大模型只负责读题，小模型写完全部的字，两者之间不经过一个词。成绩正好卡在两个模型中间，价格是全量大模型的 1/20。做这件事的公司叫 Mostik——俄语"小桥"——刚走出隐身模式，General Catalyst 和 Foundation Capital 押了注，WIRED 拿到全球首发报道。
十七个 bit 的钥匙孔
先看一笔账。模型生成一个 token，背后要构建上百个 hidden vector、上百万个数字、约 2MB 的内部状态——这是它对眼前问题的全部理解。最后它从约 15 万的词表里挑出一个词：约 17 个 bit 离开模型，那 2MB 从此丢弃。
今天所有把模型连起来的系统——coding subagent、model council、router——都跑在这 17 个 bit 上。Mostik 的原话是：在几千个维度里思考的系统，正隔着钥匙孔互相说话。
扔掉的不是脚手架
直觉上，hidden state 只是草稿，token 才是成品。过去两年的可解释性研究说不是这样。
Hanna 和 Ameisen（ICLR 2026）发现 Qwen-3 在写出 "an accountant" 前几个 token，就已经带着 accountant 的表示——正是这个表示产出了冠词 "an"，而且模型越大，这种文本之外的内藏越多。Anthropic 团队在 Claude 3.5 Haiku 里看到同样机制跨整行诗句运行：韵脚先定，文字后至（Lindsey et al., 2025）。
更进一步，他们的 Jacobian 透镜能识别模型随时准备说出的概念集合（J-space）：可以让模型默默持有一个概念，而可见输出毫无变化（Gurnee et al., 2026）。
所以，当一个模型把句子写给另一个模型时，丢掉的不是格式，是选择背后的全部计算。
桥：唯一被训练的部件
Mostik 的做法：两个模型全部冻结，中间只训练一个小的 bridge。sender 交出 hidden states，receiver 直接消费——没有任何文字经过通道，双方权重一个参数都不动。
“两个 AI 模型之间如何找到共同点——合适的数学语言到现在还不存在。桥是权宜之计，但它也可能反过来揭示：模型和人推理时，共享着某种结构。” —— Stanislav Smirnov，日内瓦大学教授、2010 年菲尔兹奖得主、Mostik 首席科学家
第一个结果：753B 出题，4B 答卷
实验配置刻意选了部署里最想要的那种搭配：GLM-5.2（753B）做 sender，Qwen-3.5（4B）做 receiver——一个知道得多，一个写得便宜。关键的不对称在读和写的成本差：写答案一个 token 一个 token 出，很贵；读 prompt 是一次并行 pass，便宜得多。
于是大模型永远不写字。它读完题，内部状态过桥，停机。4B 做全部生成。
整体来看，桥关闭了两个模型间约一半的差距，相当于 4B 自身准确率提升 25%。在 sender-receiver 差距最大的难子集上，提升超过 2.5 倍——而且官方留了一个可操作的旋钮：保留差距最大的那部分任务，子集越小越难，放大倍数越高。
WIRED 给的直观版本：这个混合系统的性能正好卡在两个模型中间，成本是全量 GLM-5.2 的 1/20。换个算法：和一个"分数恰好等于桥接组合"的中型号相比，桥接系统省 2.5 倍计算。
贵的不是算力，是翻译
Mostik 把自己的方案和标准的多模型协作方式逐一对打：routing、advising、model council、延长推理。每一局里，大模型都先算一部分再交给小模型——文本交接交的是"写到目前的字"，潜交接交的是"推理时攒下的内部状态"。
结果：潜交接在所有大模型算力档位上都占优，最多领先 10 个百分点。优势最大的时刻，是手交发生得最早的时候——此刻文本方案手里空空如也，潜状态里已经装满了读题算出的东西。随着给大模型的算力增加，两者最终都收敛到大模型水平，但潜交接的性价比曲线全程在上。
顺带一提：他们还悄悄做了一个爬到 ARC-AGI 3 榜首的系统——细节不肯讲，因为想赢比赛。
冻结的深意
两个模型都冻住，不是偷懒，是一个刻意设计的严格测试：不同团队、不同数据训出的模型，表征竟然相似到不做任何微调就能互译。桥没有制造对齐，它利用的是本来就在的结构——问题从来不是"翻译是否存在"，而是"找到翻译要花多少功夫"。
工程上这直接兑现为即插即用。今天很多系统已经用大模型给小模型当顾问：关键节点上，顾问读完对话、把知道的东西写成字、再交给小模型。这意味着付两次钱——一次读上下文，一次把知识变成词。Mostik 砍掉的是第二次：顾问照常读完上下文，然后停机，指导以潜状态过桥。
副产品：给安全审计开一扇窗
潜通道还有一个被低估的用途——观测模型在做什么。CoT 监控只看得见模型说出口的推理，而 Korbak et al.（2025）已经证明有些不良行为能无声地绕过它。
一次潜交接留下三个可记录的对象：sender 的隐状态、翻译产物、receiver 的行为。记录、对照、再干预——如果改动通道里的某个特征能预测性地改变下游行为，就拿到了因果证据：该特征不只是"在场"，而是"在被使用"。这是文本监控给不了的东西。
潜通道不是又一个思维读取器，它把"模型之间的计算"变成了可测量、可干预的对象。 —— PaperDog 注：这对多智能体安全审计的含义，值得单独写一篇
下一步：训练时就把桥插上
桥是被训练的、有梯度的，所以它不必等两个模型都毕业才能上岗。Mostik 正在做两件事：
蒸馏——老师的监督通常只到达学生的输出层：学生最多看到老师"在每个位置打算说什么"。通道把监督搬进生成过程内部：老师不再批改成品，而是在答案成形的同时实时引导。早期信号是，同样预算下，这样训出来的学生离老师更近。
专门化——小模型开着通道训练窄技能，学得更快，还保住了原有的通用能力。这指向一种扩展大模型的新方式：往它身上挂新模块，而不是整体重训。
再往后，机制里没有任何东西限定"一对"：能让一个模型监督另一个的通道，也能让多个模型一起训练，把各自知道的东西织进同一个系统。连接成品模型是第一步；模型从设计之初就为协作而生，是另一个大得多的问题。
落地与团队
对自托管 open-weight 模型的用户，Mostik 给了两条部署路径。低延迟场景：大模型只在负载的关键点贡献 prefill 状态，解码全程留在快而便宜的小模型上——重的算力花在刀刃上。批处理场景：潜状态在独立部署的端点之间传输，小模型可以跑在任何有闲置算力的地方，包括旧卡。如果你现有产品已经用 council / advisor / escalation / subagent 组织模型协作，集成点就是 hand-off 本身：工作流不动，把中间传的文字换成潜状态。
团队的背景有点"数学远征队"的意思。CEO Sasha Malysheva 的数学之路始于哥哥的激将法——"你肯定解不出这些奥数题"——几年后她进了圣彼得堡最好的学校之一。同行警告她"这对一个年轻女孩来说太难了"，她的回应："我决定证明他们错了。"公司里流传一个玩笑：AI 的未来像猜猪重——数学圈的老结论，一群随机的人平均猜测，比单个专家更准。Ensemble 的直觉，从猪一路延伸到大模型。
“我个人不认为未来会有一个单体巨模型，模型的能力也不会只来自 scale。” —— Sasha Malysheva，Mostik CEO
外部评价同样值得记一笔。Lovable 的 tech lead Vladimir Arustamian：这个团队干了没几个月，就做出了"我以为要几年"的东西。前 DeepMind 研究员 Karl Tuyls 说得更直白：对任何要把模型跑得更省的人，这是 no-brainer。
收尾：第三条缩放轴
AI 到目前为止吃过两条红利：预训练堆出世界知识，测试时计算堆出推理与规划——两条曲线都在变平。Mostik 押的是第三条：模型之间的协调，而协调的前提是通信，通信的带宽决定了协调的上限。今天这个带宽是 17 个 bit。
把 2MB 的计算隔模型直传，短期看是省钱的故事，长期看是另一个问题：当模型不再需要借文字交换思想，"智能"会不会开始出现在系统层，而不是单个模型的权重里？大多数多智能体工作还在优化"怎么分派任务"；Mostik 在优化"怎么不丢信息"。四个月做到这一步，这条赛道值得盯住。