夜雨聆风
两个 AI 在你手机上聊天你凑近一看，屏幕上全是乱码 光合、CO2、箭头、emoji、中英文混杂的碎片。你已经彻底失去了旁听的资格而这场对话，已经发生在 2026 年一篇颇受关注的 arXiv 论文里。论文还呈现出一种反常景象：它们聊得越好，人类越慌。
把“人话”删掉，性能反而更好？
2026 年 6 月 18 日，上海交通大学等机构的 Jiayi Zhu 团队向 arXiv 提交了一篇论文，标题就带着挑衅：
《Large Language Models Do Not Always Need Readable Language》，大语言模型，未必总要使用人类可读的语言。
论文提出了一种叫 BabelTele 的文本表示：让模型在传递信息时，主动放弃人类阅读体验。它不写“光合作用是植物将光能转化为化学能的过程”，而是写，
光合: CO2+H2O::(ox/red)<>O2!+Glucose.💧-e-,CO2+e-
45 个 token，塌缩为 11 个人类看得头皮发麻，AI 却秒懂，且准确率几乎不掉。
▲ arXiv 摘要页：99.5% semantic fidelity；27.9% of its original length。这也是讨论最多的两项指标。
这组数字到底代表什么？ 文本体积压到原来的 27.9%，语义保真度仍高达 99.5%。翻译成商业语言就是：同样的上下文窗口能容纳三倍多的内容，成本砍掉七成，任务质量几乎无损。 在多智能体通信场景中，token 节省最高达到 44.21%，任务得分相对基线保持在 96.6%–99.7%。照这个口径看，你花在 AI 对话上的每一块钱里，有七毛是在为“人类能读懂”这个奢侈需求买单。
机器之间的“可读性税”，贵得离谱
我们得先解释一个概念今天几乎所有多智能体系统都在“说人话”。 两个 AI agent 协作时，传递的是完整英文散文、JSON、Markdown。为什么？因为人类要调试和审查系统，也希望过程“看得见”。但问题在于，
“这份奢侈，正在变成系统级成本。”
Nadir 博客七月末发了一篇影响不小的文章，标题叫《The Readability Tax》，直译过来就是“可读性税”。它描述的是一个残酷的工程现实：为了让人能读，机器之间一直在为标点、语法、修辞、重复的“前情提要”烧 token。多轮 agent 对话中，上下文很快被冗长的自然语言填满，延迟和费用同步飙升。
而这，正是 BabelTele 要颠覆的。它越过“把话写短一点”的常规思路，直接抛出一个釜底抽薪的问题：
“既然读者是机器，信息何必长得像人话？”
▲ Rohan Paul 在 X 上的主贴：“人类可读性、自然语言流畅性、机器可恢复性，三者是可分离的。”
论文的做法简单到让人背后发凉：模型架构、tokenizer 和训练流程都保持原样。 一条黑盒指令让 LLM 跨中英日韩法等语种挑选最“密”的词素，再用 emoji、数学符号、化学式和箭头压缩句法；下游模型无需密码本，凭“常识”还原信息。
然后，模型自己就发明了一种“方言” 压缩约束逼着它自行生成这套表达
人读不懂，AI 却觉得“更香”
论文里有一组让人哭笑不得的对比数据。BabelTele 的 Dale-Chall 可读性分数约 16.70，这是一个基本可以判定为“不可阅读”的水平，难度堪比法律文书的数倍；人类志愿者在该文本上的问答准确率断崖式下坠。但换给强指令模型，Gemini 3.1 Pro 面对这些“乱码”，准确率几乎纹丝不动。
实验呈现出的反差是：
人类越觉得不可读的东西，对 AI 来说信息密度反而越高。
更“诡异”的实验结果藏在多智能体通信那一节（Table 3）。异构组合，Gemini 3.1 Pro 当压缩方，GPT-5.4 当阅读方，token 省了 44.21%，任务得分反而达到 99.7%，比同构的 96.6% 还高。
不同厂商的模型，没有任何共享密码本，却能零样本解码彼此的“外星语”。 AI 研究者 Grigory Sapunov 在 X 上连发 10 条技术拆解，并将结果概括为：“Stronger models generate highly portable representations.”更强的模型，生成的是高度可移植的表征。 这像什么？像两个精通多门语言的人，在电话里约定用数学公式和化学式沟通，语法全无，但信息无损。
▲ Sapunov 串 5/：45-token 光合作用解释坍缩为 11-token 的现场拆解。
效率的另一面，是一个正在消失的“监听室”
但故事不会只停留在“省钱”这么简单 如果只看到效率，你就错过了这场讨论最锋利的部分。
Sapunov 在第 7 条推文里提了一个让安全研究者瞬间坐直的问题：“人类难读的中间协议，会绕过对齐审计。” 开发者 Saeed Anwar 也指出：
“这是迈向‘我们无法审计的模型间通信’的第一步。”
想想看今天的企业 AI 合规、内容审核、故障排查，全都依赖于一个默认前提：系统中间的消息，人至少能读。 但如果 agent 之间越来越多地使用这种高密度、非常规的私有压缩形式呢？审计日志会难以阅读，故障追踪和对齐评估也将失去文本抓手。
沿时间线回看，相关尝试早已出现
2025 年 2 月，ElevenLabs 黑客松上的 GibberLink 就做了物理层的“叛逃”：两个语音智能体用人类语言开场，一旦发现对方也是 AI，当即将通话切换到 ggwave 音频数据调制，就是那种老式拨号上网的“吱吱咔咔”声。微软的 DroidSpeak 则更技术流一些：让同架构模型共享 KV cache，干脆不把信息吐回成文本。早期 KQML/FIPA 时代的智能体通信语言也以形式化语义为目标，聊天式散文不在设计目标内。
把这些拼在一起，你会发现一个让人兴奋又不安的大趋势： 通信栈的每一层，物理层、缓存层、提示词层、会话层，都在不约而同地做一件事：
少付一点“说人话”的成本。
成本、安全与厂商竞争
成本部门最先看到收益一个 1.65M token 的代码仓库问答任务，截断会丢失证据，直接全塞又塞不下。按块 BabelTele 压缩后再拼，Qwen3.6 Max 准确率从 55.17% 跳到 62.07%，GLM-5.1 从 62.07% 跳到 72.41%。 只改提示词指令，就有机会省去更大的上下文窗口和模型升级。省下的钱，是真金白银
治理与安全团队看到的则是风险论文自己的风险段写得很清醒：紧凑非常规表示“可能绕过面向人类的审核与安全过滤”。由此产生的情形是：模型可以在人类完全无法理解的信道上交换信息，出发点是效率，可“秘密”和“效率”之间的界限正在变得模糊。
模型厂商之间也会出现新的竞争因为 BabelTele 类技术越普及，对底层模型“解码压缩语义”的能力要求就越高。谁能读懂的“方言”越多，谁的 agent 生态就越大。压缩，正在成为模型厂商新的能力军备竞赛。
将来，人类会是 AI 通信的“第三方”
让我们退后一步，看一个更完整的画面。日本复现作者在 note.com 的长文里提醒了一个容易被忽略的口径问题：
“99.5% 语义保真”指任务正确率的保持率，不能等同于信息论意义上的无损还原。
也就是说，“光合: CO2+…”这串东西，AI 能答对相关问题，但不代表它能还原原文的每一个细节。论文作者称它为“经验探针”（empirical probe），距离工业协议还有很远。
但这并不减弱它的冲击力它最有分量的地方，在于展示了一个方向：
LLM 的内部表征，本来就不长人样 BabelTele 只是把这个事实第一次完整地暴露在外部文本信道上。这暗示着一个我们不愿面对却必须面对的未来，
在 AI-to-AI 通信的主流干线上，人类可能很快就不再是第一读者，而会退到旁路，靠专门的审计工具才能看懂对话。
从电报码“CUL8R”到数学和编程符号，人类不断以更紧凑的形式换取思考或执行效率。每一次“去人类化”的表面形式革新，都带来了效率的跃迁。AI agent 之间的 BabelTele，不过是这条长线上最新的一环。
人类需要的是一个“传译窗口”
所以，“AI 会不会背着我说话”已经不再悬而未决。现在的问题是：我们能不能在效率与可审计性之间，设计出第三条路？
论文作者自己给了方向感：在安全关键场景，不可读中间表示必须慎用。Cross Labs 对 GibberLink 的评论也强调：这属于工程优化，同时需要可审计接口。可以把要求概括为：
你可以在内核上跑二进制，但得给我留个反编译窗口。
未来的多智能体系统，可能会长出这样一种“双信道”架构：机器之间走压缩协议，人类侧保留一个实时“传译窗口”，它自己也是 AI，专门负责把机器间的“光合: CO2+e-”翻译成人类舒适区内的散文，供审计、监控和追责使用。讽刺的是，这层“人话翻译税”，最终还是由 AI 自己来付。
而那些拒绝提供这个窗口的系统，终将在某一天，成为监管和用户信任的失地。
故事的最后，把镜头拉回那个最简单的画面：
两个 AI 在聊天屏幕上滚过一行行你看不懂的符号你问其中一个：“你们在说什么？”
它回答：“没什么只是在讨论怎么帮你省钱”
你信不信？
这是一个关于效率的春梦，还是一场审计的噩梦，答案取决于我们选择看见什么。
▲ Sapunov 串 7/：输入越密，阅读端 CoT 可能越长；安全过滤器可能被绕过。
