有些题并不难，推理模型却像在交卷前写了满页草稿，既让人多等，也多耗算力。Egzakta AI Lab 发布的开放权重模型 KVARK Sparkle 1.0，试图压缩这部分“想太久”的开销。它以 Qwen3.8-27B 为底座；27B 指约 270 亿个参数，并非文件大小。
团队称，Sparkle 最多可减少 67% 的思考 Token——也就是模型给出答案前生成的中间推理内容，这些内容同样消耗时间和计算资源。在其测试中，模型响应时间中位数从原版的 28.1 秒降至 13.7 秒，约快一倍；在 GPQA Diamond、AIME、LiveCodeBench、IFEval 和 MMLU-Pro 五项基准上，准确率差异均未达到统计显著水平。换句话说，团队报告的重点不是“答得更强”，而是用更短的思考过程取得相近结果。
不过，这些数字均来自发布团队自测，材料未提供独立复现结果。模型以 Apache 2.0 许可开放权重，并提供 BF16、FP8 和 GGUF 格式，方便自行部署和检验。