9月3日消息，据 Wired 报道，一家名为 Mostik 的初创公司提出让 AI 模型跳过文本、直接相互作用的方法：模型之间通过权重中的数学数值沟通，被报道类比"机器心灵感应"。在 Wired 描述的演示中，团队在中国开源模型 GLM-5.2 与可在手机上运行的 Qwen-3.5 小模型之间搭起"桥"，混合系统的成本约为完整大模型的 1/20，性能恰好落在两者之间。公司首席科学家是日内瓦大学教授、2010 年菲尔兹奖得主 Stanislav Smirnov。
"桥"是什么：不写文本的模型间通信
今天的模型协作大多仍靠文本：一个大模型输出答案或指令，另一个模型读取后继续。Mostik 想绕开这一步。Wired 的报道称，这家公司的思路是让模型通过权重中的数学数值相互作用，不产生文本输出也能通信，从而省掉"模型输出喂给另一个模型"的时间和成本。公司名字 Mostik 在俄语里就是"小桥"的意思。
但报道并未披露这套"桥"的具体机制：隐藏状态如何对齐、传递经过哪些处理，都还是公司层面的说法，外界能看到的是 Wired 转述的原理类比与效果描述。
演示：7530 亿参数与 40 亿参数之间搭一座桥
Wired 描述的演示，是两个开源权重模型的组合：一侧是 GLM-5.2 的最大版本，7530 亿参数；另一侧是 Qwen-3.5 的 40 亿参数版本，小到可以在手机上运行。桥接后的混合系统，成本约为完整 GLM 大模型的 1/20，性能则落在两者正中间。
另一条可查的线索是 ARC-AGI 3：Mostik 用这套方法构建的模型登上了这一以极难著称的竞赛榜首，但团队拒绝透露细节，理由是不想影响参赛。目前最有说服力的验证证据，恰好处于保密状态。
数学家团队与它没给出的东西
Mostik 的核心团队是俄罗斯数学家，CEO Sasha Malysheva 是这套方法的开发者，她回忆此前有同行警告这件事对外行来说太难；首席科学家 Smirnov 在采访中坦言，在两个模型之间寻找共同基础非常困难，"似乎还没有合适的数学语言"，Mostik 现在做的是字面意义上架桥的过渡方案。Malysheva 的更大判断是：未来不会是单一巨模型，能力也未必来自单纯扩大规模——这与当下的主流扩展路线正好相反。
透明度是现阶段最大的问号。Wired 的报道没有提及论文、开源代码或融资信息，Malysheva 的反主流判断也没有附带可独立验证的数据；了解该团队技术的 Lovable 技术负责人 Vladimir Arustamian 与前 Google DeepMind 研究员 Karl Tuyls 在报道中出现，但报道引用的技术细节仍然全部来自公司自述。 这条路线真正的赌点在于：把模型协作从接口工程（提示词、解析、路由）变成表示层问题。如果"桥"的机制与 ARC-AGI 3 的细节后续能公开验证，它指向的是一条比拼接多模型便宜得多的路径，对被推理成本压着的国内应用方来说，也会多出一个备选方向；在那之前，它更像一个被 Wired 记录下来的、值得追踪的数学实验。
AI 速览
