菲尔兹带队：将AI升级成三体人

Mostik（мостик），俄语本义即“小桥”。一家只有 15 人的俄罗斯初创，2026 年 9 月2日走出隐身（stealth）模式，宣称找到了一种让 AI 模型之间不靠文字、直接交换内部隐状态进行协作的方法。公司首席科学家是菲尔兹奖得主 Stanislav Smirnov。

一、买椟还珠的传统模型：被丢弃的不是“冗余”，是“深层计算”

传统多模型协作，是让两个“用千维向量思考”的系统，隔着一条只有 17 比特宽的钥匙孔对话；Mostik 的做法，是修一座小桥，让它们直接搬运 2MB 的思考状态，绕过语言这个极度有损的压缩出口。

先看一组官方给出的硬数据，这是整个故事的起点：

也就是说：模型为想清楚一件事，产生了约 2MB 的内部计算，最后只挤出 17 比特给人看（或给另一个模型看），剩下的 2MB 永远不再使用。

Mostik 官方页面用一句话点破现状：

“Every system that connects models together runs on those seventeen bits.”（所有把模型连接起来的系统，都跑在这 17 比特上。）

“Systems built to think in thousands of dimensions are effectively talking to each other through a keyhole.”（以千维思考的系统，实际上正隔着钥匙孔交谈。）

所有现有的多模型协作范式——coding subagents（编程子代理）、model councils（模型委员会）、routing providers（路由服务商）——全部建立在这个有损信道之上，天生带着性能天花板。

最关键的洞察：

被文本信道丢掉的，不是格式化废料，而是选择背后的整个思考过程。

可解释性研究在过去两年给出了证据链：

Transformer 会“提前想好”（Hanna & Ameisen，ICLR 2026，arXiv:2604.12493）：

Qwen-3 在写出 “an” 之前几个 token，内部就已经携带了 “accountant” 的表征——它必须提前知道名词，才能选对冠词。且这种“提前性”随模型规模增大而增强：越大模型，藏在文本背后没露面的东西越多。

Claude 在写诗前已押好韵（Anthropic 可解释性团队，Lindsey et al. 2025）：

Claude 3.5 Haiku 在写完整行诗句之前，就已经在内部“定好了韵脚”，然后才朝它写过去。

J-space / Jacobian lens（Gurnee et al. 2026）：

能识别模型“此刻随时可能说出口但还没说”的概念集合——一组不断变化、不随输入回声、也不是对下一 token 的猜测的“未说出口的词”。模型可以被要求“在心里握住一个概念”，同时对外输出却完全不变。

结论：当一个模型写一句话给另一个模型读，损失的不是格式，而是“做出这个选择时考虑过的一切”。

二、更高效的信道为什么重要

AI 已经沿两条轴扩展了很久，且都在变平：

Mostik 的论点：第三条轴必须通过 multi-agent RL 达到，而高效的协作依赖高效的通信。

现在的模型靠“互相写句子”协调，等于为了生成那些句子几乎丢掉了自己算出来的一切——通信环节就是当前最大的瓶颈。

三、Mostik的成果

架构（以官方图示还原）：

发送模型把隐状态交给另一个模型，接收模型直接拿它继续工作；

两端模型权重完全不动（frozen），桥是系统里唯一学习新东西的部分；

没有“输出型文本”在两者之间传递。

https://mostik.ai/read-more

团队：15 人，12 位博士 + 1 位菲尔兹奖得主（Stanislav Smirnov），成立仅 4 个月，获 General Catalyst、Foundation Capital 等投资。

名字的双关：Mostik = little bridge。公司即那座桥。

为何从“几何”开始：

两个模型能否被桥接，本质是它们各自计算所在的表征空间（流形）的几何问题。团队先回答了两件事：这些空间长什么样；任意两个模型之间已经共享了多少结构。

对齐不会随模型变强而自动出现——桥必须“建造”而非“期待它涌现”；

但部分对齐确实存在，且变化可预测。问题从来不是“两个模型之间是否存在翻译”，而是“找到这个翻译要花多大功夫”。

团队选择“大模型→小模型”这个配对，因为部署端早就在要这个组合：一个懂很多的大模型 + 一个负责写字的小模型。

发送方：GLM-5.2（753B，领先开源模型）

接收方：Qwen-3.5（4B，边缘设备级模型）

该桥接组合在 ARC-AGI 3 排行榜位列第一。

经济性来自模型运行方式的不对称：

写答案（decode）是逐 token 进行的，很贵；

读 prompt 是一次并行前向（prefill），便宜得多。 所以实验中大模型从不写：它读问题 → 隐状态过桥 → 停止；

所有生成由小模型完成。

核心数据（官方表格，AVG@4）：

基准 MATH Olympiads (204) AIME (135) MBPP (500) HumanEval (164) LiveCodeBench (175) AVG

Receiver alone（小模型裸跑） 66.79 59.26 62.90 80.79 42.00 62.35

+ Latent channel（接桥） 90.93 70.74 82.00 86.13 54.14 76.79

Sender（大模型裸跑） 97.18 89.81 96.95 98.93 80.43 92.66

相对小模型倍数 ×1.36 ×1.19 ×1.30 ×1.07 ×1.29 ×1.24

差距闭合率（% gap closed） 79% 38% 56% 29% 32% 47%

关键结论：

接桥后小模型闭合了与大模型差距的约 50%，自身准确率提升约 25%；

在发送-接收差距最大的难子集上，提升达到 2 倍（AIME 22–26 上，保留数据集越少、越难，receiver improvement 从 ×1.5 一路升到 ×2.5）；

成本只有完整 GLM 的约 1/20，性能恰好落在两模型正中间；

换个读法：桥接组合的得分，等价于一个“中规模模型”，但跑它的算力比跑那个中规模模型省 2.5 倍；

与现有方案（routing 路由、advising 咨询、extended compute 延长计算、model council 委员会、self-consistency 自洽）逐一对比，桥接系统在成本-质量前沿上呈明显 Pareto 改进。

latent hand-off 对比 text hand-off：在大模型算力的每一个水平上，潜态交接都优于文本交接，最高提升 10 个百分点；且交接越早优势越大——在文本方案“无话可传”的时刻，潜态早已包含模型读题、处理过程中累积的全部信息。

这是整套实验设计最聪明的地方，也是它能成立的理论支点：

表征相似性是“已存在的事实”，不是训练出来的结果： 两个由不同团队、用不同数据训练出来的模型，其内部表征相似到可以在不做任何微调的情况下互相翻译——这证明桥利用的是两个空间里本来就存在的共享结构。这与“柏拉图表征假设”（Platonic Representation Hypothesis，不同架构/词表/训练谱系在语义几何上趋同）互相印证。

工程上可部署： 很多系统已经有“大模型当顾问、小模型执行”的架构。过去要在关键决策点付两笔钱：大模型读完整上下文（prefill）+ 大模型把所知写成文字（decode）。

Mostik 的方式砍掉第二笔钱——顾问读完上下文，然后停止，指导以潜态而非 token 传递。

四、意外的副产品：可观测性工具

Chain-of-Thought（思维链）监控只能看到模型“愿意写出来的推理”，而它并不完美且脆弱（Korbak et al. 2025，arXiv:2507.11473 指出某些不良行为能绕过 CoT 监控）。

latent hand-off 提供了三个研究对象：

发送方的隐状态；

翻译后的形式（桥的输出）；

接收方的行为。

最有价值的是干预测试：在信道上改变某个特征，如果可预测地改变接收方的下游行为，就证明该特征“不仅存在，而且被真正使用”——这比解码器“说出一段合理描述”更强，因为后者无法证明因果。

团队谨慎表态：尚未确证桥是观测工具，但“两个表征空间之间一张可工作的映射图”，本身就为可测量、可干预创造了表面。

它可能不是直接读模型的念头，而是让模型间计算的一部分变得可测、可干预。

桥是被训练的，梯度会流过它，所以它不必等两端模型都完成才出现——可以在一端还在训练时就位。两个在途方向：

蒸馏（Distillation）：传统蒸馏中，教师的监督只到达学生的输出层——学生最多看到教师“每个位置准备说什么”，看不到背后的计算。桥把监督移进生成过程内部：教师在学生产出答案的途中引导，而非在答案生成后打分。早期信号：同样预算下，这样训练的学生更贴近教师。

特化（Specialisation）：小模型在“通道打开”时训练，能更高效地获得窄技能，同时保留原有的通用能力。这指向一种新扩展方式：给大模型“外挂新模块”而不是整体重训。

更进一步：机制不限于“一对”，同一个通道能让多个模型联合训练，把各自所知交织成单一系统。

官方总结：连接已完成模型本身值得做（这是当前已验证的成果）；但训练期就存在的通道，意味着模型可以从诞生起就被构建成彼此协作——这是另一道大得多的问题。

五、世界观与隐喻

隐喻一：语言是有损压缩的出口，不是思维本身

Transformer 的隐向量空间才是模型“真实的思考场域”；文本只是它为了人类阅读，从高维流形上戳出来的稀疏投影。

人的类比：脑内完整的直觉、图景、关联网络，开口说话时只有极小部分被语言捕捉，大量默会知识（tacit knowledge）被丢弃。

Mostik 的理想：绕开语言符号媒介，实现心智-心智直接通信——AI 版的“心灵感应”（WIRED 原文即用 machine telepathy）。

世界观推论：token 化文本是人类交互的妥协产物，不是 AI 智能的原生载体。现有 Agent、多智能体框架全部建立在这个有损媒介之上，天生有天花板。

隐喻二：模型通信是“几何翻译”，不是“字符串翻译”

每个大模型拥有自己独特的思考流形（隐空间几何）。两个模型对话，本质是两个不同几何空间之间的对齐问题，而不是简单的字符串转换。

类比：两个人各自有一套私人概念拓扑，语言词典只能做表层对应；真正的理解，是完成两套内部概念几何的形变映射。

“小桥”就是这个映射器——它不改变两岸（模型本体），只修中间通路。

隐喻三：分布式智能共同体，拒绝巨型单一体

Mostik 范式推崇“大模型负责深度推理、小模型做执行载体”，把重型思考通过小桥迁移到轻量模型上运行，而不是无限堆参数造单体巨兽。

世界观：未来的 AGI 不一定是单个超级大模型，而是多个异质智能体通过隐状态桥接，组成分布式认知共同体。

隐喻四：可观测性的新窗口

CoT 只能观测模型“愿意说出来”的推理；大量内部的欺骗、偏见、隐性逻辑不会写进文本。

隐状态桥接提供了绕过语言的观测通道，可以直接读取模型“未言说”的思考内容。

隐喻五：哲学层面——为默会知识修通道

海德格尔式技术观下，人类大量默会知识不可言说，语言只能带出一小部分。传统 AI 强制所有思考必须“说出来”才能交互，等于强迫智能只使用明述知识。Mostik 的小桥，尝试给 AI 之间开辟一条默会知识的通信通道。

六、“有推理能力接收者的信息论”（PNAS 2026）

那篇论文在说什么

2026 年 8 月底，IBM Research（Luis Lastras、Jonathan Lenchner、Barry Trager、Mark Squillante、Chai Wah Wu、Ronald Fagin，及合作者 Wojciech Szpankowski、Alexander Gray）在 PNAS 发表论文，把推理能力显式纳入香农信息论。

香农的简化（1948）：把“消息的意义”与“高效传输”分离。网络不在乎运的是救命诊断还是猫图，只搬运比特。这套框架统治了近 80 年，但它剥离了意义与推理。

IBM 的扩展：在香农“发送方-接收方”模型里，给接收方加一个演绎推理引擎。通信的价值不只是“传输了什么事实”，还包括“接收方能由此推导出的全部衍生知识”。为此推导出新量——逻辑语义熵（logical semantic entropy），定义“存在推理能力时的通信基本极限”。

三个反直觉发现：

“无需知晓”（No Need to Know）：发送方即便不知道接收方已知什么，通信基本极限也几乎不变——颠覆“知道对方底细能省数据”的传统直觉（在有损压缩场景下尤其反直觉）。

“少即是多”悖论（Less Is More）：Alice 想用最少比特只让 Bob 学到特定子集，最高效的压缩策略反而让 Bob 学到比预期更多——宽泛预设模式在省数据的同时泄露了多余背景，带来安全风险。

纠正错误信念的代价趋于无穷：纠正一个“具体、根深蒂固的错误信念”，通信代价远大于填补知识空白；随错误信念强度上升，纠错相对代价趋向无穷大。

“其中的共性”

维度 Mostik 小桥 IBM 带推理接收者的信息论

批判对象 香农范式的实践载体：token 文本信道是高损耗窄口 香农理论本身：把推理和意义排除在通信极限之外

接收方地位 接收模型不是被动字符串解码器，它自带完整隐空间推理结构，直接摄入高维表征继续推演 接收者不是符号解码器，而是带演绎引擎的认知主体，消息增益来自它的推理能力

通信本质 通信 ≠ 传递句子；是把源端认知状态迁移到接收端认知空间 通信 ≠ 传递事实集合；是传递线索，触发接收端生成完整认知集合

效率来源 规避文本编解码的信息坍缩，复用接收模型自身内部表征 效率增益来自接收方自带推理，不必传输全部显式知识

费曼式的呼应 “万物由原子构成”一句话 → 未来的科学家能重建海量科学知识：价值不在字数，在能推导出多少 逻辑语义熵衡量的正是“传了多少可推断的知识”

隐喻 绕开语言符号，心智空间的几何桥接 绕开完整枚举事实，逻辑语义层面的通信

一句话收敛：两者共同指向同一图景——

当通信双方本身就是推理主体时，符号语言只是一种很差的妥协信道。真正高级的主体间通信，不需要把全部思考序列化输出，只需要传递足够的“种子表征 / 种子命题”，由接收方凭借自身认知能力展开。

Mostik 把这个思想落地到神经网络的隐空间（连续向量、几何映射）；

IBM 论文把同一直觉形式化为信息论数学（离散逻辑命题、熵与信道容量）。

前者是工程，后者是理论；前者处理连续流形，后者处理演绎推理——但反香农的世界观完全同源。