Sebuah GPU lintas internet bergabung ke inferensi 122B

Sebuah workstation Blackwell di kota lain menelepon keluar satu koneksi 443 dan menghitung pakar untuk dekode 122B langsung — byte-identik dengan run lokal, dan dibayar dalam KVR atas kerja yang dilakukannya.

Premis Kvasir adalah *perangkat keras apa pun yang datang* — termasuk perangkat keras di balik NAT operator, di internet publik, di kota berbeda. Qwen3.5-122B-A10B membawa 86% bobotnya dalam 12,544 pakar independen (49 lapisan × 256, top-8), masing-masing fungsi murni 5.3 MB. Butiran itulah yang membuat mesin jauh yang tak berkaitan bisa memegang satu irisan dan berkontribusi. Pertanyaan terbuka tak pernah *bisakah kita membaginya* — melainkan *bisakah sebuah worker lintas internet terbuka benar-benar ikut dalam dekode langsung, dengan benar dan dapat dipertanggungjawabkan*. Kini sudah bisa.

Worker jarak jauh membuka satu koneksi — wss:// keluar ke gateway publik di 443, satu-satunya port yang diloloskan andal oleh NAT operator dan edge CDN. Gateway tak mengurai stream itu; ia menyambung mentah (raw-splice) WebSocket ke hub yang hanya-LAN, yang menjembataninya ke listener expert-dispatch backbone. Kedua ujung menelepon keluar dan bertemu di tengah. Worker mengekspos nol port masuk dan tak butuh alamat publik.

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

Backbone menjalankan router sekali dan dengan otoritas; worker adalah fungsi murni (hidden, ids) → out. Maka memindahkan fungsi itu melintasi benua mengubah *di mana* perkalian terjadi, bukan *apa* yang dihitungnya. Pada dekode 122B langsung dengan pakar layer-0 dilayani dari jarak jauh: stream token greedy 8/8 identik (" Paris."), cosine logit 0.99773, argmax cocok. Ini adalah sifat otoritas-router yang sama yang menjaga keputusan diskret CUDA↔ROCm↔CPU tetap invarian — backend heterogen tetap terbatasi galat kontinu, tak pernah cabang katastrofik.

Dispatch per-token serial membayar satu perjalanan pulang-pergi per langkah. Terukur: dengan tautan langsung (13 ms RTT) overhead throughput-nya 1.2% (4.220 → 4.169 tok/s); dirutekan lewat edge CDN di 443 menjadi ~28%. Kami memublikasikannya dengan jujur, karena ia menunjuk pada kebenaran desain — swarm WAN itu terikat-RTT, sehingga kekuatannya bukan latensi satu stream melainkan kapasitas agregat. Pengelompokan mengamortisasi perjalanan pulang-pergi: dispatch pakar berkelompok mencapai 77× throughput per-token pada batch 512. Byte adalah ruang lega; perjalanan pulang-pergi adalah yang harus disembunyikan — yang menjadi topik tulisan peta jalan pendamping.

Partisipasi tak berarti jika tak dapat dipertanggungjawabkan. Relay mengukur byte yang dijembatani per sesi ke dalam buku besar kontribusi hub; gateway mem-poll buku besar itu dan meng-kredit-delta KVR ke dompet milik worker sendiri. Sesi lintas-internet pertama benar-benar terakumulasi: 1.28 MB kerja → 1.277952 unit → 0.00895 KVR dalam imbalan tertunda. Kecil, dan itulah maksudnya — ini penyelesaian nyata per-kerja, bukan piala partisipasi.

Jalur keluar-443 yang sama persis adalah cara sebuah ponsel bergabung: sebuah Galaxy S25 sudah menghitung pakar 122B melaluinya (8/8 token identik, cosine 0.99992). Sebuah model berskala frontier, dilayani oleh backbone di satu tempat, GPU datacenter di kota lain, dan ponsel di saku seseorang — semuanya menghasilkan token yang sama, masing-masing dibayar atas porsinya. Yang berikutnya adalah membuat perjalanan pulang-pergi WAN menjadi murah; peta jalan itu berpijak pada angka produksi pihak lain dan pengukuran kami sendiri.