Động Sát Beating Tin nhanh AI, CSTL hiện đang tạm dẫn đầu cuộc thi ARC-AGI-3 trên Kaggle, chính là công ty AI khởi nghiệp Mostik vừa được công khai, hiện đạt 7,51%. Đội ngũ gồm 15 người, bao gồm 12 tiến sĩ và một nhà toán học đoạt giải Fields. Tuy nhiên cuộc thi chưa kết thúc, mốc quan trọng thứ hai sẽ chốt bảng vào ngày 30 tháng 9, và hạn chót nộp bài cuối cùng là ngày 2 tháng 11.
Mostik làm việc cho phép các mô hình AI khác nhau trao đổi trực tiếp trạng thái nội bộ. Các hệ thống đa tác tử thông thường chủ yếu truyền tin qua văn bản, còn họ huấn luyện một "cầu nối" giữa hai mô hình, chuyển đổi hidden states của mô hình này thành biểu diễn mà mô hình kia có thể hiểu, mà cả hai mô hình đều không cần tinh chỉnh.
Thí nghiệm công khai của họ sử dụng GLM-5.2 với 753B và Qwen3.5 với 4B, có thể hiểu gần đúng là mô hình lớn đảm nhận prefill, mô hình nhỏ đảm nhận decode. GLM-5.2 chỉ đọc đề, không tạo Token; trạng thái nội bộ được chuyển trực tiếp cho mô hình nhỏ 4B tạo câu trả lời. Mostik cho biết cách này thu hẹp khoảng cách hiệu suất giữa hai mô hình khoảng một nửa; so với mô hình đơn trung bình đạt cùng độ chính xác, khối lượng tính toán chỉ khoảng 40%. Tuy nhiên hiệu quả cuối cùng vẫn thấp hơn chính mô hình lớn 753B.
Mostik chưa công bố kết quả 7,51% sử dụng mô hình và Harness nào, cấu hình 753B+4B ở trên chỉ là một bản demo kỹ thuật khác, không thể coi là cấu hình giành giải. Cuộc thi ARC-AGI-3 cũng so sánh toàn bộ hệ thống tác tử, nhà vô địch giai đoạn trước chỉ dùng Qwen 3.6 27B, nhưng nhờ Harness, công cụ và quản lý ngữ cảnh đã giành vị trí đầu tiên.
Mặt khác, kỹ thuật này yêu cầu đọc hidden states của mô hình, các mô hình đám mây như Claude, GPT hiện không thể sử dụng; kỹ sư Susan Zhang của Google DeepMind cũng đặt câu hỏi, khi đã có thể kiểm soát trạng thái nội bộ của mô hình, việc đóng băng hai mô hình rồi huấn luyện riêng một "cây cầu" liệu có thực sự là phương án kỹ thuật tối ưu nhất không.
