Модель помещается на одной DGX Spark и работает со скоростью 30–40 токенов в секунду, обгоняя open-weight-системы примерно в 10 раз по размеру.

Мы делаем запас по мощности, потому что предполагаем, что масштаб — единственный рычаг, но они вытащили персистентность и backtracking из небольшой модели.
Если команда из менее чем 70 человек может собрать инфраструктуру такой плотности, что это говорит о том, насколько «стройно» могли бы работать остальные из нас — мейкеры и операторы — если бы воспроизводимость была первой функцией, а не последней?