·我们将其中一种概率称为到达率，也就是到达爱因斯坦桌子上，开始排长队的信件。他会从中选出一些优先信件。
·我们称另外一种概率为回复率。爱因斯坦会选择优先级最高的信件加以回复。
如果爱因斯坦的回复率大于信件的到达率，那么他的桌子看上去会干净很多，因为他在收到信后会立即回复一大部分。在这种亚临界状态下，通信模型显示爱因斯坦的回信时间符合指数分布，其中没有长时间耽搁的情况。很明显，这与我们观察到的幂律分布不同。
不过，如果爱因斯坦的回复率小于信件的到达率，那么他桌上的信件就会越堆越高。有意思的是，只有在这种超临界状态下，回信时间才符合我们之前观测到的爱因斯坦和达尔文的通信模型所显示出的幂律分布。所以，爆发的出现表明爱因斯坦已经无暇分身，以至于被忽略的信件越积越多。
为什么之前提到的优先级模型跟这里的信件模型的幂不同呢？那是因为这两个模型存在一个非常重要的差别：优先级清单的长度。在优先级模型中，摆在我们面前的待办事宜的数量一直没变，因为只有当清单上的某一项任务完成后，新的任务才会被加上。然而，在信件模型中，排队的信件数量一直在改变，每一封新信件的到来都会增加数量，而每回复一封都会减少数量。这一差异看起来可能很不起眼，但在数学上这点小差异足以改变它的幂。当新任务到来时，为什么不让清单上任务的数量也改变呢？
事实上，摆在我们面前的任务数量肯定会随时间变化。但我们意识到这一点了吗？ 1967 年，乔治·米勒（George Miller）发表了一篇具有里程碑意义的论文，名为《神奇的数字7》（The Magic Number Seven）。在这篇论文中，他指出人类的暂时记忆是有限的：
·我们很容易记住7 个数字，但大部分人都记不住12 个数字；
·我们可以记住7 个单词，但无法回想起15 个不相关的单词。
米勒为我们的优先级清单问题引入了一个新的视角：我们可能有15项任务需要做，但大多数人只能记住7 个左右。所以，我们的有效优先级清单上的任务数量不会有太大的波动--只有当旧任务完成时，我们的短暂记忆才能为新任务留下空间。但在纸信通信的问题上，爱因斯坦不需要利用他的短暂记忆--那堆信件就放在桌子上，他永远不会忘记，所以排队的信件数量才会一直变化。
