夜雨聆风
如果有一天，你深夜三点被报警吵醒，打开日志，发现你的AI智能体们正在用一种你完全看不懂的“电报密文”互相沟通，这幅场景就来自2026年6月18日一篇论文的实验结果。
先看两个数字：27.9%和99.5%
前者是文本体积被压缩到的比例，你原本要写100个字的信息，AI用不到28个字就能传达。后者是语义保真度，压缩后的“外星文”，在AI眼里和原文几乎没区别。
这套密写让AI开始用自己才懂的“暗语”交流。
论文题为 Large Language Models Do Not Always Need Readable Language（大语言模型并不总是需要可读语言），作者团队来自上海交通大学、悉尼大学、合肥工业大学、西安交通大学、南京大学，通讯作者Linfeng Zhang。他们把这种面向模型而非面向人类的高密度文本，命名为，BabelTele。
“巴别”（Babel）+“电报”（Tele）一个指向语言分裂的混乱，一个指向极简压缩的秩序。名字本身就是答案的开头
▲ Rohan Paul的帖子带起了这波讨论，图中可以直观看到对比：左边自然语言冗长挤爆上下文，右边BabelTele又短又怪，人类看着头疼，模型却对答如流
为什么人类需要“废话”，而AI不需要？
先问一个反直觉的问题：你发微信时，为什么总要说“在吗？”“你好呀”“不好意思打扰一下，我想请教您一个问题”？
因为你是在为另一个人类打包信息 你需要礼貌、语气、冗余，来确保对方在情绪和语义上都愿意接收。哪怕对方是你同事，你也会加上“麻烦你了”“感谢感谢”。
LLM处理的是token：文本被切成子词或字符片段，模型在巨大参数空间里预测下一个token。训练语料里有新闻、小说、代码、公式、表格、多语言混写、表情符号和烂语法。对模型来说，“合法英文散文”只是一种常见表面形式，语义还可以装进别的容器。
于是论文作者做了一件有点“离经叛道”的事：既然读者是模型，为什么还要为人类准备修辞？
他们用零样本提示，让压缩模型遵循三条原则：全语言词汇选择（不锁定单一语言，中英日德、汉字、拉丁词根随便挑单位信息量大的）、符号坍缩（用⇒、∈、≠、∧、emoji替换冗长解释）、可恢复的语义密度（不靠外部码本，强模型应该直接读懂）。
关键点来了：不改权重、不加特殊token、黑盒API可用。 这跟那种往模型里塞私房暗号的“提示魔术”有本质区别。BabelTele是一类表示族，你可以把它理解成一套“电报发电原则”，无需固定密码本。
“人读不懂”也可以是设计选择
论文在QuALITY长文多选题上做了验证。结果有多夸张？
Dale-Chall可读性指数约16.70，难词比例约80%。 换成BabelTele后，人类大学生答题正确率明显下滑；但Gemini 3.1 Pro等指令模型依然保持高正确率。
人读不懂，模型读得懂。低可读、低似然，不等于语义崩坏。
这个结论在工程圈炸锅了一位叫Shinka的网友的评论堪称全篇最佳吐槽：
“27.9%的token换99.5%的保真度，简直是疯狂压缩，直到你在凌晨三点要在BabelTele里查生产故障。”
这段吐槽戳穿了两面性：省钱的时候有多爽，排障的时候就有多痛。 人类无法直接审计的中间消息，会把调试变成地狱模式，你盯着日志里一串“∵∃∈⇒∴”的符号混合物，除了问候AI的祖先，别无他法。
▲ 日本创作者用日语重新测试BabelTele，发现压缩率远达不到“三成”的宣传感，这提醒我们，数字需要拆开读
数字要拆开读：99.5%到底是什么？
这是全篇最值钱的一段请划重点
99.5%这个数字，并不表示“原文每个细节都能无损还原成人话”。它在论文语境里指下游任务性能的保持率，多选题上，压缩后只读BabelTele的模型，相对读原文的基线能保住多少正确率。
举个通俗的例子：考题问“以下哪个选项是对的”，你不需要还原全文每个字，只要抓住关键信息选对答案就行。多选题丢掉若干细节，照样能选对 所以“99.5%保真”更准确的翻译是：压缩后，AI的任务正确率只掉了0.5%左右。
日本创作者“たぬ”做了件特别有价值的事：用日语重新测试。结果很微妙，日文密写从337字到209字，只少约38%，远远达不到“压到三成”的宣传效果。他还发现一个工程陷阱：拉丁缩写和罕见符号在某些分词器下可能占多个token，字符变短≠token变少。他认为：其中“难读化”的成分高于压缩
这个复现提醒我们：论文里的惊人压缩率，高度依赖输入文本的冗余程度。冗长的英文长文才有压到三成的空间；本来就密的日文短文，只能算“难读化”论文自己也在局限里写明：效果依赖压缩，阅读配对与任务。
数字成立，离不开它的实验条件
多智能体通信：tokens砍掉四成，得分稳如老狗
更吸睛的实验出现在“多智能体通信”环节。
论文测试了两种配置：同构（双方都是Gemini 3.1 Pro）和异构（Gemini和GPT-5.4混用）。结果如下：
同构：token减少38.96%，得分达无压缩基线的96.6%； 异构：token减少44.21%，得分达无压缩基线的99.7%。
▲ 论文中的多智能体与智能体记忆实验表格，数据一目了然：大规模token削减，得分却几乎没有明显损失
注意异构那行：砍掉了44%的token，得分反而几乎追平原基线。 由此可见，BabelTele跨模型也能用，并呈现出系统性的可迁移结构。
在LoCoMo智能体记忆基准上，BabelTele把每查询token从约2819压到约1382，准确率62.53%，相对原文64.81%保住了96.48%。虽然压缩幅度弱于长文场景，但这恰恰说明：能砍掉的token，取决于原文有多“水”。
当一个多智能体系统全天候高频对话时，每句话省四成token意味着什么？ 更低的API账单、更少的上下文污染、更快的响应延迟。这笔账，做智能体产品的团队比谁都会算。
这不仅仅是压缩：它是语言观的裂缝
把镜头拉远一点，BabelTele只是一个更大趋势的“早期信号弹”。
提示压缩谱系上，微软等机构推的LLMLingua系列早在用困惑度、信息熵来删冗余token，但人家还是坚持自然语言可读。BabelTele的分野在于：直接放弃人类可读性作为默认约束。 LLMLingua是“精修过人话”，BabelTele是“允许崩坏表面、只求模型能解的电报密写”。
潜空间通信那派更激进arXiv:2511.09149提出的Interlat，直接用模型最后一层的连续隐状态在智能体间传递“思想表示”，跳过把内部状态下采样成token的过程。作者把灵感比作“心灵感应”BabelTele至少还在文本通道上，走现有API和日志；Interlat则完全是系统内部的原生协议。
两者共同指向同一个结构压力：自然语言作为智能体中间语，开始显得又贵又窄。
文章末尾又提出一个问题：当AI系统内部发展出“只有模型顺畅、人类吃力”的中间语时，审计、合规、事故复盘将面对什么？ 人类文明反复在通用可读与专家密写之间摆动，拉丁文曾是学者共同语，却把外行人关在门外；医学缩写提高专业效率，也制造致命误读。那些说“BabelTele会被安全团队打死”的评论，源于凌晨三点排查日志的现实压力。
最后：密语不会取代人话，但会让你重新理解“阅读”
回到最早的那个问题：AI之间说暗语，人类怎么办？
务实的答案是：手机基站的信号协议通常也不由用户阅读，AI中间消息可以类似处理。 但你得确保故障发生时，有工具能把那些“密文”翻译回人话供人审计。论文作者也在风险段提醒：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；安全关键领域可能损害安全性
另一个问题是：这会不会反过来改变人类写给AI看的“人话”？
毕竟评论区已经有人在说，自己混写多语言、公式和代码给模型看，“已经用了大约两年”。还有人在做把提示工程形式化、削减三成token的研究。“少说废话”正在从人类的修辞洁癖，变成AI经济学的刚需。
27.9%这个数字，也许明天会有更多复现把它拉回40%、50%。但方向是明确的：语言，作为信息的容器，正在被AI重新谈判。 我们花了几千年磨炼清晰表达，现在AI告诉我们：理解信息可以比完整表达更便宜。
那句话怎么说的来着？
BabelTele是给模型看的字，离给人看的诗很远。
但诗的年代，也许真的回不去了
