一份作业，两个批改人
有一份作业要批改，题目里既有计算，也有大段文字要判断。你安排了两个 AI 一起干，一个擅长算，一个擅长读。分工很自然，会算的那个先把解题过程写成一段话，会读的那个再照着这段话下结论。
这套流程顺到没人会多问一句。可要是停下来看，会看到一件怪事，会算的那个 AI 明明已经在脑内算出了结果，却要先把它写成一串文字，再让对方逐字读回去。
那串文字，是它的想法，还是想法的翻译件？
两个 AI 之间流动的文字，只是想法的一次翻译。
请专家开会，却规定不许说母语
想象你请两位专家会诊，立的规矩很怪，两人都不许说母语，必须用一门两人都不熟练的第三方语言交流。每个想法都要先翻译过去，对方再翻译回来。
现在多个模型协作，干的就是这件事。一方把脑内的理解一个字一个字吐成文字，另一方再把这串字读回脑内。多出来的两次翻译，既丢信息，又费时间。时间费在逐字吐出上，模型每吐一个字都要重新算一遍，这是整套流程里最慢的一步。
损失是实打实的数字。论文的主实验里，同样是两个模型协作解一道题，用文字中转比直接交换内部状态慢 1.5 倍到 14 倍不等。准确率也差 3 到 5 个百分点。三个百分点，就是每一百道题里多错三道，是答对和答错的差距。慢上 3 倍是什么体感，同一件事别人等三分钟，这里只要等一分钟。这种差别放在高频协作里，会被一次一次放大。
论文自己给的总口径是这组数字，延迟平均快 2.5 倍，准确率比单个模型高 6.4% 到 14.2%，比文字通信高 3.1% 到 5.4%。逐配置的明细在表 4。
文字这层翻译，同时收两笔钱，一笔信息损耗，一笔等待时间。
不写出来，直接把笔记递过去
模型读题的时候，脑内会随手记下一叠笔记。这叠笔记，当成模型一边读一边打的草稿就好。草稿里存着它对每个词的关注和联想，比最终写出来的那句答案信息量大得多。
过去的文字协作，等于把草稿誊成正式报告再递出去。清华的研究者换了做法，不誊写，把一方的草稿直接递给另一方。两家的草稿格式不同，模型结构和词表都不一样，于是他们训练了一个转接器，把一方的草稿搬进另一方的格式再合并。转接器里还装了一个会自己挑的门，决定把草稿灌进对方哪几层最有用。
这套做法一句话就能说清，用一个小网络把笔记直接搬运，再让一个门决定搬进哪几层。训练时只训这个转接器和门，两个大模型本身一动不动。这篇论文已经发表在国际学习表征会议 ICLR 2026，不是待审的预印本。
绕过文字这层翻译，两个模型可以直接交换各自的草稿。
草稿的另一笔账
直接递草稿省了时间，可草稿有个麻烦，它是私人笔记，人看不懂。
文字之所以成为模型之间的事实标准接口，恰恰因为它谁都能读。出问题能翻日志，监管能审，第三方能查。草稿是一串高维数字，出了错你连它怎么想出来的都看不出来，追责无从谈起。拿可解释性换效率，这笔账划不划算，论文没有替你算。
论文自己承认两条局限。弱的模型给强的模型递草稿，可能把对方带偏，这个坑文字协作也有。多个模型两两直连，训练成本随模型数量上涨，论文只探索到两三个模型，规模化还没解决。
至于可审计性和缓存格式要不要标准化，论文没有讨论，这里标成论文未涉及。跨厂商倒是真做到了，同一套方法在三个不同的开源模型家族之间都跑通。真正的前提，是你得能拿到模型内部的草稿。只开放接口却不开放内部状态的闭源模型，暂时进不了这场直连。而且每换一对模型，就要单独训一个转接器，不是一劳永逸的通用翻译。再往商业上看一步，缓存格式现在各家各写各的，直连要真正用起来就得分头适配，谁先定下格式谁就多了议价权。这是论文之外的问题，论文只字未提。
缓存直连省下的时间，是用谁也看不懂换来的，这笔交换论文没给结论。
什么情况下值得用
落到自己身上，判断标准很简单，看场景就行。
| 情况 | 该选哪种 |
|---|---|
| 合作对象里有闭源模型，读不到内部草稿 | 文字 |
| 需要留痕，出问题要逐条追责 | 文字 |
| 结果要交给人审 | 文字 |
| 两个模型都开源，草稿都能读 | 缓存直连 |
| 高频批量，一秒钟都不想多等 | 缓存直连 |
| 对延迟敏感，模型又固定不常换 | 缓存直连 |
缓存直连不是要取代文字，它是在能读草稿的前提下，给高频协作多留了一条更快的路。
两个 AI 开会，未必要先学一门外语。等它们都愿意把草稿摊到桌面上，那门第三方语言就可以不学了。
参考来源
- 论文摘要与第 1 节（总口径）：延迟平均快 2.5 倍，准确率比单一模型高 6.4% 到 14.2%，比文本协作高 3.1% 到 5.4%。
- 论文正文第 4.2 节与表 4：逐配置明细，相对单一模型的平均准确率提升分别为 11.00%，9.64% 和 11.88%；相对文本协作分别为 5.36%，4.15% 和 3.06%；延迟快 3.46 倍，1.51 倍，14.41 倍。
- 论文正文第 5 节：两条局限，弱模型误导强模型，多模型互连训练成本随数量上涨。
- 论文正文第 3.3 节：投影融合，可学习门控选层，模型冻结只训转接器。
- 论文正文第 4.1 节：覆盖 Qwen，Llama 与 Gemma 三个模型家族，任务为 OpenBookQA，MMLU-Redux，ARC-Challenge 与 C-Eval。
- 论文正文第 6 节与未来工作：仅提及隐私方向展望，可审计性与缓存格式标准化未讨论，属论文未涉及。
原文链接
- 论文 HTML 全文（v2）：https://arxiv.org/html/2510.03215v2
- 论文摘要页：https://arxiv.org/abs/2510.03215
- 开源代码仓：https://github.com/thu-nics/C2C
这篇讲的是模型之间的通信层。它上面那件事更根本：模型的表示空间长什么样，以及这个空间如何决定它能装下多少、走得多远。四层走完，从偏见与几何到容量天花板与统计物理的边界。
微信扫码 · 微信支付
支付宝扫码本文采用 CC BY 4.0 许可。欢迎转载与引用，请注明作者并附上原文链接。
Licensed under CC BY 4.0. Quoting and republishing are welcome with attribution and a link back to this article.