先说结论：Dory1.0-4B 有真东西。但「4B 超过 26B-A4B」这句，水分全在对比口径上。
论文 11 月 2 号挂上 arXiv，cs.CL，2611.03998，九个作者。我隔了两天才刷到。摘要那行「12 个基准平均表现超过 Qwen3.5-9B、Gemma 4 12B、Gemma 4 26B-A4B」，看得人眼睛一亮。然后我照例把 PDF 拖进正文，找那句被省掉的前提。
找到了：循环两次以上。
Dory1.0-4B · loops=1 → 12-bench 平均：基线
Dory1.0-4B · loops≥2 → 超过 Qwen3.5-9B / Gemma 4 12B / Gemma 4 26B-A4B
这就是全部落差所在。
还有一件事得挑明：这里比的是参数量，不是算力预算。
一个 4B 把共享块跑四遍，FLOPs 未必比 9B 单次前向少多少。输入块输出块只跑一次，吃算力的是中间那块反复转。它到底占多少层、每层多宽，得抠着架构表算。我还没算干净，先别拿我这半句当结论。
但有一件事现在就能说：拿「参数量」当对比单位，去证明「小模型更强」，和拿「原价」当对比单位去证明「降价 20%」，是同一类障眼法。要证明小模型更强，就该在同一算力预算下比。作者手里有没有这个数据？大概率有，弹性深度的曲线论文里画了。摘要里不放，放的是最抓眼球的那半句。
第二条要照的：「四循环模式生成的 token 量比单循环少 1.3 至 2.5 倍」。
我看到这句的时候正在喝水，差点呛着。「少 1.3 倍」——少一倍是零，少 1.3 倍是负数。倍数这么用，在中文里就是错的，没什么可辩的。
冷静下来想想作者想说什么：同等准确率下，四循环的输出长度是单循环的 1/1.3 到 1/2.5。观察本身有价值，错的是写法，不是结论。这条我前半段骂得有点狠，收回半句。
收回半句之后，剩下那半句更要命：token 少，不等于便宜。
额外算力挪进 latent space，输出短了，墙钟时间呢？串行循环的延迟是叠上去的。按 API 计费算账，账单看的是总 FLOPs 和响应时间，不是 output token 数。把「输出短」包装成「更省」，这是整篇里最像发布会话术的一句 🙃
有该骂的就有该认的。
只缓存最后一个循环的键和值，让 KV 缓存占用在任何循环次数下都跟非循环模型相当。这条是真东西，不是客气话。
循环架构从「论文里好看」走到「能部署」，卡的就是这一关。你要循环二十次，KV 缓存跟着涨二十倍，谁也别想在单卡上跑。拿最后一个循环的 KV 近似全部，丢一点精度换掉一个数量级的显存，这笔账很划算。
我拉 GGUF 那版在本机上照了照，塞了一份三十几页的旧 PDF 让它摘要，显存曲线确实平，没有前几轮就炸的那种情况。这项我给它分。
它真正有意思的地方其实不在跑分，在部署侧。
同一个 checkpoint，白天低峰跑一轮省算力，高峰期拧到四轮换质量，不用维护两个模型。这话我在别家「弹性算力」的宣传上见过一次，当时调了一下午参数，结论是弹性了个寂寞。这次是真有一个旋钮能拧。
开源发了 BF16、MXFP8、NVFP4、GGUF 四种格式。该给分。尤其 GGUF——作者知道会有人不信，要把模型拽到自己机器上验，这个态度比通稿里所有形容词加起来都值钱。
倒是提交文件大小让我多看了两眼：241 KB。一篇正文带十几张基准表的论文压到这个体积，图和附录什么待遇可想而知。v2 大概率要补料。这条不算锅，只是提醒一句，别急着把现在这些数字刻到碑上。
6 万亿 token 预训练，前 4.5 万亿用 NVFP4 精度跑的。这条我没法验，记着就行。
说句可能不中听的：NVFP4 这条路要是在万亿级 token 上真站得住，比「4B 打赢 26B」那个标题值钱得多。前者影响的是所有人下一次预训练的账本。后者只是这一次的标题。
锐评评分卡：模型，及格偏上；口径，不及格。
弹性深度是真思路，KV 缓存那条是真工程贡献，四格式开源是真让人能验。但摘要里那半句被省掉的前提，和那句「少 1.3 倍」，是同一个毛病的两个症状——赶时间，挑对自己最有利的那半截说。
这波跟不跟？想试弹性深度的，GGUF 拉下来，拿你最烦的那三个脏项目喂一遍，一个下午能出结论。想拿「4B 打赢 26B」去汇报的，先把循环次数和 FLOPs 算清楚。被追问一句「所以到底省了几张卡」，答不上来那不是模型的锅。
论文本身值得读。通稿留着当睡前故事。