Технический отчет Mach-Mind-4-Flash представляет собой 35B-параметрическую Mixture-of-Experts (MoE) agentic модель с активированными параметрами всего в 3B. Благодаря исключительно оптимизации после обучения модель достигает производительности, сопоставимой с моделями класса 100B параметров или превосходящей их, без увеличения вычислений при предварительном обучении.
Пайплайн включает три ключевых этапа: унифицированная инфраструктура RL/OPD, обеспечивающая ускорение обучения на 17%; Multi-Teacher On-Policy Distillation (MOPD) для объединения экспертных знаний в конкретных областях; и Hybrid Median-length Policy Optimization (HMPO), который сжимает цепочки рассуждений на 19--46% при минимальной потере точности. Модель набирает 92.70 на AIME'26, 82.82 на IFBench и лидирует или сопоставима с моделями в 10--30 раз больше по количеству активированных параметров.
Внедряя масштабируемые среды взаимодействия agentic для обучения с подкреплением, авторы демонстрируют значительный прирост производительности на задачах реальных приложений при доли затрат на инференс.