俄羅斯數學家研發 AI「心靈感應」：無需文字即可跨模型溝通

俄羅斯數學家研發 AI「心靈感應」：無需文字即可跨模型溝通

我最近會見了一些才華橫溢的俄羅斯數學家，他們向我展示了一種讓人工智能模型透過類似於「機器心靈感應」的方式進行溝通的方法。

這些數學家效力於一家名為 Mostik 的初創公司——這個詞在俄語中意為「橋樑」。這正呼應了該團隊的方法：允許不同的模型利用其「權重」（weights）中的數學數值進行互動，而權重正是決定提示語（prompt）如何轉化為輸出的關鍵因素。在實際應用中，這意味著大型模型的能力可以傳輸給小型模型，從而更有效地提升後者的智能水平。

這家初創公司利用這種方法構建了一個模型，該模型在 ARC-AGI 3（一個對 AI 模型而言極具挑戰性的著名競賽）中迅速攀升至榜首。（由於他們希望贏得比賽，因此不願透露更多細節。）然而，為了演示這一概念，他們還在兩個中國的開源權重模型之間搭建了橋樑：分別是擁有 7,530 億參數的 GLM-5.2 最大版本，以及可以在流動裝置上運行的 40 億參數版本 Qwen-3.5。最終產生的混合系統成本僅為完整 GLM 模型的二十分之一，而其性能表現則恰好處於兩者之間。

Mostik 的行政總裁 Sasha Malysheva 在喝咖啡時告訴我：「在機器學習領域，眾所周知模型集群的表現比單一模型更好。」

開發出這種方法的 Malysheva 分享了公司內部的一個笑話：AI 的未來類似於猜測豬的重量。在數學界，眾所周知，如果將一群隨機人士的猜測結合並取平均值，他們往往能比專家更準確地估計豬的重量。

就像集體目測豬的重量一樣，結合多個 AI 模型的輸出通常會獲得更好的結果。通常情況下，這涉及將一個模型的輸出輸入到另一個模型中，這需要耗費大量的時間和金錢。然而，Mostik 團隊找到了一種方法，讓 AI 模型在不產生文字輸出的情況下互相交談。如果這種方法流行起來，它可能會增加開源權重模型的價值，讓它們能更好地與 Anthropic 和 OpenAI 等前沿實驗室提供的封閉式專有模型競爭。

Malysheva 表示，結合許多不同的模型可能是推進 AI 發展的更好方法。她在談到擴大模型規模並餵入更多數據的策略時告訴我：「我個人認為，未來我們不會擁有單一的龐大模型，模型的性能也不會僅僅來自於規模擴張。」

AI 軟件公司 Lovable 的技術主管 Vladimir Arustamian 認識 Mostik 團隊，他表示：「如果 Mostik 能夠將前沿模型與特定領域的模型（例如生物學、物理學等）配對，那麼將會有更多專業化模型得到訓練。這個團隊才努力了幾個月，就已經讓一些我原以為要幾年後才能實現的東西運行起來了。」

曾在 Google DeepMind 工作、熟悉該公司技術的電腦科學家 Karl Tuyls 表示，Mostik 的技術意味著「你可以在不需要大型模型處理整個流程的情況下，達到接近大型模型的質量，只需讓一個小型模型在旁運行即可獲得實質性的改進」。Tuyls 說，對於任何負責盡可能高效運行模型的人來說，這種方法都是不二之選。

日內瓦大學教授、2010 年菲爾茲獎（Fields Medal）得主 Stanislav Smirnov 是 Mostik 的首席科學家。他表示，要在兩個 AI 模型之間找到共同點出乎意料地困難。「目前似乎還沒有合適的數學語言，」他說。在此期間，Mostik 的方法正是一種從字面上「彌合差距」的方式。