Mostik возглавляет соревнование ARC-AGI-3 на Kaggle с ИИ-моделью, объединяющей технологии

ME AI Новости, Beating AI Новости: CSTL, временно занимающий первое место на соревновании ARC-AGI-3 на Kaggle, — это недавно анонсированная стартап-компания Mostik, текущий результат — 7,51%. Команда состоит из 15 человек, включая 12 докторов наук и лауреата Филдсовской премии. Однако соревнование еще не завершено: второй Milestone завершится 30 сентября, а финальные заявки принимаются до 2 ноября. Mostik разрабатывает технологию прямого обмена внутренними состояниями между различными моделями ИИ. Обычные многопроцессные системы полагаются на передачу текстовых сообщений, тогда как Mostik обучает «мост» между двумя моделями, преобразующий скрытые состояния одной модели в представление, понятное другой, при этом сами модели не требуют дообучения. В опубликованном эксперименте использовались GLM-5.2 размером 753 млрд параметров и Qwen3.5 размером 4 млрд параметров — это можно приблизительно понимать как то, что крупная модель отвечает за prefill, а малая — за decode. GLM-5.2 только читает вопрос, но не генерирует токены; его внутреннее состояние передается малой модели на 4 млрд параметров для генерации ответа. Mostik утверждает, что такой подход сокращает разрыв в производительности между моделями примерно наполовину; по сравнению со средней одиночной моделью, достигающей той же точности, вычислительные затраты составляют лишь около 40%. Однако конечный результат все еще ниже, чем у самой крупной модели GLM-5.2. Mostik еще не раскрыла, какие именно модель и Harness использовались для достижения результата 7,51%. Упомянутая комбинация 753 млрд + 4 млрд параметров — это лишь другая техническая демонстрация и не является конфигурацией для участия в соревновании. Само соревнование ARC-AGI-3 оценивает всю систему агента: ранее победитель этапа использовал только Qwen 3.6 27B, но выиграл благодаря эффективному Harness, инструментам и управлению контекстом. С другой стороны, эта технология требует доступа к скрытым состояниям моделей, поэтому она недоступна для облачных моделей, таких как Claude и GPT. Инженер Google DeepMind Сьюзан Чжан также подвергла сомнению целесообразность такого подхода: если уже есть контроль над внутренними состояниями моделей, то заморозка двух моделей и отдельное обучение «моста» между ними — действительно ли это наиболее эффективное инженерное решение? (Источник: BlockBeats)