一块跨越互联网的 GPU 加入了 122B 推理
另一座城市的一台 Blackwell 工作站向外拨出一条 443 连接，为实时 122B 解码计算专家——与本地运行逐位相同，并因所做的工作获得 KVR 报酬。
发生了什么：一个地方的 AMD 骨干上运行的 122B 解码，把它每 token 的专家工作发给了另一座城市的一台 NVIDIA GB10（Grace Blackwell）机器——经由端口 443 上一条向外的 WebSocket——并收回了产出完全相同 token 的专家输出，与在本地计算一样。没有隧道，没有端口转发，没有入站防火墙开洞。这台远程机器因所服务的字节赚到了 KVR。
Kvasir 的前提是*来什么硬件用什么硬件*——包括运营商 NAT 后、公网上、另一座城市里的硬件。Qwen3.5-122B-A10B 把权重的 86% 装在 12,544 个独立专家里（49 层 × 256，top-8），每个都是一个 5.3 MB 的纯函数。正是这个颗粒让一台遥远、不相干的机器也能持有一份切片并做出贡献。悬而未决的问题从来不是*能不能拆分*——而是*一个跨越开放互联网的 worker 能否真的参与实时解码，且正确、可问责*。现在它做到了。
没有隧道，没有入站端口
远程 worker 只打开一条连接——向外的 wss://，连到 443 上的公网网关，那是运营商 NAT 与 CDN 边缘唯一可靠放行的端口。网关不解析这条流；它把 WebSocket 原样拼接（raw-splice）到仅限 LAN 的 hub，再由 hub 桥接到骨干的专家调度监听器。两端都向外拨号，在中间相遇。worker 暴露的入站端口为零，也不需要公网地址。
两次向外拨号，拼接成一条普通的调度流。
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
路由器只决定一次；数学精确重组
骨干只带权威地运行一次路由器；worker 是一个纯 (hidden, ids) → out 函数。因此把这个函数搬到另一块大陆，改变的是矩阵乘*发生在哪里*，而不是*它计算什么*。在 layer-0 专家远程服务的实时 122B 解码上：greedy token 流8/8 相同（" Paris."），logit cosine 0.99773，argmax 一致。这与让 CUDA↔ROCm↔CPU 离散决策保持不变的路由器权威性质完全相同——异构后端始终被连续误差约束，绝不发生灾难性分支。
为何蜂群是吞吐织物，而非低延迟解码器
串行的每 token 调度每步都要付一次往返。实测：直连（13 ms RTT）时吞吐开销为 1.2%（4.220 → 4.169 tok/s）；经 443 上的 CDN 边缘路由则为 ~28%。我们如实公布这一点，因为它指向了设计上的真相——广域网蜂群是受 RTT 约束的，因此它的强项不是单条流的延迟，而是总容量。批处理摊销往返：批量专家调度在批量 512 时达到每 token 吞吐的 77 倍。字节是余量；往返才是要隐藏的东西——这正是配套路线图文章的主题。
计量的字节变成 KVR
参与若不可问责就毫无价值。中继把每次会话桥接的字节计量记入 hub 的贡献账本；网关轮询该账本，把 KVR 增量记到 worker 自己的钱包。首次跨互联网会话确实累积了：1.28 MB 的工作 → 1.277952 units → 0.00895 KVR 的待领奖励。数额很小，而这正是重点——它是真实的、按工作计的结算，不是参与奖杯。
同一条向外 443 的路径，正是手机加入的方式：一台 Galaxy S25 已经通过它计算过 122B 专家（8/8 token 相同，cosine 0.99992）。一个前沿规模的模型，由一个地方的骨干、另一座城市的数据中心 GPU、以及某人口袋里的手机共同服务——全都产出相同的 token，各自因其份额获得报酬。接下来是让广域网往返变便宜；那份路线图立足于他人的生产数据和我们自己的测量。