Un GPU à travers l'internet a rejoint l'inférence d'un 122B

Une station de travail Blackwell dans une autre ville a ouvert une seule connexion 443 sortante et a calculé des experts pour un décodage 122B en direct — identique octet pour octet à une exécution locale, et payée en KVR pour le travail accompli.

La prémisse de Kvasir est *le matériel qui se présente* — y compris du matériel derrière un NAT d'opérateur, sur l'internet public, dans une autre ville. Qwen3.5-122B-A10B porte 86 % de son poids dans 12 544 experts indépendants (49 couches × 256, top-8), chacun une fonction pure de 5.3 MB. C'est ce grain qui permet à une machine distante et sans lien de tenir une tranche et de contribuer. La question ouverte n'a jamais été *pouvons-nous le découper* — c'était *un worker à travers l'internet ouvert peut-il réellement participer à un décodage en direct, correctement et de façon comptabilisable*. C'est désormais le cas.

Le worker distant ouvre une seule connexion — un wss:// sortant vers le gateway public sur 443, le seul port que le NAT d'opérateur et les bordures CDN laissent passer de façon fiable. Le gateway n'analyse pas le flux ; il épissure en brut le WebSocket vers le hub réservé au LAN, qui le relie à l'écouteur de dispatch d'experts du backbone. Les deux extrémités ont appelé vers l'extérieur et se sont rejointes au milieu. Le worker n'expose aucun port entrant et n'a besoin d'aucune adresse publique.

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

Le backbone exécute le routeur une fois et avec autorité ; le worker est une fonction pure (hidden, ids) → out. Déplacer cette fonction à travers un continent change donc *où* se produit la multiplication, pas *ce* qu'elle calcule. Sur un décodage 122B en direct avec les experts de layer-0 servis à distance : le flux de tokens greedy était 8/8 identique (" Paris."), cosine des logits 0.99773, argmax concordant. C'est la même propriété d'autorité du routeur qui maintient invariantes les décisions discrètes CUDA↔ROCm↔CPU — les backends hétérogènes restent bornés par une erreur continue, jamais une bifurcation catastrophique.

Le dispatch série par token paie un aller-retour par pas. Mesuré : avec un lien direct (13 ms RTT), le surcoût de débit était de 1.2 % (4.220 → 4.169 tok/s) ; routé par une bordure CDN sur 443, il était de ~28 %. Nous le publions honnêtement, car cela pointe la vérité de conception — un essaim WAN est borné par le RTT, sa force n'est donc pas la latence d'un flux mais la capacité agrégée. Le lotissement amortit l'aller-retour : le dispatch d'experts par lots atteint 77× le débit par token au lot 512. Les octets sont de la marge ; les allers-retours sont la chose à masquer — ce qui fait l'objet du billet de feuille de route compagnon.

La participation ne vaut rien si elle n'est pas comptabilisable. Le relais mesure les octets relayés par session dans le registre de contribution du hub ; le gateway interroge ce registre et crédite en delta des KVR sur le wallet propre du worker. La première session à travers l'internet a réellement accumulé : 1.28 MB de travail → 1.277952 units → 0.00895 KVR en récompenses en attente. Petit, et c'est le but — c'est un règlement réel, par travail, pas un trophée de participation.

Ce même chemin 443-sortant est exactement la façon dont un téléphone rejoint : un Galaxy S25 a déjà calculé des experts du 122B par ce biais (8/8 tokens identiques, cosine 0.99992). Un modèle à l'échelle de la frontière, servi par un backbone à un endroit, un GPU de datacenter dans une autre ville, et un téléphone dans la poche de quelqu'un — tous produisant les mêmes tokens, chacun payé pour sa part. La suite, c'est rendre l'aller-retour WAN bon marché ; cette feuille de route est étayée par les chiffres de production d'autrui et par nos propres mesures.