Mostik「模型桥」声明证据档位核查报告

一、声明还原

先分清「谁在哪一层说了什么」，这是后面判档的基础：

层	声明内容	出处
团队（CEO 长帖，2026-09-02）	「first place on the ARC-AGI leaderboard」——未指明 v3 还是综合榜，并明言「比赛还在跑，不能多说」；技术口径：753B 模型读题 + 4B 模型作答，「成绩达前沿模型 80%，快 20 倍」 [事实]	X 帖，见信源 1
团队（官网长文）	桥关闭大小模型差距的 50%，自身准确率 +25%，难子集提升 2 倍，比部署中等模型省 2.5 倍算力；全文未提 ARC-AGI、未提任何榜单 [事实]	mostik.ai/read-more，见信源 2
独立媒体（连线，2026-09-02）	「已经冲上 ARC-AGI 3 榜首……（他们不肯多说，因为想赢下比赛）」——记者转述团队自述，另附前 DeepMind 研究员 Karl Tuyls 的正面评价 [事实]	连线报道，见信源 3
中文媒体（量子位，2026-09-07）	标题「4B 手机 Qwen+云端 GLM 刷爆 ARC-AGI 3」，正文「ARC-AGI 3 达 GPT-6 Astra 量级」「大模型侧推理成本约 1/20」——转述+强化（把团队口径的「80% 达前沿」改写成「GPT-6 Astra 量级」） [事实]	见信源 4

数字口径辨析 [事实]：CEO 帖「80% as accurate + 20x faster」与官网长文「关闭 50% 差距 / +25% / 省 2.5 倍」是同一实验的两种表述（关闭 50% 差距 ≈ 达到前沿 80% 的另一种说法）；量子位的「1/20」对应帖子的「20x faster」、「五分之二」对应官网的「省 2.5 倍」。三处互洽，但全部出自团队单方口径。

二、官方榜核查（最硬一环）

结论：ARC-AGI-3 官方榜无任何 Mostik 或「Qwen+GLM 组合」条目。 [事实]

核查方法与证据（全部直开抓取，素材已存档）：

1. 榜数据定义文件（https://arcprize.org/scripts/leaderboard/data.js）：定义三个半私榜版本。其中 v3_Semi_Private（即 ARC-AGI-3 榜）只含 6 个模型标识：openai-gpt-5-6-sol、openai-gpt-5-6-terra、openai-gpt-5-6-luna、anthropic-claude-opus-5、openai-gpt-6-astra、openai-gpt-6-astra-provider-adapter——无 Mostik、无 Qwen、无 GLM。[事实]
2. 实际评测数据（https://arcprize.org/media/data/leaderboard/v3.json）：共 40 条评测记录，全部属于 OpenAI、Anthropic、xAI、Google 四家。最高分 openai-gpt-6-astra-max-provider-adapter 0.9855；无工具适配口径的 openai-gpt-6-astra-max 0.6271；非 OpenAI 最好成绩 anthropic-claude-opus-5-high 0.3016。[事实]
3. 全量关键词检索：官方全部数据文件（models.json 约 11 万字节、evaluations.json 约 18 万字节、v1/v2/v3 榜单、providers.json）中 mostik/malysheva/smirnov/bridge 命中数均为 0。[事实]
4. 对照组成立性：openai-gpt-6-astra 确在官方榜（v3），量子位「GPT-6 Astra 量级」的对照物真实存在——但 Mostik 组合自身没有任何官方记录可与之对照。[事实]
5. 补充：官方数据里 qwen/glm 有命中，但均为阿里/智谱单体模型（qwen3-235b-a22b-instruct-2507、glm-5、glm-5.2，来自 Alibaba 与 Z.ai 两家供应商），且评测记录全部在 v1/v2（ARC-AGI-1/2），v3 零条目。这说明单体模型经官方半私评测提交的通路存在且被用过，而 Mostik 组合没有走这条通路。[事实]
6. ARC-AGI-3 专属榜页（/arc-agi/3/leaderboard）与社区榜页（/leaderboard/community）静态内容同样无 Mostik 字样。[事实]

Kaggle 竞赛榜：待核实 [推测-待确认]。竞赛页 https://www.kaggle.com/competitions/arc-prize-2026-arc-agi-3/leaderboard 存在（标题「ARC Prize 2026 - ARC-AGI-3」），但返回 5550 字节的脚本壳页，榜单数据由前端渲染，无凭据无法拉取竞赛榜 JSON——「第一名」声明无法在 Kaggle 通路上证实或证伪。追踪过程：直开页面→壳页（0 命中）；无账号凭据，未用 API。ARC Prize 的惯例是 Kaggle 竞赛榜与官网半私榜分离、赛后才合并收录，因此「在 Kaggle 竞赛榜领先但不出现在官网半私榜」逻辑上自洽。[推断]

三、一手源追踪（全程记录，含失败）

已定位并验证的一手源：

一手源	验证方式	结果
CEO 帖（Sasha Malysheva，2026-09-02）	X 官方嵌入接口 + 第三方镜像接口双通道抓取	全文到手；2402 赞、256 转；帖内链接官方账号 @mostik_ai 与连线报道 [事实]
团队官网 mostik.ai（含长文 read-more）	直开抓取全文	真实站点；自述 15 人（12 博士 + 1 位菲尔兹奖得主）、成立 4 个月；投资方 General Catalyst、Foundation Capital；长文不含 ARC-AGI 与榜单字样（此前检索到的 10 处「ARC」全是 search/research 的字母巧合，已排除）[事实]
Stanislav Smirnov 日内瓦大学个人页	直开抓取	真实存在（数学系教授、地址邮箱齐全）；页面无任何 Mostik/AI 内容（2011 年版式的纯数学主页）；其「合适的数学语言还不存在」等表态出自连线对他的直接采访 [事实]
论文引用核验	arXiv 官方接口逐条验证	自述引用的 5 篇文献全部真实存在（详见第四节）[事实]

未能定位的（如实记录追踪过程）：

• arXiv 论文：官方接口检索 all:"Mostik" 命中 0 篇；"Stanislav Smirnov" AND cat:cs.LG 命中 0 篇——无对应论文发表 [事实]
• 代码托管组织：github.com/mostik-ai、github.com/mostik 均返回 404——无公开组织 [事实]
• X 帖直达通道：r.jina.ai 代理对 X 域名返回 403；线程阅读器未收录该帖（空壳）；两个尼特镜像（xcancel、nitter.net）均为壳页无帖文——最终改经 X 官方嵌入接口拿到全文 [追踪过程记录]
• 搜索引擎交叉检索：必应结果页在此环境仅返回重定向样式页，无有机结果，未能用于发现更多第三方报道 [追踪过程记录]

独立第三方信源（连线报道）核验细节： 作者 Maxwell Zeff，发布 2026-09-02 14:20（美东），标题《这些俄罗斯数学家教会 AI 模型不用语言互相交流》。文中 Malysheva 与 Smirnov 均为直接受访者（“told me over coffee”），并引入独立评论人 Karl Tuyls（前 DeepMind）。连线报道的是团队的自述与访谈，未提供榜单独立复核——文中没有任何「ARC Prize 官方证实」的表述 [事实]。

四、技术合理性对照

Mostik 的核心声明拆成两层，与已知研究的距离不同：

第一层：「内部状态里有未说出口的信息」——有坚实研究基础。 自述引用的五篇文献经 arXiv 接口逐一验证真实且引用准确：

1. Hanna & Ameisen《Latent Planning Emerges with Scale》（ICLR 2026，arXiv:2604.12493）：Qwen-3 系列在写出「accountant」前多个 token 已携带其表征，且随规模增强——与官网引用逐字吻合 [事实]
2. Huh 等《The Platonic Representation Hypothesis》（arXiv:2405.07987）：不同模型表征正在趋同，指向共享统计模型 [事实]
3. Lester 等《The Power of Scale for Parameter-Efficient Prompt Tuning》（arXiv:2104.08691）：软提示可注入冻结模型 [事实]
4. Zou 等《Representation Engineering》（arXiv:2310.01405）：单模型内部表征可读出与操控 [事实]
5. Korbak 等《Chain of Thought Monitorability》（arXiv:2507.11473）：思维链监控有漏报 [事实]

第二层：「跨异构模型（GLM-5.2 ↔ Qwen-3.5，双方冻结、互不微调）经一个训练的小桥直接传递内部状态，关闭 50% 差距」——无公开研究支撑，属未验证声明。 [推断]

与已有研究的距离：软提示与激活工程（如上 3、4）都只在单个模型内部注入或读出连续向量；表征趋同研究（上 2）只说结构在靠近、不等于可零训练成本直通——映射本身仍需学习，这正是 Mostik 说「桥是被训练的部分」的立足点。方向上自洽（桥的存在性有理论依托），但「这一步已经做成且数字如此之好」只有团队单方实验，无论文、无代码、无第三方复现。[推断]

五、三档判定

判定：档② 团队自述（上限档②，未达档①，已排除档③）。

• 档①官方榜确认：不成立。 官方半私榜 v3 全量数据（40 条评测、6 个模型标识）无 Mostik 或 Qwen+GLM 组合；mostik 等关键词在官方全量数据命中为 0。[事实]
• 档③纯转述：排除。 一手自述已定位——CEO 帖全文（官方嵌入接口）、官网长文全文（直开）双源到手，团队与人物身份可验证（Smirnov 日内瓦主页、连线直接采访）。[事实]
• 档②团队自述：成立。 自述真实存在且被独立媒体（连线）以访谈形式转述。但注意三点张力：其一，「first place on the ARC-AGI leaderboard」与官方榜无条目矛盾，最可能解释是「第一名」指仍进行中的 Kaggle 竞赛榜（无法核验）[推测-待确认]；其二，官网长文刻意不提榜单，榜单声明只出现在社媒帖与媒体转述里 [事实]；其三，全部成绩数字（80%/25%/50%/2x/2.5x/20x）均为团队单方口径，无论文无复现 [事实]。
• 对原条目的影响： 量子位「刷爆 ARC-AGI 3」「达 GPT-6 Astra 量级」是媒体对团队自述的强化转述——官方榜上既无该组合条目，也无可对照的分数记录。[事实] 条目本身（公司、团队、机制声明存在）为真；其成绩声明的档位应降格为「团队自述，官方榜未收录，待比赛结束后验证」。

六、建议回填（供主会话执行，本报告不改动卡片）

1. 卡片末尾「ARC-AGI 3 官方榜单组合未独立核验（深调子代理在途）」→ 改为：「2026-09-08 官方榜核查完毕：arcprize.org 半私榜 v3 全量数据无 Mostik/Qwen+GLM 组合条目（40 条评测均为四家大厂模型）；声明档位=团队自述（CEO 帖一手自述 + 连线独立访谈转述），官方榜未收录；『第一名』或指进行中的 Kaggle 竞赛榜，待核实」
2. 「ARC-AGI 3 达 GPT-6 Astra 量级」处加注：此为量子位对团队「80% as accurate as frontier model」口径的转述强化，非官方榜记录；GPT-6 Astra（max 无适配 0.6271）确在官方榜可作对照。
3. 「大模型侧推理成本约 1/20」处加注：出自 CEO 帖「20x faster performance」口径；官网另给出「比等效中等模型省 2.5 倍算力」，两者为不同对照基准的团队自述数字。
4. 卡片可增补正向价值点：官网长文与五篇引用文献（arXiv:2604.12493、2405.07987、2104.08691、2310.01405、2507.11473）全部真实——技术叙事有研究基础，非空想。
5. 关联卡「17比特通道-模型间信息瓶颈」的待确认项按上述 1-4 回填后可摘除「在途」标记。

七、断言清单（逐条 + 信源 + 链接）

#	断言	置信度	信源	链接
1	官方半私榜 v3（ARC-AGI-3）无 Mostik/Qwen+GLM 组合条目	[事实]	榜数据定义文件 + v3.json 全量	https://arcprize.org/scripts/leaderboard/data.js 、https://arcprize.org/media/data/leaderboard/v3.json
2	GPT-6 Astra 在官方 v3 榜（max 0.6271，适配口径最高 0.9855）	[事实]	v3.json	https://arcprize.org/media/data/leaderboard/v3.json
3	CEO 帖真实存在且声称「first place on the ARC-AGI leaderboard」「80% 准确、快 20 倍」	[事实]	X 官方嵌入接口全文	https://x.com/aimalysheva/status/2095232794792255848
4	团队官网长文存在，含全部成绩数字但未提 ARC-AGI/榜单	[事实]	直开全文	https://mostik.ai/read-more
5	连线 2026-09-02 报道存在，直接采访 Malysheva 与 Smirnov，转述「冲上 ARC-AGI 3 榜首」为团队自述	[事实]	直开全文	https://www.wired.com/story/russian-startup-mostik-ai-models-communication/
6	Smirnov 为日内瓦大学教授（2010 菲尔兹奖得主）；其大学主页无 Mostik 相关内容	[事实]	日内瓦大学个人页 + 连线访谈	https://www.unige.ch/~smirnov/
7	团队投资方为 General Catalyst、Foundation Capital	[事实]（自述口径）	官网长文 + CEO 帖	https://mostik.ai/read-more
8	arXiv 无 Mostik 署名或相关论文；GitHub 无 mostik 公开组织	[事实]	arXiv 官方接口 0 命中；组织页 404	http://export.arxiv.org/api/query?search_query=all:%22Mostik%22
9	官方数据中 Qwen/GLM 单体模型仅出现在 v1/v2，v3 零条目	[事实]	models.json + evaluations.json	https://arcprize.org/leaderboard
10	「第一名」指 Kaggle 竞赛榜（进行中、未合并官网）	[推测-待确认]	仅逻辑自洽，Kaggle 榜无法核验	https://www.kaggle.com/competitions/arc-prize-2026-arc-agi-3/leaderboard
11	自述五篇引用文献全部真实存在	[事实]	arXiv 接口逐条验证	arXiv:2604.12493、2405.07987、2104.08691、2310.01405、2507.11473
12	成绩数字（25%/50%/2x/2.5x/20x）无第三方复现	[事实]（无复现源）	全源检索无果	—
13	量子位表述为团队自述的强化转述	[事实]	量子位原文（主会话已直开）+ 本报告对照	https://www.qbitai.com/2026/09/485108.html

八、信源清单

官方一手： ARC Prize 榜单页与数据文件（信源清单第 1、2、9 行链接）；X 官方嵌入接口（oembed，帖文全文）；arXiv 官方接口（论文验证）。

团队一手： mostik.ai 官网及长文（信源 4）；CEO X 帖（信源 3）。

独立第三方： 连线报道（Maxwell Zeff，信源 5）；Smirnov 日内瓦大学个人页（信源 6）。

中文转述（基线，非判定依据）： 量子位 2026-09-07 文（信源 13，主会话已直开核验）。

追踪未果记录： r.jina.ai 对 X 域 403；线程阅读器未收录；尼特镜像（xcancel、nitter.net）壳页；Kaggle 榜单脚本壳无法无凭据取数；GitHub 组织 404；必应有机结果不可用。素材全部存 tmp/swarm-materials/mostik-bridge/。