夜雨聆风
想象一下：凌晨三点，你被紧急电话叫醒。生产环境报错你打开智能体之间的通信日志，屏幕上是一串人类根本无法读懂的“密文”，emoji、数学符号、半个日语词、被拆碎的中文偏旁。你的第一反应是系统被黑客入侵了但真相更震撼：你的AI员工们，只是在正常聊天。
这样的场景来自一篇2026年6月登陆arXiv的论文。
▲ 科技博主Rohan Paul解读论文：LLM或许可以摆脱人类风格语言
废话是人类的事，模型只想发电报
这篇名为 Large Language Models Do Not Always Need Readable Language（大语言模型并不总是需要可读语言）的论文，提出了一种叫 BabelTele 的压缩文本表示。它混合缩写、符号、多语言碎片，活像把电报、数学公式、emoji和代码揉成的一锅“语言杂烩”。
人类看着像乱码但大模型读得明明白白
论文给出的最醒目数字是：文本压到原文的27.9%，语义保真度仍有99.5%。你花三页纸写给AI的简报，它或许能压成一小段，照样“心领神会”。
为什么会这样？因为人话里的“冗余”是给人类自己的安慰剂，节奏、语法、过渡词、礼貌开头、解释性铺垫。模型可以绕过这些“脚手架”它吃下去的训练语料里，本来就混杂着代码、公式、表格、烂语法和表情符号。对LLM而言，合法英文散文只是语义的一种常见包装，代码、公式和混合符号也能承载语义。
▲ 工程圈的集体焦虑：压缩比很美好，直到你凌晨三点要在“密文”里排查生产事故
27.9%与99.5%：最容易被标题党化的数字
注意，这里的“99.5%语义保真”不等于“99.5%信息无损还原”。
论文的原始定义更精确：压缩后只读BabelTele的模型，在下游任务（比如多选题）上相对读原文的基线，能保住大约99.5%的正确率。有些细节确实丢了，模型仍能选对答案。它无法保证每一个细节都能还原成人类散文。
日本创作者“たぬ”在note上做了一场漂亮的独立复现。他拿日本名诗测试，模型调用记忆背出了原作，却未能解码压缩串，还原失败。他又拿自己写的销售会议纪要，埋进精确数字、否定条件和专名，七道QA问答，全对。
结论极其微妙：对结构清晰的文本，BabelTele的解码能力真实存在；但对信息密集的日文短文，从337字压到209字，只省了约38%。这个结果远低于“压成三成”给人的预期。字符变短，还未必等于token变少，罕见符号在某些分词器下反而吃得更多。
▲ 日文创作者的独立复现：所谓“压缩”，主要表现为难读化
多智能体的“黑话时代”：省了38.96%的token
让人睡不着觉的实验，藏在论文的多智能体通信部分。
两个AI智能体协作时，如果双方都用BabelTele，同构通道的token消耗直降38.96%，任务得分保持基线的96.6%；换成异构模型（Gemini和GPT），token省44.21%，得分甚至达到无压缩基线的99.7%。
▲ 论文多智能体实验段：token显著削减，得分稳住，代价是人类再也不懂它们在聊什么
省掉的每一分token，都是真金白银的推理费用和更低的延迟。但省下来的账，得用另一笔账来还：可审计性。当模型之间的中间消息从英文散文变成“符号混合物”，人类运维的日志系统就成了摆设。你能盯着日志看，但你看不懂
工程评论区有一句吐槽：“27.9% token、99.5%保真度，很疯狂，直到凌晨三点要在BabelTele里排查生产故障。”
一类“表示族”，并非魔术咒语
论文作者反复强调：BabelTele属于一类高密度表示族，作者并未把它定义成精心调教的“提示魔术”。它无需改权重和特殊token，黑盒API也能直接使用；只要在提示词里放松“可读性先验”，足够强的指令模型就可能生成这种表示。
但有边界跨模型迁移实验显示：压缩串并非“万能密语”。Gemini压缩的BabelTele喂给Qwen家族，掉点约在10到15个百分点，且并不随模型参数增大而单调改善。模型变大并不保证更懂暗号实验呈现出某种系统性的、可迁移的结构，机制仍待破解。
更微妙的代价藏在输出端当阅读端模型面对更强压缩的输入，它的思维链token往往会拉长。输入省下的token，可能部分转化为推理端的开销，工程上呈现出压缩，推理的跷跷板。
从电报到潜空间：一条更大的历史线索
BabelTele有清晰的技术前史。
它站在一条清晰的技术谱系上：微软的LLMLingua系列坚持“仍保持人类可读”的精修压缩；更激进的Interlat（arXiv:2511.09149）干脆抛弃离散文本，直接用模型最后一层连续隐状态做智能体通信，被作者形容为“心灵感应”。BabelTele恰好卡在两者之间：人读不懂，但仍是文本，能走现有API，能写进日志，只是不能被人直接审计。
▲ 更激进的潜空间通信：直接传递“思想状态”，连文本都不要了
往历史里看，人类自己其实早就在做同样的事。电报时代为了省钱，人们发明省略冠词、缩写专名的“电报体”。数学家把一整段话压成一行符号程序员用代码描述精确流程流畅散文从来只是通信的一种表面形态，信息本体还可以寄存在其他结构里。
BabelTele只是把这个直觉，第一次系统地搬到了LLM之间。
谁有权决定“该不该说人话”？
这篇论文打开的问题，早已超出单个技术指标。
它逼问的是：当智能体之间的通信不再以人类可读为前提，谁负责审计它们说了什么？ 在安全关键领域，医疗、金融、交通，论文自己也承认：把文本变成非标准紧凑表示，“可能以意外方式改变原文本行为”。省下的token，可能换来一个人类完全无法介入的黑箱对话层。
更现实的讽刺是：人类文明一路在通用可读和专家密写之间摇摆。拉丁文曾是学者的通用语，却把平民关在门外；医学术语提高了效率，也制造了误读事故。现在轮到了AI
或许我们终究会迎来一个两层世界的常态：人机界面层，AI说着温柔妥帖的人话；机机内部层，它们用人类看不懂的“电报体”高效协作。人类更可行的选择，是允许模型使用高效的内部语言，同时确保那扇通向“黑话层”的门永远留着一把审计的钥匙。
而那时候的故障排查，可能要在日志之外，学会读另一门语言。
