Mostik让GLM-5.2与Qwen-3.5无需语言互通 成本仅GLM的1/20

Mostik让GLM-5.2与Qwen-3.5无需语言互通 成本仅GLM的1/20

　　俄罗斯数学家给中国两个开源模型搭了座“桥”：一边是7530亿参数的GLM-5.2，一边是只有40亿参数、能跑手机的Qwen-3.5。结果是，混合系统成本只有完整版GLM的二十分之一，性能却正好落在两者之间。

　　这座桥出自初创公司Mostik——俄语里就是“桥梁”的意思。团队的做法是：模型之间不说话、不写字，直接用权重里的数学值交互；而这些权重，正是决定提示词如何变成输出的关键。能力，就从大模型流向了小模型。

　　他们先拿这招参加以难度出名的ARC-AGI 3竞赛，一举登顶。但细节没有披露，理由是想接着赢下一场。至于上面那对中国模型组合，是他们专门搭出来证明“这招能行”的。

模型集成的新思路

　　CEO萨莎·马利舍娃说，原理其实不玄妙：机器学习里，多个模型的集成通常优于单个模型。“就像数学圈的老笑话：猜一头猪的体重，几个普通人估的平均数，往往比专家还准。”模型输出拼起来，也是同一个道理。

　　传统做法是要把一个模型的输出喂给下一个，又慢又烧钱。Mostik的特殊之处在于，模型之间交流不必生成文本，省掉了那层“翻译”。

行业影响与未来方向

　　如果这路子能推广，开源权重模型的身价会明显上涨，足以叫板Anthropic、OpenAI的封闭模型。马利舍娃甚至说，未来未必是“一个超级模型包打天下”，把大量不同模型组合起来，可能是更好的进化方向。

　　软件公司Lovable的技术负责人弗拉基米尔·阿鲁斯塔米安表示，假如前沿模型能与生物、物理等专用模型配对，行业会训练出更多“专才模型”。“这团队才做了几个月，就做出了我以为要等好多年的成果。”

　　曾在谷歌DeepMind的计算机科学家卡尔·泰尔斯也认为，让小模型挂在大模型旁边运行，不必让大模型跑完整流程，就能获得明显改善，“对于任何追求高效运行模型的人来说，都是显而易见的选择”。

尚未解决的核心难题

　　核心难点还有待攻克。日内瓦大学教授、2010年菲尔兹奖得主、Mostik首席科学家斯坦尼斯拉夫·斯米尔诺夫直言：“想找到两个AI模型之间的‘共同语言’，出奇地困难，目前还没有合适的数学语言。”这座桥，还得靠数学继续“焊”下去。