精选模型71
Recursive_SI 发布首个模型 Flint,LM Studio 首日上线支持
原标题:We're excited to bring you Flint by @Recursive_SI in LM Studio on day 0!
LM Studio 在 Flint 发布当天上线支持该模型。Flint 是 Recursive_SI 的首个模型,采用 40B MoE 架构、2.5B 激活参数,支持 262K token 上下文窗口,采用 Apache 2.0 许可,面向本地智能体编码训练,本地运行约需 24GB 内存。据引用内容,该模型在 MacBook Pro 上可达 125+ tokens/sec,在 RTX Spark 上可达 150+,权重已在 Hugging Face 开放。
推荐理由读者可据此了解 Flint 的参数量、上下文窗口与本地运行门槛,判断它是否适合本地编码场景。
我们很高兴在 LM Studio 上第 0 天就为你带来由 @Recursive_SI 推出的 Flint!
- 40B MoE,2.5B 激活
- 262K token 上下文窗口
- Apache 2.0
- 为本地智能体编程模型而训练
在你的机器上本地运行大约需要 24GB,在基准测试中表现令人印象深刻。
隆重介绍 Flint,@Recursive_SI 的首个模型:一个快速的本地编码模型,由我们的自动化研究系统 Eureka Machine 构建。 • 同类最佳的快速本地编码 • 比同类模型快至多 2 倍:在 MacBook Pro 上达到 125+ tokens/秒,在 RTX Spark 上达到 150+ • 在不到 4 个月内从零构建 在你自己的机器上实现私密、不计量的智能。开放权重现已在 @huggingface 上提供,可在你喜欢的框架上本地运行,或在 @opencode 或 @pidotdev 上免费试用。
查看原文
Introducing Flint, @Recursive_SI’s first model: a fast local coding model built with our automated research system, the Eureka Machine. • Best-in-class fast local coding • Up to 2x faster than comparable models: 125+ tokens/sec on a MacBook Pro, 150+ on RTX Spark • Built from scratch in under 4 months Private, unmetered intelligence on your own machine. Open weights available now on @huggingface, run it locally on your favorite framework or try it for free on @opencode or @pidotdev.
