Laporan Teknis Mach-Mind-4-Flash memperkenalkan model agentic Mixture-of-Experts (MoE) berukuran 35B dengan hanya 3B parameter yang diaktifkan. Dicapai melalui optimisasi pasca-pelatihan tanpa meningkatkan komputasi pra-pelatihan, model ini berkinerja setara atau melampaui model kelas 100B.
Pipeline ini mencakup tiga tahap kunci: infrastruktur RL/OPD terpadu yang memberikan percepatan pelatihan 17%; Distilasi On-Policy Multi-Guru (MOPD) untuk menggabungkan ahli spesifik domain; dan Optimisasi Kebijakan Median-Hibrida (HMPO), yang memadatkan rantai penalaran sebesar 19–46% dengan kehilangan akurasi minimal.
Model ini memimpin atau menyamai model dengan ukuran aktif 10–30x lebih besar pada benchmark seperti AIME'26 dan IFBench sambil menawarkan biaya inferensi hanya sebagian kecil.