Chain-of-Thought (CoT) gilt als Standardtechnik für komplexes Reasoning in LLMs, doch der Autor argumentiert, dass CoT kein echtes Reasoning ist, sondern lediglich Tiefe aus dem Output-Token-Stream „leiht". Transformatoren mit fixer Schichtanzahl (z. B. 70 Layer) sind strukturell auf Komplexitätsklassen wie AC⁰ oder TC⁰ beschränkt und können sequentielle Berechnungen nicht in einem einzigen Forward Pass lösen. CoT umgeht das, indem Zwischenschritte als menschenlesbare Token externalisiert werden – was der Autor mit einem Prozessor vergleicht, der jeden Zwischenregister-Stand als Klartext auf Disk schreiben muss. Sapient Intelligence verfolgt mit dem Hierarchical Reasoning Model (HRM) einen anderen Ansatz: variable, interne Tiefe im latenten Raum, ohne Umweg über den Token-Stream. Das ursprüngliche HRM-Paper erschien letzten Sommer; HRM-Text ist die Erweiterung in die Sprachdomäne. Der Beitrag bezeichnet HRM-Text als eines der beeindruckendsten kürzlich veröffentlichten kleinen Modelle, lässt aber offen, was die Architektur konkret beweist und wo Grenzen liegen – der vollständige Inhalt ist hinter einer Paywall.