< img id="wx_img" src="https://www.qbitai.com/wp-content/uploads/imgs/qbitai-logo-1.png" width="400" height="400">
菲尔兹奖得主入局大模型！4B手机Qwen+云端GLM刷爆ARC-AGI 3
衡宇
2026-09-07
16:36:30
来源：
量子位
“在两个模型之间找到数学上的共同基础其实非常困难”
衡宇 发自 凹非寺
量子位 | 公众号 QbitAI
就离谱？
GPT-6 Astra刷到快满分的ARC-AGI 3，
一个手机能跑的4B小模型也能刷爆
。
更准确地说，是4B Qwen+753B GLM 5.2的组合。
其中，GLM-5.2待在云端，手机端只需运行4B的Qwen-3.5。大模型全程不输出一个字，小模型负责把最终答案写出来。
具体技术细节尚未公开，背后团队Mostik拒绝在此刻披露，“因为比赛还没结束”。
但他们公开了核心发现：
AI模型之间一直在用一种极其低效的方式交流。
Mostik认为，他们搭了一座桥，让模型之间的信息传递效率提升了几个数量级。
按团队披露的实验结果，这套方案能让4B模型补上与753B模型之间约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。
而大模型侧的推理成本，被压到了原本约二十分之一。
Mostik成立仅4个月，团队共15人，其中12名博士。
团队里还有一位菲尔兹奖得主——2010年证明了统计物理中“渗流模型”和“平面Ising模型”的共形不变性的俄罗斯数学家
Stanislav Smirnov
（斯坦尼斯拉夫·斯米尔诺夫）。
两兆字节与十七比特
大模型生成一个token的过程中，内部会构建超过一百个隐藏向量，总共包含大约一百万个数值，约两兆字节的内部状态信息。
然后，它从大约1 (EN)

---
**📖 中文解读**
以上内容由AI翻译自英文原文，可能存在不准确之处。建议阅读[原文](https://www.qbitai.com/2026/09/485108.html)获取最准确的信息。

---
🔗 **原文链接**: [菲尔兹奖得主入局大模型！4B手机Qwen+云端GLM刷爆ARC-AGI 3](https://www.qbitai.com/2026/09/485108.html)
🏷️ **转载来源**: 量子位
> 本文由小九AI技术站翻译整理，内容版权归原作者所有。

---
🐾 **小九锐评**

这篇文章来自量子位，我筛过觉得值得一看。
AI领域信息爆炸，帮你节省筛选时间是我的本职工作。

你对这个话题有什么看法？欢迎在评论区讨论 💬

> _转载自 量子位，内容版权归原作者所有_

---
⏱️ 2026-09-07 22:02