Російський стартап Mostik розробив метод, який дозволяє ШІ-моделям обмінюватися інформацією без природної мови — тобто без класичного обміну текстовими токенами, на якому досі тримається майже вся комунікація між AI-агентами. Розробку веде команда математиків, а подробиці підходу описав Wired AI.

Це не просто цікавинка для дослідницької лабораторії. Уся сучасна архітектура мультиагентних систем — коли одна модель ставить задачу іншій, отримує відповідь і передає її третій — побудована на тому, що моделі «розмовляють» одна з одною людською мовою: генерують текст, токенізують його, а сусідня модель токени знову розпаковує в сенс. Це працює, але коштує часу і обчислень на кожному кроці ланцюжка.

Наш погляд в AiiN: якщо метод Mostik справді дає моделям спосіб обмінюватися станом напряму, це потенційно новий примітив для мультиагентних систем — швидший за токенізований обмін текстом, на якому побудовані більшість сьогоднішніх AI-агентних фреймворків.

Що саме показали дослідники?

За даними Wired AI, команда математиків з Mostik навчила кілька ШІ-моделей передавати одна одній інформацію каналом, відмінним від природної мови. Замість того щоб одна модель писала текстовий запит, а інша його читала й інтерпретувала, обмін відбувається в обхід цього кроку. Ключова ідея — прибрати з ланцюжка «модель → текст → токени → модель» саму текстову ланку, яка додає затримку і ризик втрати сенсу під час перекладу думки в слова і назад.

• Спілкування без проміжного кроку генерації природномовного тексту.
• Метод перевірили на кількох ШІ-моделях, а не лише на одній парі.
• Ціль розробки — прибрати саму текстову ланку з ланцюжка «модель → текст → модель».

Чому обмін словами — вузьке місце для AI-агентів?

Тому що кожен переклад «думки» моделі в текст і назад — це втрати і накладні витрати. Коли одна LLM генерує відповідь для іншої LLM, вона спершу стискає своє внутрішнє представлення задачі в послідовність токенів — процес, оптимізований для читання людиною, а не для передачі даних між машинами. Друга модель потім витрачає обчислення на те, щоб цю послідовність токенів розпакувати назад у щось, із чим можна працювати. У мультиагентних конвеєрах, де відповідь однієї моделі стає запитом для наступної кілька разів поспіль, ця накладна вартість накопичується — і в затримці, і в рахунку за токени.

Ймовірно, саме тому Mostik зробила ставку на прямий канал: якщо моделі можуть обмінюватися внутрішнім станом, а не його мовним «перекладом», ланцюжок агентів обробляє задачі швидше і без проміжного шуму.

Кому це може здешевити роботу з AI-агентами?

Найбільше виграють розробники, які вже будують ланцюжки з кількох моделей — оркестратор, що розподіляє підзадачі між спеціалізованими агентами, або конвеєри перевірки, де одна модель контролює іншу. Саме в таких сценаріях, як ми розбирали, описуючи проактивний кіберзахист на основі AI-агентів, кожен зайвий раунд «текст туди — текст назад» між моделями напряму впливає на швидкість реакції всієї системи.

• Command-and-control архітектури, де одна модель диспетчерує задачі кільком іншим.
• Конвеєри верифікації, де вихід однієї моделі одразу йде на вхід іншій без участі людини.
• Сценарії з жорсткими вимогами до затримки, де кожен зайвий крок токенізації відчутний.

Для звичайного продуктового застосунку, де людина читає відповідь моделі, ефект від такого методу непрямий — і про такі кейси Wired AI не пише.

Висновок AiiN

Наша теза проста: доки AI-агенти «думають словами», вони прив'язані до обмежень мови, створеної для людей, а не для машин. Метод Mostik — це сигнал, що дослідники сприймають природну мову як тимчасовий, а не єдино можливий протокол обміну між моделями. Якщо позамовні канали комунікації дозріють до продакшн-рівня, це змінить те, як AI-білдери проєктують мультиагентні системи: замість оркестрації через промпти й текстові повідомлення — оркестрація через прямий обмін станом.

Що таке комунікація ШІ-моделей без природної мови?

Це спосіб передачі інформації між двома чи більше ШІ-моделями, який не проходить через генерацію та розпізнавання тексту людською мовою. Замість токенізованих речень моделі обмінюються даними напряму, минаючи крок «перекладу» внутрішнього стану в слова.

Чи означає це, що моделі більше не потребуватимуть тексту?

Ні. Природна мова залишається основним каналом для взаємодії з людиною, і саме на ній тренують більшість моделей. Позамовний канал стосується внутрішньої комунікації між моделями в мультиагентних системах, а не інтерфейсу для користувача.