模型之间只传 17 比特：一座桥补上一半差距

17 比特与两兆字节

大模型生成一个 token 的过程中，内部会构建一百多个隐藏向量、约一百万个数值，合计约 两兆字节 的内部状态。然后它从大约 15 万词的词表里挑出一个 token 输出——17 个比特离开模型，两兆字节被丢掉，不再被使用。

而目前所有让多个模型协作的系统——编程子智能体、模型委员会、路由调度——全部建立在那 17 个比特之上。模型之间唯一的沟通渠道是文本。

被丢掉的部分不是格式，是深层计算。近两年的可解释性研究给了具体证据：一篇 ICLR 2026 的论文显示，Qwen-3 在写出 accountant 这个词之前好几个 token，内部就已经带着它的表征，而正是这个表征让它提前选对了冠词 an 而不是 a；模型越大，这种提前规划越强。Anthropic 在 Claude 3.5 Haiku 上观察到同类现象——写诗时落笔之前韵脚就已经定下，并进一步描述了一种被称作 J-space 的结构：模型在任意时刻都维护着一组未表达的概念，既不是输入的回声，也不是对下一个 token 的猜测。

桥做了什么

Mostik 的做法是让发送方把隐藏状态通过一座小型的、经过训练的桥直接交给接收方，接收方拿到内部状态后直接使用。全程不产生任何文本，两个模型的权重完全冻结，桥是系统中唯一被训练的部分。

公开演示里，发送方是智谱的 GLM-5.2（753B，云端），接收方是阿里的 Qwen-3.5（4B，可在手机上跑）。大模型自始至终不写一个字：读题、隐藏状态穿过桥、停止；所有文本由小模型生成。

成本设计是这套方案能成立的另一半。逐个生成 token 的解码环节最贵，一次性读入整个输入的预填充便宜得多——桥让大模型只做预填充、不做解码，把最贵的活全交给小模型。

数字，以及它们成立的条件

• 4B 模型补上了它与 753B 之间约 50% 的性能差距，自身准确率提升 25%。
• 在大小模型差距更明显的难题子集上，提升达到 2 倍。
• 大模型侧推理成本压到原本的约 二十分之一。
• 换算算力：不用桥要拿到同样成绩需要部署一个中等规模模型，而桥方案的计算成本是它的 五分之二。
• 与文本接力等标准组合方法对比，在所有测试的大模型算力水平上桥都更好；优势在交接点极早时最明显——那时文本接力根本没有内容可传，而隐藏状态里已经有东西了。

最值得记的一个设计选择是两个模型被刻意冻结。GLM-5.2 与 Qwen-3.5 出自不同团队、不同数据，却能通过一座桥有效传递信息而不需要对任何一方微调——团队说这正是严格测试的用意：如果有用信息能在这种条件下通过，说明桥所利用的结构是训练过程中自然产生的，不是被对齐出来的。

没有公开的那一半

技术细节尚未披露，团队以「比赛还没结束」为由拒绝在此刻公开。所以这条信号能核对的是公开演示与团队自述的实验结果，不是一篇可复现的论文。

首席科学家、2010 年菲尔兹奖得主 Stanislav Smirnov 自己给出的限制更值得抄下来：在两个 AI 模型之间找到数学上的共同基础其实非常困难，目前似乎还没有合适的数学语言来描述这件事。

Mostik 在俄语里意为「小桥」，成立 4 个月，15 人，其中 12 名博士。