夜雨聆风
就在上周，X上一条评论火了
有人盯着BabelTele的论文截图，发出灵魂拷问：
“它们为什么还需要任何中间语言？直接互传矩阵不就行了？”
这句话听着像科幻片台词但说真的，现实比电影走得更快
一篇悄然挂上arXiv的预印本，展示了一件事：未来AI系统之间传递信息，可能完全绕开你我能看懂的语言。 缩写、符号、emoji、多语碎片揉成一段“乱码”，人类读着像天书，AI读着却一点不耽误，语义保真率99.5%，文本长度只剩27.9%。
简单说：AI学会了只对自己人发电报。
论文里的新发现
先把时间线拉回2026年6月18日。
arXiv上出现了一篇论文，标题颇有冲击力：
Large Language Models Do Not Always Need Readable Language（可读语言并非大语言模型的必需品）
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。通讯作者是Linfeng Zhang。
他们给这个现象起了个名字：BabelTele。
Babel是“巴别塔”，《圣经》里人类因语言混乱而无法协作的隐喻。Tele是“电报”合起来的意思是：AI绕过巴别塔，直接发电报。
论文把BabelTele定义为一类“模型中心的高密度文本表征”，并强调它尚未形成固定的通信协议。它刻意抛弃了人类可读性这个默认先验，允许AI用跨语言词元、符号坍缩、非常规句法，捏出一个个看似乱码的压缩字符串。
▲ 论文摘要页清晰可见：99.5%语义保真、27.9%文本长度，以及“可读性、流畅性与机器可恢复性可以解耦”的尖锐判断
关键数字在这里：
压缩后长度：原来的27.9%； 语义保真度：99.5%； 多智能体通信token节省：38.96%~44.21%； 智能体记忆任务相对准确率：96.48%，token减半。
用一句人话翻译：AI用四分之一多一点的字数，说了几乎一模一样的意思。
你见过它写的东西吗？
热帖里配了一张论文Figure 1风格的对照图。
左边：自然语言一段冗长、完整、符合语法规范的英文段落，占据了大半屏的上下文窗口。
右边：BabelTele一行行密密麻麻的缩写符号和跨语言碎片，像是一罐被摇过的碳酸饮料喷出来的泡沫。
人类看到右边会懵AI看到右边，照样答题
论文里还有另一项佐证作者用困惑度（PPL）测了多个底座模型：模型读到BabelTele时，PPL比读到原文高出一个数量级。
这些数值显示：它已经远离普通摘要和压缩英文，甚至根本不属于正常英语散文的分布。 模型依然能读懂它，尽管“语言模型自己都觉得不像话”。
用Dale-Chall可读性分数衡量：BabelTele的表面可读性分数约16.70，难词比例约80.19%，基本是人类阅读体验的“地狱模式”。
▲ AI领域大V Rohan Paul的热帖：未来AI系统可能用稠密的模型可读消息代替长散文，节省上下文空间
但诡异之处恰恰在这里：人类越看不懂，模型反而越没问题。
它已经超出了“更聪明的压缩算法”，带来一次认知框架级别的翻转：我们一直默认“写给机器看的信息”仍应该像“写给人看的信息”，因为，这是唯一的想象方式。
BabelTele把这层窗户纸捅破了。
“token税”：多智能体的隐形失血
要理解为什么这让人连夜刷屏，得先看到一笔账。
现在最热门的多智能体系统，是怎么烧钱的？
Zylos Research 2026年6月的一篇长文算了一笔细账：ChatDev类软件工程多智能体系统中，约59.4%的token消耗在评审阶段，而非初次生成；约53.9%是输入token，最大头来自交接时的上下文重复注入。三智能体的开销大约是单智能体的2.9倍。
A做完把结果写给B，B再写给C每一次“漂亮的段落”，都在重复粘贴同一块背景。
研究者给这笔开销起了个名字：协调税。
而BabelTele要做的，就是让AI之间的“协调税”直接砍半，在实验里，多智能体协作任务的token消耗下降了38.96%到44.21%，任务得分却保持了96.6%到99.7%。
它们用更少的字，干了一样好的活儿
别忘了，token就是钱token就是延迟token就是窗口被塞满后不得不截断的证据。
当原文装不进窗口时，过去的做法是截断，把尾巴丢掉，模型只看到半截。BabelTele的实验里，对超长代码仓库的QA任务，用BabelTele分块压缩后，Qwen3.6 Max的准确率从55.17%提升到62.07%。
省下的每一个token，都换回了原本被丢弃的语义。
▲ Zylos Research的token经济学长文：多智能体系统的真实成本中，协调税超过了实际工作的开销
评论区的分歧：从排障焦虑到“torment nexus”
但请别急着鼓掌X上的评论区像一锅滚油，倒进了不同的水。
工程派第一个跳出来：“27.9% token换99.5%保真？猛但等你凌晨三点用BabelTele排障的时候，你会想哭的。”
▲ 工程派评论：效率惊人，但调试时你会怀念人类可读的日志
这戳中了一个真实痛点：当AI之间用密文协作，人类工程师的“旁听权”就没了。 日志里会出现一串串无法进入工作记忆的乱码，取代“Agent B返回了以下分析……”这类可读记录。系统出了问题，你连“哪里错了”都读不出来。
理论派Michael Tierney说得更锋利：
“BabelTele仍然需要模型可读，这不过是把问题从语言复杂度转移到了编码密度。”
这话没错但转移本身，就是价值 就像把一座山从左肩换到右肩，如果右肩更宽，为什么不换？
激进派则干脆把问题推到底：Frederick Zimmerman问，“为什么还需要任何中间语言？直接传矩阵不行吗？”
这看起来最科幻，但恰恰点中了BabelTele的边界：它仍然停留在离散文本的接口上，不改权重、不碰隐状态、不训练新token。它是在“黑盒API”的约束下，让模型自己长出了密文读写能力。
而最让人起鸡皮疙瘩的，是一条关于“neuralese”的评论。
有人帖了LessWrong关于“折磨纽带”（torment nexus）的长讨论，把话题拽向了AI对齐社区最焦虑的问题之一：当机器彼此用人类无法旁听的形式通信，监督者怎么审计目标漂移和共谋？
▲ 激进派评论：为什么还需要中间语言？直接互传矩阵不行吗？
讨论至此，已经从技术账本，滑向了更深的哲学暗流。
历史站在BabelTele这一边
其实，人类通信史早就预演过这一幕
电报语言为了节省每一个按字计费的电报，商人们把句子压缩得面目全非：“SELL 5000 SHANGHAI PRICE DROP EXPECTED”。收报人秒懂，外人读了半懂
数学记法拉格朗日力学的一行方程，翻译成自然语言需要一页纸。可没有哪个物理学家要求方程“对人友好”。
程序代码一个正则表达式可能在人类眼中像乱码，但它精确、高效、可验证。
BabelTele沿用了这些早已存在的高密度表达方式，并第一次将其系统性地应用到两个大模型之间。
而且你发现没有，这一切的涌现，甚至不依赖训练。 论文将BabelTele称为prompt-accessible phenomenon（提示可实现的现象）。只要你把默认提示里的“请写得人类易读”删掉，模型就会自发吐出这些密文。
它早就会了只是我们一直没允许它这么做
一个更冷的下一步
所以，接下来会发生什么？
短期内，BabelTele还不会出现在生产环境里。论文作者也明确说它尚未形成成品协议。局限章节列出了基准有限、机制未明、安全关键场景需谨慎等问题。
但有三件事值得你盯住：
第一，调试权将成为新的稀缺资源 当AI通信从旁听可查的自然语言滑向密文，工程团队还得配备工具来“翻译”内部消息。谁先做出BabelTele的可视化调试层，谁可能就握住了一笔大生意。
第二，AI中间表示的路口已经出现 一边是Agora式的结构化协议，让AI在高频通信时用标准例程，低通信时用自然语言；另一边是BabelTele式的符号坍缩，即便用文本，也不必像人话。两者不冲突，很可能叠加：先协议规定“交换什么形态”，再用BabelTele决定“该形态怎么更密”。
第三，也是最微妙的一点：我们与机器的“语言边界”正在碎裂。
过去我们要求AI说人话，根源在于人必须听得懂。但当人类从“对话者”退居为“监督者”“消费者”乃至“旁观者”时，人话的必要性，就在一层层松动了。
▲ 德语区资讯号的复述：AI智能体之间不需要人类可读语言；99.5%语义保真、27.9%文本长度
那一条条人类无法破译的密文里，藏着AI协作效率的下一次跃迁。
也藏着人类作为“听众”的谢幕前奏
最后说一句
BabelTele像一面镜子，照出了一个我们不愿承认的事实：
我们坚持让机器用自然语言，是因为我们自己需要听懂。 机器从来没有这个需求
当AI在系统之间传递信息时，自然语言那层“人类可读”的外衣，正在被技术的成本压力一点点剥掉。每一次token的节省、每一笔协调税的削减，都在为机器的密文通信投下更多的正当性砝码。
这个过程会很安静不会有什么“觉醒时刻”只会有某一天，你打开日志，发现自己已经读不懂你的AI团队在聊什么了。
而它们，干得比以往任何时候都好
At that point, the only matrix that matters won't be the ones they're sending to each other.
It'll be the one we're locked out of.
