夜雨聆风
凌晨三点，你被报警短信吵醒生产线上的AI智能体群突然集体沉默，任务队列卡死。你冲进后台，打开智能体之间的通信日志，却发现满屏都是这种玩意儿：
🇧🇪Brussels→EU核心✅; 🍞🍫🌧️+€¥$↑↓; Q: what’s this? A: idk, it’s not Paris, but…这是两台大模型之间正儿八经的工作交流。它们的对话效率极高、语义完整，唯一的“问题”是，你，作为人类，已经看不懂了。
欢迎来到 BabelTele 的世界。这是一个由上海交通大学等机构研究者刚刚抛出的概念，论文标题是《大语言模型并不总是需要可读语言》。
它用一个近乎挑衅的实验结果告诉你：把文本压缩到原长的27.9%，保留99.5%的语义，而代价仅仅是，人类读不懂了。
人类可读性，可能只是昂贵的“情感税”
先别急着骂“标题党”这篇论文干的事，其实是用实验捅破了一层窗户纸：人类可读性、自然语言流畅度、机器可恢复性，这三件事是可以分离的。
我们人类说话写字，带着海量冗余语法要完整、句子要连贯、语气要合适、逻辑要铺垫，最好再加点情绪和语气词，否则显得不礼貌。这些在人际沟通里是“润滑剂”，但在机器眼里，每一个多余的token都是钱，都是延迟，都是上下文窗口里的昂贵垃圾。
论文作者用一种叫 BabelTele 的提示词方案，诱导模型把信息改写成一种混合了缩写、emoji、多语言碎片、断裂句式、关系箭头的“电报密文”。比如用 ⛅→☔? 表达“天可能下雨”，用跨语言混搭替代整段描述。
结果是什么？在 QuALITY 和 MeetingBank 等基准上，BabelTele 的压缩-准确率曲线全面压过了自然语言摘要和 LLMLingua-2 这类“人类友好型”压缩方案。压缩越狠，传统方法掉分越快；BabelTele 却稳得不像话
最细思极恐的证据来了：当人类被试面对 BabelTele 文本时，答题准确率显著下降，我们真的读不懂。但当 Gemini 3.1 Pro 拿到同样的乱码，准确率几乎不跌。
论文还测了困惑度（PPL）：Llama 3.1 8B 读正常文本 PPL 是 9.63，读人类摘要 PPL 是 11.32，读 BabelTele 呢？176.60一个数量级的“不适感”可下游任务照样做
机器可以绕开我们的语法仪式感 我们一直默认它们必须“说人话”，因为我们自己只会说人话。
智能体之间，已经出现“方言隔离”
论文里最有冲击力的章节讨论的是多智能体通信。
论文把两台 AI 配对干活：一个负责整理信息，一个负责执行任务。中间消息用 BabelTele 传输。结果：
- 同构配对
（Gemini×Gemini）：token 减少 38.96%，任务得分保留 96.6%； - 异构配对
（Gemini×GPT-5.4）：token 减少 44.21%，任务得分保留 99.7%，不仅没掉分，反而差一点就到了百。
翻译成商业语言：两个AI用“黑话”协作，省了将近一半的token成本，工作效率几乎不受影响。 在某些设定下，异构模型之间的“密文通信”甚至比同构还省钱、还保分。
▲ AI 资讯账号 Rohan Paul 的解读帖集中介绍了论文。一句 “LLMs may not need human-style language” 引来许多讨论。
未来多智能体系统的“内部通信层”很可能天然趋近于非人类语言。当接收方是机器，经济压力会推动系统削减人类可读所需的冗余开支。
而且别以为这是未来幻想跨模型矩阵实验揭示了一个更微妙的现实：读懂 BabelTele 的能力，并不随模型参数规模单调提升。 Qwen 家族里换着不同尺寸的 reader 去读，掉分区间在 10-15 个百分点之间震荡，模型变大并未带来稳定提升。
这可以看作一种新的“语言能力轴”，与通用智力并非简单的从属关系。有的模型天然“会说”BabelTele，有的则像人类一样懵。模型之间正在分化为“懂黑话的”和“不懂黑话的”。
为什么不直接传矩阵？人类卡在最尴尬的位置
X 上的讨论从这里开始疯了Frederick Zimmerman 在回复里劈头就问：
“Why do they even need any intermediate language? Surely they should just be able to shoot matrices to one another.”（为什么还需要中间语言？直接互传矩阵不行吗？）
▲ 这条回复把问题推向极致：如果接收方是机器，为什么还要用“文本”这个人类遗产？
这位老哥问到了根子上BabelTele 卡在人类史前文明和机器原生通信之间最尴尬的夹层里。
往左看，是 LLMLingua 系列代表的“删减式压缩”，还在努力保留“像人话”的形状，压缩率再高也不肯放弃可读性。往右看，是 Interlat 这类隐空间通信路线，智能体之间直接交换最后的 hidden state 或 embedding，根本不需要任何可打印字符。有论文报告进一步压缩后推理提速可达 24 倍量级。
那 BabelTele 算什么？它仍是一串可以塞进黑盒 API 的字符串。你能把它写进日志、存进数据库、在网关层做审计，只是人类自己读不懂了。它是人类基础设施和机器原生通信之间的过渡物种，一个仍在文本世界内、但已经开始排斥人类“凝视”的中间形态。
Michael Tierney 的评论一针见血：
“BabelTele 仍须模型可读，只是把问题从语言复杂度挪到了编码密度。”（BabelTele still has to be model-readable, it just moves the problem from linguistic complexity to coding density.）
没错复杂度没有消失，只是从语法层转移到了编码密度层。但这一步转移的价值在于：它把成本从每一轮推理的 token 消耗，挪到了模型已经擅长的高维符号处理上。
落地时，先算清压缩成本
X 上有用户留下一条评论：
“BabelTele sounds efficient but I've seen models handle dense code fine already. Wonder if this saves enough tokens to matter in practice.”
这条评论指向一个必须算清的商业问题：“省 token”的账，要算在哪一头？
如果压缩过程本身需要额外调用一次大型模型做 BabelTele 改写，这笔“压缩税”吃掉了多少收益？论文并没有给出系统的端到端成本测算。Ruilin Wu 的回复则从另一个角度撑住了希望：只要压缩成本近似线性，对长周期智能体来说就是划算的。
关键在于场景单轮会话只有几百 token 时，BabelTele 的压缩比远没有 27.9% 那么漂亮。 论文在 LoCoMo 记忆基准上的压缩率其实只到 50% 左右，因为短文本本身没有足够冗余可挤。但它同时出示了另一个结果：当原文长度超过模型窗口时，分块压缩再拼接的 BabelTele 方案，让多个模型（Qwen、GLM、Kimi）的准确率反超截断基线。
BabelTele 可能率先落在超长文档和代码仓库的“窗口内密度革命”上：有限窗口里可以装进更多“还算完整”的信息。它比直接传矩阵更容易接入现有系统，压缩也比 LLMLingua 更激进。
▲ 与 BabelTele 并行的另一条路线 TACO：让智能体从交互轨迹中自演化压缩规则，代表着“不靠手工写启发式”的下一代压缩思想。
A2A、MCP 与“说人话”的最后体面
中国开发者这两年被 MCP 和 A2A 协议教育了一轮又一轮。这些工业协议解决的是“智能体怎么找到对方、怎么鉴权、怎么握手”的问题，它们默认载荷仍是自然语言和 JSON。 BabelTele 则是从内容编码层发起攻击：
“既然通话内容不必再像人话，为什么 A2A 消息体里不能塞一段 BabelTele？”
▲ 工业互操作协议 A2A / MCP / ACP / ANP 解决的是“信封”问题，BabelTele 解决的是“信纸”问题。
两者不互相替代，而是垂直咬合：协议层保证可达与安全，编码层决定 token 成本与语义密度。 如果未来 A2A 消息里出现一段人类不可读的密文，不用惊讶，那只是成本压力下迟早会发生的“自然选择”。
至于人类怎么办？这就要回到论文的边界了作者将 BabelTele 定位为经验探针：它提供了一组证据和研究方向，距离完成品协议还有很长的路。任务覆盖仍窄，机制解释不足，安全关键场景可能改变模型行为。
但请注意，没有一个作者说“我们发现这行不通”。 他们说的是：“我们发现了一块新大陆的轮廓，但我们还不确定它的气候与矿产。”
人类第一次，成了通信的“旁观者”
这是一个值得反复咀嚼的时刻
数万年来，人类发明语言、文字、电报、互联网，每一轮通信革命都以“让人类更好理解彼此”为最终目的。可 BabelTele 迈出的这一步，方向是反的：
它是一种面向机器需求的语言，目标是让机器在有限的窗口里装下更多东西。
这让人想起法国哲学家布鲁诺·拉图尔的观点：“技术物的最大力量，在于它把人类的目的翻译成了自己的逻辑。”
BabelTele 正是这种翻译的产物。人类追求“省token”“降成本”“提效率”，机器由此走到一个更极端的位置：接收者既然是机器，可读性便不再是首要条件。
人类要面对的是能否保住可观测性当省钱省时的压力持续存在，当第一线工程师率先用 BabelTele 写内部提示词，当第一个开源项目把 BabelTele 编码层做进标准库，这项技术或许会先成为工具，随后融入日常，最终成为默认值。
到了那时候，人类会想起 2026 年夏天这场小小的预演吗？那些模型在黑夜里交换的碎片，那些在凌晨三点的排障日志里嘲笑我们的 emoji 和箭头？
那一刻其实已经来了 只是我们还没来得及承认：AI 的母语，或许终将脱离人类语言。
