建模代码尚未包含在仓库中。基本流程为：先安装 huggingface_hub 与 openai 客户端并下载权重（README 标注约 80 GB），再构建 SGLang 镜像、启动服务脚本，最后用示例客户端调用。

pip install -U huggingface_hub openai
hf download RecursiveSI/flint --local-dir flint && cd flint
docker build -t flint-sglang sglang
docker run -d --name flint --gpus '"device=0"' --ipc=host -p 127.0.0.1:30000:30000 \
  -v "$PWD:/model" -e MODEL=/model flint-sglang bash /model/sglang/serve_b300.sh

服务就绪后，可通过 OpenAI 兼容接口调用，模型名填写 flint。README 给出的推荐生成参数为温度 1.0、top-p 0.95、top-k 20；对于困难问题，建议输出预算至少 32768 个 token（含推理部分）。请求未显式指定采样参数时，服务端会套用这组默认值。更多关于依赖要求、启动脚本选项、多卡部署与 API 细节的说明，项目指向仓库内的 sglang/README.md。

许可与限制

许可证为 apache-2.0。项目说明中提到，托管 API 的服务条款与数据处理实践独立于权重许可，二者不应混为一谈。

项目自述列出的已知限制包括：监督微调虽包含安全导向的示例，模型仍可能生成错误或有害内容、有缺陷的代码，或发起不恰当的工具调用；生成的代码应先测试，有实际影响的变更应先审阅再应用。使用工具的应用需要自行实施权限与执行边界，结构化的工具调用语法并不能阻止模型选择不安全或错误的动作。较长的推理过程会增加延迟，并可能在答案完成前耗尽输出预算。上下文配置是容量上限，并不保证在所有序列长度或任务上保持一致的准确率；结果还可能随 checkpoint 精度与推理运行时变化，因此应对实际部署的 checkpoint 与运行时单独评估。

项目说明还给出了反馈渠道：模型与服务问题可联系 support@recursive.com，并附上 checkpoint 版本、运行时版本、硬件、启动命令与最小复现；安全问题与疑似滥用分别有对应邮箱。这些联系方式属于项目自述内容，是否长期有效需以仓库最新说明为准。