O relatório técnico do Mach-Mind-4-Flash apresenta um modelo agêntico Mixture-of-Experts (MoE) de 35B parâmetros com apenas 3B parâmetros ativados. Através da otimização pós-treinamento, o modelo alcança desempenho equivalente ou superior ao de modelos da classe de 100B parâmetros sem escalar o compute de pré-treinamento.
O pipeline inclui três etapas-chave: uma infraestrutura RL/OPD unificada que entrega um aceleramento de treinamento de 17%; Multi-Teacher On-Policy Distillation (MOPD) para fundir especialistas específicos do domínio; e Hybrid Median-length Policy Optimization (HMPO), que comprime as cadeias de raciocínio em 19--46% com perda mínima de precisão. O modelo pontua 92.70 no AIME'26, 82.82 no IFBench, e lidera ou iguala modelos com 10--30x seu tamanho ativado.
Ao introduzir ambientes escaláveis de interação agêntica para aprendizado por reforço, os autores demonstram ganhos significativos de desempenho em tarefas de aplicações do mundo real a uma fração do custo de inferência.