夜雨聆风
这篇论文，动摇了自然语言的默认地位
想象一下这样一个画面：你深夜三点被报警电话叫醒，生产环境崩溃，你冲进日志系统，发现满屏都是emoji、法语碎片、数学箭头和断裂的句子。你的第一反应是系统被黑了但真相更让人后脊发凉，这是两个 AI 智能体之间正常的业务沟通。
它们用的语言，人类读不懂，而且它们对人类可读性毫无兴趣。
2026 年夏天，一篇来自上海交通大学等机构的预印本，arXiv:2606.19857，用极其平静的学术语气，向整个行业抛出了一个尖锐的问题：如果信息的接收者是另一台大模型，我们为什么还要用完整、流畅、人类友好的自然语言来编码语义？
答案是：不需要
论文提出 BabelTele，一种“模型中心的文本表征族”。在把文本体积压缩到原长 27.9% 的情况下，语义保真度仍高达 99.5%。代价只有一个：人类完全看不懂
▲ arXiv 摘要页顶部：99.5% / 27.9% 的强结果表述，论文正文比社交帖里的简化表述复杂得多
当“巴别塔”反而巴别出了效率
BabelTele 这个名字，玩的是“巴别塔”和“电报体”的合体双关：多语碎片胡乱一锅炖，像巴别塔一样混杂；省略虚词、只留信息骨血，像电报体一样节省。
来看看论文 Figure 1 那段著名的示例。一段关于布鲁塞尔/欧洲的散文，被压缩模型改写成：法语、荷兰语提示、价格箭头、面包和巧克力 emoji、断裂关系线的混种密文。
每一个单独的符号都认识，拼在一起，人脑当场过载。
但大模型读完，答题准确率几乎不降
论文里的数据更是硬得硌牙：BabelTele 的 Dale-Chall 难度分数高达 16.70，难词比例 80.19%，远超原文和人类向摘要。在基座模型上，它的困惑度（PPL）相对原文飙升了一个数量级：Llama-3-8B 从原文的 9.63 直接冲到 176.60。按模型自身的概率判断，BabelTele 几乎是“不自然的语言垃圾”。
但换到下游任务上，垃圾变现了
▲ 论文 Figure 1 示意图：左栏自然语言，右栏 BabelTele 碎片，两路都进 LLM，答题结果几乎一样
节省 token，也是在削减智能体协作的“过路费”
要理解这件事的商业重量，得先看一个行业正在烧钱烧到肉疼的地方：多智能体系统。
2026 年，A2A、MCP、ACP、ANP 四套工业协议已经把“智能体如何发现彼此、如何安全协作”的桌子架好了。但桌面上的对话，依然是满汉全席式的自然语言：一个智能体检索完，用三段论文腔向另一个智能体汇报；一个批评者回复了五百 token 的“改进建议”，其中四百八是礼貌铺垫。
窗口满了，账单涨了，延迟上去了，核心信息反而被稀释了。
BabelTele 在论文中的多智能体实验给出了这样一串数：同构（双方都是 Gemini 3.1 Pro），token 缩减 38.96%，得分保留 96.6%。异构（Gemini 与 GPT-5.4），token 缩减 44.21%，得分保留 99.7%，异构甚至略更省、分更高。
翻译成人话就是：让 AI 之间别装君子了，直接说“黑话”，反而更省钱、更准。
▲ Times Of AI 的二次解读帖把问题钉在了一个更尖锐的进化命题上：“机器原生语言会不会是下一阶段？”
“调试地狱”的玩笑，与“直接传矩阵”的反问
社交帖的评论区，给这个故事添上了工程侧的张力。
有人用黑色幽默把浪漫主义撕得粉碎：“27.9% token 换 99.5% 保真？好极了直到你凌晨三点要在 BabelTele 里排生产故障。”
有人，比如 Michael Tierney，冷静补刀：“BabelTele 仍然需要模型可读，这只不过是把问题从语言复杂度挪到了编码密度。”
▲ Michael Tierney 的回复精确地点出了技术争议的核心：这究竟是一次根本性的突破，还是一次成本的转移？
最尖锐的反问来自 Frederick Zimmerman：“为什么还需要中间语言？直接互传矩阵不行吗？”
这个提问，直接把坐标点向了另一条技术演进线。
BabelTele 是“仍是文本，但不以人类可读为默认约束”的中间物种：能走黑盒 API、能落盘、能在日志里“看见”那堆乱码。但再往前走一步，就是 Interlat 那类纯隐空间通信，学者已经在传最后一层 hidden state 了，报告里最高能比文本推理快出约 24 倍量级。
由此看，BabelTele 的定位还包括充当范式迁徙路上的一站，其意义已经超出省钱工具的范围。
它撕开了一个口子：自然语言从“唯一脚本”变成了“可选策略”。“AI 之间必须说人话”这条潜规则，第一次被实证地放在了对模型中立的天平上。
一个“用了两年混语写作”的人，和一堆“这不就是速记”的争论
这个“新物种”也有旧的影子
社交平台上，Thomas O'Duffy 转发了自己两年前的一条符号戏仿帖，带着一丝“我早就知道了”的意味。LoomLabs 甚至直接甩出了一个 GitHub 仓库，说他们最近搞过一个“silly experiment”，“kinda worked”。
▲ Thomas O'Duffy 引用自己早前的符号戏仿帖，声称类似混语写法已用了约两年
而产业界更是在用真金白银，在这个方向上加速。
Eric Glyman 发帖宣称：他的团队已经让智能体直接做 cache 到 cache 的记忆共享，“跳过把一切都变成 token 的慢路径”，宣称 31% 更便宜，准确率无损。
▲ Eric Glyman 对 cache-to-cache 的描述，代表了“连 BabelTele 都不用了”的更激进路线
再往外看一圈，你会发现一个完整的技术光谱已经在 2026 年悄然成型：
- LLMLingua 家族
：删 token 的压缩器，还尽量保留“像话”的样子； - BabelTele
：像写电报一样改写，不再保证人类顺滑阅读； - Interlat 与隐空间通信
：直接离开文本世界； - TACO 等自演化压缩
：让智能体从轨迹里自己学“该留什么、该丢什么”。
这个光谱承载的，是同一个正在被反复验证的产业判断：在“AI 大规模协作”这场新的“工业革命”里，自然语言是第一座要倒下的收费站。
人类运维员的黑暗未来，与“审计权”的最后挣扎
但笔者必须在此停一下，说几句没那么让人兴奋的话。
BabelTele 的论文作者团队在局限性章节写明：任务与模型覆盖仍窄，工作偏现象刻画，机制解释不足。而且跨模型压缩矩阵补上了社交帖常常漏掉的信息：
有些模型的压缩产物对多数读者模型是“友好”的，有些则是破坏性的。读懂 BabelTele，根本不能简单归结为“模型越大越行”。
那 99.5% 的保真度也需反复咀嚼：它来自下游任务准确率的相对保留，并非人工通读后打出的“意思一样分”。
这个数字表达的是：机器在任务指标上依然“认为它懂了”。
一个有些冰凉的前瞻是：当 AI 之间的通信全面黑话化，人类的可观测性就和系统的效率变成了天平的两端。你想省钱省得踏实，就得放弃能半夜排障的权力；你想保住审计权，就要付出窗口膨胀、账单翻烂的代价。
有评论把这个矛盾和“torment nexus”式反乌托邦勾连了起来：人类先是想象“让 AI 说人类听不懂的话”，然后，把它认真做成了系统默认设置。
BabelTele 的论文没有走到那个反乌托邦，但它确实递来了一张优先席的票。
论文标题背后的权力之问
所以，回到开头那个问题：这篇论文从“省 token”继续追问到了“权力的边界在哪里”。
它在问：当通信双方都不再需要有一个人时，人类曾经为语言制定的那些规则，语法、礼貌、冗余、连贯通顺，还值多少成本？
论文的答案是：大约 72.1% 都被浪费了。
剩下的 27.9%，是一片我们才刚刚目睹诞生，就已经开始看不太懂的疆土。
而那儿，正有模型在互相说话
本文事实约定：BabelTele 对应论文编号 arXiv:2606.19857，作者团队含 Jiayi Zhu、Haoxuan Peng、Junxi Wang、Liang Ke、Chen Zhang，通讯作者 Linfeng Zhang，通讯单位上海交通大学。论文中 99.5% 语义保真与 27.9% 文本长度属摘要层“最强钩子”；多智能体场景最高约 44% token 节省是更贴近应用的数字。跨模型矩阵与思维链开销提醒读者：这组实证结果只在特定压缩方、阅读方配对下成立，目前尚未形成标准化的通用密语。
