Mostik团队称，通过一个经过训练的“桥”传递隐藏状态，让4B的Qwen-3.5弥补了与753B的GLM-5.2之间50%的性能差距，大模型推理成本降至约二十分之一。
AI解读：这条新闻的核心不是某个模型变强了，而是模型之间协作的方式可能被改写。过去，无论多少AI模型协同工作，它们唯一沟通渠道就是文字——大模型生成一个词，内部有一百万个数值的隐藏状态被丢弃，只有十几个比特的文本能传给下一个模型。Mostik的做法是训练一个极小的“桥”，让大模型的隐藏状态直接流进小模型，全程不生成文字，两个模型的权重都冻住不动。结果是手机能跑的4B小模型，准确率提升了25%，在难题上甚至翻倍，而大模型的推理成本被压到约二十分之一。对普通用户来说，这意味着未来手机端可能跑出接近云端大模型的推理能力，不必为每次提问付高额API费；对开发者和云厂商，这可能改变成本结构——但要注意，结果只来自ARC-AGI 3这一基准，具体技术细节和泛化能力都未公开，团队也拒绝披露，因为这些都是在比赛进行中。真正受影响的是那些在大模型调用成本与能力之间做权衡的开发者，以及探索模型组合的公司。别急着把资金或架构押在这条路上，等论文或开源代码出来再评估更稳妥。
9月7日，一家成立仅4个月、共15人的团队Mostik声称，用“4B Qwen-3.5（手机端）+753B GLM-5.2（云端）”的组合刷爆了ARC-AGI 3基准，但技术细节未公开，团队拒绝披露，称“比赛还没结束”。
核心方法：用“桥”传隐藏状态，不生成文字
Mostik团队称，他们让大模型的隐藏状态通过一个小型、经过训练的“桥”直接传递给小模型，接收方拿到内部状态后直接使用。整个过程不产生文本，两个模型的权重完全冻结，桥是系统中唯一被训练的部分。
在演示中，GLM-5.2（智谱，753B参数）作发送方，Qwen-3.5（阿里，4B参数）作接收方。大模型只读取问题，隐藏状态经桥传出后停止，所有文字由小模型生成。
团队称，这套方案让4B模型补上与753B模型约50%的性能差距，自身准确率提高25%；在大小模型差距更明显的难题子集上，提升达到2倍。大模型侧推理成本被压到约二十分之一。
团队背景与公共信息
Mostik在俄语中意为“小桥”，成立仅4个月，团队15人，其中12人为博士。首席科学家Stanislav Smirnov是日内瓦大学教授、2010年菲尔兹奖得主，他称“在两个AI模型之间找到可用的数学共同基础极难，目前似乎缺少合适的数学语言”。CEO Sasha Malysheva是核心方法开发者之一。
公开演示中选用的模型经过严格冻结测试。团队称，若有用信息能在不微调的情况下通过桥，说明桥所利用的结构是模型训练中自然产生的。
后续方向包括：蒸馏（用小模型带桥同步教师内部状态，早期结果显示学生模型在相同训练预算下更接近教师）；专项化（小模型带桥训练专业能力时效率更高）；以及安全监控（桥在两个模型间增加观察面）。团队称这些方向仍处早期阶段。