问小创
告诉我你的需求，我帮你从站内挑最合适的 AI 工具。
由俄罗斯顶尖应用数学团队创立的AI初创公司Mostik于2026年9月公布全新多模型协同技术，可让不同架构的AI模型摆脱人类自然语言中介，通过专属压缩编码通道完成信息交互。目前该技术已在多模态任务场景完成内测，跨模型协作响应速度较传统方案提升37%，推理精度损耗控制在1%以内。
过去几年，业界为了提升复杂AI任务的处理效率，普遍采用“专长模型分工协作”的方案，但不同模型之间的信息传递一直是行业公认的效率短板：不同架构的大模型没有统一的内部语言，只能靠人类能理解的自然语言作为中转介质，大量算力被浪费在语义转译环节。
不管是OpenAI的GPT系列、谷歌Gemini还是国内的DeepSeek等主流大模型，都有各自的能力边界：生成类模型擅长内容创作，推理类模型擅长逻辑计算，多模态模型擅长音视频处理，复杂任务往往需要调用多个模型配合。
传统协作流程中，前一个模型的输出要先转写为自然语言prompt，再输入下一个模型，相当于两个不同语种的人需要借助第三方翻译沟通，不仅拉长响应时间，还可能因为语义理解偏差出现信息失真。行业统计数据显示，现有跨模型协作方案平均有32%的算力消耗在语义转译环节，同时存在近8%的关键信息传递误差率。
Mostik团队的核心思路，是跳过人类自然语言这个“翻译中介”，为所有AI模型打造一套通用的机器语义编码体系。这套协议可以识别不同模型的张量输出特征，将核心信息压缩为不需要人类解读的专属编码，传递同等信息量所需的token量仅为自然语言的11%。
从内测数据来看，在包含大语言模型、多模态生成模型、科学计算模型三类不同架构AI的新药分子推演任务中，采用该技术的协作流程响应速度提升37%，最终输出的分子结构匹配度反而比传统方案高出2.4%，完全解决了转译环节的精度损耗问题。
该技术的商业化价值远不止于任务提速。随着AI算力需求的爆发，集中式超算中心的成本压力越来越大，这套跨模型通用通信协议，为分布式AI集群的落地提供了核心支撑——未来分布在全球不同地区、属于不同厂商的大模型，不需要暴露自身的训练数据和架构细节，就能通过这套编码安全高效地协同作业，为全球气候仿真、可控核聚变推演等需要超大规模算力的复杂任务提供可行的技术路径。
据了解，Mostik目前已经与3家欧洲AI企业达成定向内测合作，预计2027年第一季度正式推出商业化API接口。
本文基于公开信息分析整理，仅供参考。更多AI工具动态与行业解读，请持续关注本站更新。
滇公网安备 53252802528133号