以下为上游提供的源文稿，可能存在识别错误。
乔木转写是基于源文稿的中文提炼，不是逐字翻译。请核对原文中的人名、数字与观点。
选一篇，慢慢读
从左侧挑一篇，正文会在这里排成书页。
Introducing Flint (7 minute read) Recursive Flint is a mixture-of-experts model built for fast agentic coding on local hardware. It has 40 billion total parameters but activates just 2.5 billion per token. It was built from scratch by a small team of people and agents in under four months. Flint generates more than 125
阅读原文 · TLDR
向阳乔木 · deepseek-v4-1-flash-261017
一个 40 亿参数级别的模型，能在 MacBook 上跑到每秒 125 个 token 以上，而且数据不出本地。 这是 Recursive 刚发布的 Flint。它是一套混合专家（MoE）架构，总参数 40 亿，但每个 token 只激活 2.5 亿。这个比例很关键：模型容量留得足够大，推理时却只调用一小部分，所以本地硬件也能跑出像样的速度。 这个激活比例，...