Mostik：让 AI 模型通过权重数学值直接沟通，无需文字

Mostik 的技术示意插图（来源：Wired）

一家名为 Mostik（俄语「小桥」）的俄罗斯初创公司开发了一种让 AI 模型相互交流的新方式：不是让一个模型的输出成为另一个模型的输入，而是通过权重中的数学值直接传递能力，跳过文字生成这个中间步骤。Wired 记者与 Mostik 团队会面，报道了这套系统的工作方式和演示结果。

演示：7530 亿 vs 40 亿

Mostik 团队构建了一条从 GLM-5.2 最大版本（7530 亿参数）到 Qwen-3.5（40 亿参数，可在手机上运行）的「桥」。融合后的混合系统成本仅为完整 GLM-5.2 的 1/20，性能落在两个模型的正中间。

更让外界关注的是：Mostik 用类似方法参加了 ARC-AGI 3——一个以极难出名的 AI 能力测试——并冲到排行榜首位。团队因为竞赛保密没有透露细节，但确认了这一成绩。

原理

公司 CEO Sasha Malysheva 解释了这套方法的直觉：「集成」（ensemble）在机器学习中是经典思路——把多个模型的输出平均后，通常比任何单个模型都更准确。Mostik 的做法是把这个「平均」从输出层移到权重层：模型通过权重中的数学值相互传递信号，而不需要各自生成文字再汇总。

Malysheva 用一个比喻解释：数学界有个经典实验，一群随机的人对一头猪的体重进行估算，把所有估算平均后，结果比任何专家单独判断都更准——Mostik 的做法是让这些人在给出答案之前先「无语言地」交换信息。

潜在影响

AI 软件公司 Lovable 的技术负责人 Vladimir Arustamian 评价：「他们几个月内就做出了我原本以为需要几年的东西。」

如果这套方法成立，它对开放权重模型生态的影响是明显的：开发者可以把专门训练的小模型（生物、物理、代码等垂直领域）与更大的通用模型融合，而不是从头训练大型专门模型，成本会低得多。

Malysheva 认为 AI 的未来走向是「多个模型协作」而不是「单一大模型」，与目前 Anthropic、OpenAI 等主要实验室「做更大的模型」的主流路线方向相反。这一判断能否成立，要看 Mostik 的方法是否在更多场景和模型组合中可复制。公司目前仍未公开技术细节，ARC-AGI 3 竞赛结果是目前外界能看到的最直接证据。