Mach-Mind-4-Flash 技术报告介绍了一款拥有 350 亿参数的混合专家（MoE）智能体模型，其中仅激活了 30 亿参数。仅通过训练后优化，该模型的性能即可达到或超越千亿参数级模型，而无需增加预训练的算力。

该流水线包含三个关键阶段：提供 17% 训练加速的统一 RL/OPD 基础设施；用于融合领域特定专家的 Multi-Teacher On-Policy Distillation (MOPD)；以及 Hybrid Median-length Policy Optimization (HMPO)，它在精度损失最小的情况下将推理链压缩了 19--46%。该模型在 AIME'26 上得分 92.70，在 IFBench 上得分 82.82，其性能领先或匹敌激活参数量为其 10--30 倍的模型。

通过引入用于强化学习的可扩展智能体交互环境，作者证明了在真实世界应用任务上取得了显著的性能提升，且推理成本仅为原来的极小部分。