Flint v1.0 对比 Muse Code：权重文件与终端智能体的账单不同

先看这个数字，它能让这场比较在开始之前就保持诚实。Recursive Flint v1.0 每个 token 零成本，但需要约 24 GB 内存。Muse Code 在发出第一个请求之前，每月就要花 5 到 200 美元，之后在 Meta 的 Standard 层级上，每百万输出 token 还要 4.25 美元。其中一个是归你所有的文件，另一个则是订阅别人的循环。把它们当作可替代选项来比较，是大多数报道都会犯的错误；而这个错误值得刻意去犯，而不是无意中犯——因为一旦你看到账单，真正的决定就不是哪一个更好，而是你的工作需要哪种形态。

Flint 于 2026 年 10 月 21 日作为 Recursive 的首个模型面世：这是一个混合专家（MoE）编程模型，总参数量为 398 亿，每个 token 约有 25 亿活跃参数，采用 Apache 2.0 许可，设计为可在笔记本电脑上运行。Muse Code 更早推出——Meta 于 2026 年 8 月 5 日以 beta 版发布，此后已结束 beta 阶段——而且它并不是一个模型。它是一个原生终端二进制程序，用于驱动 Meta 的 Muse Spark 系列模型，目前是 Muse Spark 1.3，而除非另行指定，CLI 仍会选择 Muse Spark 1.2 版本。

每一个实际上是什么

模型和智能体是不同的产品，区别在于工作发生在哪里。

Flint 是权重。它接收文本和工具调用，输出文本和工具调用，而围绕这一切的部分——循环、文件编辑、测试运行、重试逻辑——都由你指向它的任意 harness 提供。Recursive 自己的 serving kit 使用 SGLang；生态系统则通过 llama.cpp、Ollama、LM Studio、vLLM 以及 Recursive 自己的引擎来路由它。你得到的是一个快速的 token 生成器和一张白纸。

Muse Code 是填好的那一页。它自带一个主智能体循环、会在整个会话中持续收集上下文的异步后台智能体、能让并行子智能体互不冲突的隔离 Git worktree，以及一个本地事件日志，使崩溃的会话可以被重放或恢复。它有用于规划和审查的斜杠命令、一个可供其他工具驱动它的 agent-client 协议、带可配置审批模式的沙盒化 shell 执行，并且既能交互运行，也能无头运行。在 macOS 或 Linux 上，安装只需一行脚本；在 Windows 上则提供 PowerShell 方式。你购买的是这个循环，而其中的模型并不是你能选择的。

成本主干，测算结果

与其抽象地比较标价，不如拿一个工作负载来算。假设某个开发者的智能体一个月写出 5000 万个输出 token——对于重度智能体工作流来说，这并非一个极端的数字，而且低到对小团队来说也还算合理。

• Flint — 许可证成本为 0 美元。输出 token 不受限制。固定成本在于硬件，而硬件你要么已有，要么没有：NVFP4 构建在磁盘上占 22.86 GB，运行它大约需要 24 GB 内存，还需要一台速度足够快、能让本地推理尚可忍受的机器。Recursive 声称，在短上下文下，于 M4 Pro MacBook Pro 上每秒可输出 125 个以上 token。如果你已经拥有那台笔记本电脑，那么第 5000 万个 token 的边际成本就是电费。

• Muse Code —— 月度套餐是底线，而非上限，因为 token 计费叠加在其之上。按每百万输出 token 4.25 美元计算，5000 万输出 token 仅输出费用就达 212.50 美元，而这还未计入输入 token，也还要叠加你为获得访问权限所需的任一订阅档位。四档套餐——每月 5、15、50 和 200 美元——买到的是不同级别的访问权限，而不是无限用量。

• Muse Code，更便宜的层级——Contributor 层级的价格为每百万输入 token 0.10 美元、每百万输出 token 0.20 美元，而 Standard 层级为 1.25 美元和 4.25 美元。输出价格大约相差二十倍，而它更便宜的原因是 Meta 可能会使用你的提示词和补全内容进行训练。这是一项实实在在的权衡，对开源工作而言也合理。对于专有代码库，这是政策决定，而不是折扣；值得阅读当前条款，而不是相信摘要——包括本摘要。

• Flint 的隐性成本——机器本身。在笔记本电脑上，24 GB 的工作集没问题；但在配备 24 GB 显卡的台式机上，一旦把系统其余部分也算进去，就显得紧张。而且，长上下文下的本地吞吐量并不像宣传数字所暗示的那样：独立测试报告称，短提示下大约为每秒 110 个 token，而在上下文达到约 115,000 个 token 时降至约每秒 9 个 token。如果一个智能体在写任何东西之前先读取大型代码仓库，那么它大部分时间都会处在慢速区间。

把两者放在一起比较，按每 token 计算成本，差距并不接近；反过来按总能力计算，差距也同样不接近。这就是关键所在。

隐私是差距最悬殊的领域

Flint 可离线运行。不是“我们不记录你的提示词”那种离线——而是真正断网，运行在你自己的硬件上，权重就存放在你的磁盘上。对于无法脱离网络的代码库而言，这并非众多功能中的一项；这正是该模型出现在此次对比中的原因。

Muse Code 是一个云端代理。它会针对代码仓库运行命令，这意味着它读取的内容会外传。贡献式定价层级让数据关系变得明确而非隐含，这可以说比无人阅读的政策更诚实，但它并不改变数据流动的方向。如果你的约束是“源代码绝不离开大楼”，那么决定早已做出，基准测试表也就无关紧要了。

谁在掌控循环，以及为什么这比模型更能决定结果

最被低估的差别在于：使用 Flint 时，你要为智能体负责。一个拥有 398 亿参数、每个 token 激活 25 亿参数的模型是能力不俗的 token 生成器，但 Recursive 明确表示，它比大型付费编程助手需要更多引导，并建议把复杂任务拆成更小的步骤。这种引导必须来自某处——一个运行框架、一个提示模板、你自己的粘合代码。如果你没有这些，你就没有智能体。

Muse Code 已经替你做出了这些决定，而订阅买来的正是这一点。代价是，你继承了 Meta 关于编码会话应如何进行的观点，而且无法替换底层的模型。

存在一条厂商都不会宣传的中间路线，而它正是大多数团队最终会趋同的选择：把必须不离开本机的任务留给本地模型，把需要超出 2.5B 活跃参数模型能力的工作交给托管端点。在这种情况下，路由不再是无足轻重的基础设施细节，而开始成为架构本身。如果升级路径就是一个 OpenAI 兼容端点，位于 200 多个托管模型之前，按提供商标价提供，不额外加价，那么之后增加能力并不意味着要增加第二份合同和第二个 SDK——而故障转移链意味着，对某个提供商超时的请求可以在另一个提供商处完成，而你的智能体甚至不会察觉。

该选哪一个

有一个数字理应摆在成本论据与决策之间，并清楚地标注出来。Meta 自己的发布图表显示，Muse Spark 1.2 在 Terminal-Bench 2.1 上达到 82.9%，在自家评测面板中排名第二。Flint 厂商报告的 Terminal-Bench 2.1 得分为 54.9%。这两个数字由不同的实验室、在不同的测试框架上、依据关于智能体能否联网搜索的不同规则得出——因此，28 个百分点的差距并不能衡量任何实实在在的东西。不过，它强烈暗示，一个激活参数量为 2.5B 的本地模型与一个接近前沿水平的托管模型，其能力上限并不在同一位置。如果你的工作经常需要智能体编程中较难的那一端，那么无论价格看起来多么划算，本地选项都不能替代。

• 如果代码不能离开你的机器，如果你的智能体任务简短且范围明确，如果你已经有喜欢的运行框架，或者如果你不想再为一个将持续增长的工作负载按 token 付费，就选择 Flint。为长上下文吞吐量做好预算，并据此规划你的智能体。

• 如果你希望第一天就能用上可正常工作的终端智能体，如果你的任务会运行数小时，并且能从后台智能体和可恢复会话中受益，如果你的工作足够开放、可以接受贡献者层级，并且如果按月计费、随用量扩展的账单比硬件支出更容易证明合理，那就选择 Muse Code。

• 如果你们是一个拥有混合代码库的团队，请两者都选。一旦你问清楚哪些仓库可以迁出，如何拆分通常就显而易见了。

你不该做的，是把它当成一个基准测试问题。Flint 公布的分数——SWE-bench Verified 上 74.2、SWE-bench Pro v2 上 89.7、Terminal-Bench 2.1 上 54.9——是供应商报告的，尚未被独立复现。Muse Code 的模型系列有自己由供应商制作的图表。这两组数字都不能告诉你，当你的智能体在某个周二遇到你的 monorepo 时会发生什么。成本结构和数据路径可以告诉你，而且它们在你花任何钱之前就是可知的。