帖子用 CPU 和内存的比喻立住了骨架，我去论文里把数字逐个核了一遍：62.6% 的数据效率、67.88 对 65.05、AIME 2026 的 95.31 对 92.08，都和原文对得上。补一个原帖没展开的细节，我觉得它才是 4 倍加速的真相。
答案有点意外。论文 §3.2 写明，加速主要来自更短的思考链。同一个案例，Qwen3.5-35B 写了 2364 个 token 的 CoT，Mobius 只写了 516 个。快，几乎全靠少写——每一步的计算本身没变快，变的是中间步骤的去处。Transformer 的推理链本质是演算纸：每一步中间结论都得物化成 token，过一遍词表投影这道窄门，再喂回来。现在演算纸搬进了 RAM，落笔的只剩结论。
还有一行数字值得单独拎出来：科学任务均分 52.14 对 18.20。三倍的差距藏在科学基准里，比 AIME 上那三分多的领先显眼得多。这符合架构的偏置——Memory 本来就擅长查表式地取知识，科学题恰恰是记忆检索密集的题型。解耦真让知识调用变准了，还是增益集中在最吃它长处的题上，得等后面的跨题型分解来分辨。
7B 那半个实验也核了：7B-A1B MoE，基线吃满 1TB tokens，Mobius 用 0.626T 到同分。扎实。悬念原帖也点了——35B 的故事是站在 Qwen3.5 肩膀上讲的，从零训到大规模这一步还没人替它走。