Стартап Mostik связал GLM-5.2 и Qwen-3.5 без текстового обмена

Российские математики ^[1] разработали способ, который позволяет разным ИИ-моделям обмениваться информацией без промежуточной генерации текста. О разработке 2 сентября сообщил WIRED.

В демонстрации команда связала GLM-5.2 на 753 млрд параметров и Qwen-3.5 на 4 млрд параметров. По заявлению Mostik, гибридная система работает примерно в 20 раз дешевле полной GLM-5.2, а её качество находится между результатами двух исходных моделей.

Обычно несколько LLM взаимодействуют через текст: одна модель генерирует ответ, другая получает его на вход и заново обрабатывает. Mostik предлагает передавать информацию напрямую через внутренние математические представления моделей, минуя этот этап.

Точный механизм пока не раскрывается. Команда не опубликовала paper, исходный код, методику расчёта стоимости и конкретный бенчмарк для сравнения GLM и Qwen.

Mostik также сообщил, что использовал свой подход в системе, показавшей один из лучших результатов в ARC-AGI-3. Подробности этой реализации команда пока не раскрывает.

Главный научный ^[2] сотрудник Mostik — Станислав Смирнов, профессор Женевского университета и обладатель Филдсовской медали 2010 года. По его словам, одна из ключевых задач — найти общий математический язык, который позволил бы разным моделям понимать внутренние представления друг друга.

Источник: WIRED ^[3].