Una GPU al otro lado de internet se unió a la inferencia de 122B
Una estación de trabajo Blackwell en otra ciudad marcó una única conexión saliente 443 y computó expertos para una decodificación en vivo de 122B — idéntica byte a byte a una corrida local, y pagada en KVR por el trabajo que hizo.
Qué pasó: una decodificación de 122B corriendo en un backbone AMD en un lugar envió su trabajo de expertos por token a una máquina NVIDIA GB10 (Grace Blackwell) en otra ciudad — por un único WebSocket saliente en el puerto 443 — y recibió de vuelta salidas de expertos que produjeron exactamente los mismos tokens que computar localmente. Sin túnel, sin reenvío de puertos, sin agujero entrante en el firewall. La caja remota ganó KVR por los bytes que sirvió.
La premisa de Kvasir es *el hardware que aparezca* — incluido hardware tras NAT de operadora, en internet público, en otra ciudad. Qwen3.5-122B-A10B lleva el 86% de su peso en 12.544 expertos independientes (49 capas × 256, top-8), cada uno una función pura de 5.3 MB. Ese grano es lo que permite que una máquina distante y ajena sostenga una rebanada y contribuya. La pregunta abierta nunca fue *¿podemos partirlo?* — fue *¿puede un worker al otro lado de internet abierto participar de verdad en una decodificación en vivo, de forma correcta y con rendición de cuentas?*. Ahora lo ha hecho.
Sin túnel, sin puertos entrantes
El worker remoto abre una conexión — wss:// saliente al gateway público en 443, el único puerto que el NAT de operadora y los edges de CDN dejan pasar de forma fiable. El gateway no parsea el stream; empalma en crudo el WebSocket al hub solo-LAN, que lo puentea al listener de dispatch de expertos del backbone. Ambos extremos marcaron hacia fuera y se encontraron en el medio. El worker expone cero puertos entrantes y no necesita dirección pública.
Dos marcaciones salientes, empalmadas en un único stream de dispatch ordinario.
remote worker ──outbound 443──▶ wss://gate.kvasir-ai.net ◀──── backbone (LAN) (GB10, another city) raw WS splice → hub → dispatch listener per token: backbone → (cur rows, expert ids) → worker → expert partials → backbone
El router decide una vez; la matemática reagrupa exactamente
El backbone corre el router una vez y con autoridad; el worker es una función pura (hidden, ids) → out. Así que mover esa función a otro continente cambia *dónde* ocurre la multiplicación, no *qué* computa. En una decodificación en vivo del 122B con los expertos de layer-0 servidos remotamente: el stream de tokens greedy fue 8/8 idéntico (" Paris."), cosine de logits 0.99773, argmax coincidente. Es la misma propiedad de autoridad del router que mantiene invariantes las decisiones discretas CUDA↔ROCm↔CPU — los backends heterogéneos quedan acotados por error continuo, nunca una bifurcación catastrófica.
Por qué el enjambre es un tejido de throughput, no un decodificador de baja latencia
El dispatch serial por token paga una ida y vuelta por paso. Medido: con un enlace directo (13 ms RTT) el sobrecoste de throughput fue del 1.2% (4.220 → 4.169 tok/s); enrutado por un edge de CDN en 443 fue del ~28%. Lo publicamos con honestidad, porque apunta a la verdad de diseño — un enjambre WAN está limitado por RTT, así que su fuerza no es la latencia de un stream sino la capacidad agregada. El batching amortiza la ida y vuelta: el dispatch de expertos por lotes alcanza 77× el throughput por token con batch 512. Los bytes son margen; las idas y vueltas son lo que hay que ocultar — que es el tema de la entrada compañera sobre la hoja de ruta.
Los bytes medidos se vuelven KVR
La participación no vale nada si no rinde cuentas. El relay mide los bytes puenteados por sesión en el registro de contribución del hub; el gateway sondea ese registro y acredita por delta KVR a la wallet propia del worker. La primera sesión a través de internet acumuló de verdad: 1.28 MB de trabajo → 1.277952 units → 0.00895 KVR en recompensas pendientes. Pequeño, y ese es el punto — es liquidación real por trabajo, no un trofeo de participación.
La misma ruta saliente-443 es exactamente como se une un teléfono: un Galaxy S25 ya ha computado expertos del 122B por ella (8/8 tokens idénticos, cosine 0.99992). Un modelo a escala de frontera, servido por un backbone en un lugar, una GPU de datacenter en otra ciudad y un teléfono en el bolsillo de alguien — todos produciendo los mismos tokens, cada uno pagado por su parte. Lo que sigue es abaratar la ida y vuelta WAN; esa hoja de ruta se apoya en números de producción de otros y en nuestras propias mediciones.