Mostik让AI模型无文本互通
WIRED AI··作者 Will Knight
关键信息
Mostik 表示，这种类似“桥”的方法让模型可以利用权重中的数学值直接交互，避免了常见的、昂贵的文本传文本流程。在演示中，GLM-5.2/Qwen-3.5 混合系统的成本只有完整 GLM 模型的二十分之一，性能则正好介于两者之间。
资讯摘要
Mostik 是一家俄罗斯初创公司，由一群数学家创立，而它的名字意为“桥”，也对应着公司的核心思路。该公司声称，AI 模型可以通过自身权重中的数值来彼此“交流”，这些权重决定了提示词如何转化为输出。与其让一个模型把文本结果交给另一个模型，Mostik 试图通过模型内部的数学结构更直接地传递能力。公司认为，这样可以让小模型更高效地继承大模型的一部分智能。
Mostik 还表示，它用这项技术构建了一个系统，并让该系统登上了 ARC-AGI 3 竞争的榜首；不过由于他们希望继续参赛，因此没有披露更多细节。为了演示这个思路，他们还把两个中国开源权重模型连接起来：参数规模达 7530 亿的 GLM-5.2，以及一个可在手机上运行的 40 亿参数 Qwen-3.5 版本。最终得到的混合系统成本只有完整 GLM 模型的二十分之一，性能则正好介于两者之间。Mostik 认为，这种组合多个模型的方式，可能比不断把单一模型做得更大、更依赖规模扩张，更有前景。
资讯正文
这些数学家在一家名为 Mostik 的初创公司工作——Mostik 在俄语里意为“桥”。这也呼应了他们的方法：该方法允许不同模型利用其权重中的数学值相互交互——这些权重决定了提示词如何被转换为输出。在实践中，这意味着可以把更大模型的能力“输送”给更小的模型，从而更高效地提升它的智能。
这家初创公司已经用这种方法构建出一个模型，并将其推上了 ARC-AGI 3 的榜首。ARC-AGI 3 是一项以难度著称的 AI 模型竞赛。（他们不肯告诉我更多，因为他们想赢得这场比赛。）不过，为了演示这一想法，他们还在两个中国开源权重模型之间搭起了一座“桥”：一个是 GLM-5.2 的最大版本，拥有 7530 亿参数；另一个是可在移动设备上运行的 40 亿参数版本 Qwen-3.5。由此形成的混合系统成本仅为完整 GLM 模型的二十分之一，而其性能正好介于两者之间。
Mostik 的首席执行官 Sasha Malysheva 在喝咖啡时告诉我：“机器学习领域早就知道，模型集成的表现会优于单个模型。”
发明这一方法的 Malysheva 还分享了公司内部的一个常用笑话：AI 的未来就像猜猪有多重。在数学圈里，众所周知，一群随机的人把各自的猜测汇总并取平均后，估算一头猪的体重往往比专家更准确。
就像大家一起目测一头猪有多重一样，把多个 AI 模型的输出结合起来，通常也能得到更好的结果。通常，这需要把一个模型的输出再喂给另一个模型，这会耗费不少时间和金钱。然而，Mostik 团队找到了一种让 AI 模型彼此交谈、却不生成文本输出的方法。如果这种方法真正流行起来，它可能会提升开源权重模型的价值，使它们更有能力与 Anthropic 和 OpenAI 等前沿实验室提供的封闭专有模型竞争。
Malysheva 说，把许多不同模型组合起来，或许会成为推进 AI 的更好方式。“我个人并不认为我们未来会有一个单一的、庞大的模型，也不认为模型的能力会来自规模扩张，”她对我说，她指的是把模型做得更大、并喂给它们更多数据的策略。
“如果 Mostik 能够把前沿模型和领域特定模型配对起来——比如生物学、物理学之类——那么会训练出更多专门化模型，”熟悉 Mostik 团队的 AI 软件公司 Lovable 的技术负责人 Vladimir Arustamian 说。“这个团队只做了几个月，就已经拿出了一套可以运行的东西；如果换作我，我会猜那还要几年才会出现。”
熟悉该公司技术的前 Google DeepMind 计算机科学家 Karl Tuyls 说，Mostik 的技术意味着，“你无需让大模型处理整个循环，却仍然能够接近大模型的质量，只要让一个更小的模型在旁边运行，就能带来显著提升。”Tuyls 说，对于任何需要尽可能高效运行模型的人来说，这种方法都几乎是不假思索的选择。
日内瓦大学教授、2010年菲尔兹奖得主斯坦尼斯拉夫·斯米尔诺夫是 Mostik 的首席科学家。他说，要让两个 AI 模型找到共同点，出人意料地困难。“似乎还没有合适的数学语言，”他说。与此同时，Mostik 的方法是一种几乎字面意义上的“架桥”方式，用来弥合这一鸿沟。
斯米尔诺夫说，Mostik 的工作或许还可能揭示关于 AI 模型如何实际运作，以及这与人类大脑运作之间如何比较的新发现。斯米尔诺夫认为，更深入的数学分析也许会揭示 AI 模型和人类在解决困难问题时思考方式中的某种共通性。
在我们喝咖啡见面时，马里舍娃告诉我，她是在哥哥告诉她，她解不出他正在研究的数学奥林匹克题目之后，才意外发现自己在数学方面的天赋的。几年后，她进入了圣彼得堡一所顶尖学校学习。更近一些时候，一些同龄人警告她说，这种“桥接”方法会太难实现。
“他们说，这对一个年轻女孩来说可能太难了，”她说。“我决定我要证明他们是错的。”
这是 Will Knight 的 AI Lab 通讯的一个版本。点击此处阅读往期通讯。
来源与参考
收录于 2026-09-03