一句话看懂：清华大学团队提出 Cache-to-Cache（C2C）技术，让两个大模型直接交换内部缓存信息，跳过”把想法写成文字再传给对方”的环节。论文已被 ICLR 2026 接收，并附带开源代码。
事件核心：发生了什么
多个大模型协作时，通常由前一个模型生成文本，后一个模型再读取。这个”打字”过程既消耗算力，也会丢失前者推理过程中的细节信息。C2C 的做法是：把第一个模型的缓存（即它处理过的内容的工作记忆）直接传给第二个模型的记忆区，中间由一个名为 Fuser 的小模块负责重整数据格式，让接收方能够使用。
由于不同模型的内部结构、尺寸和布局差异很大，直接搬运缓存会让模型输出崩溃。C2C 因此加入选择性门控机制：部分网络层立即吸收外部信息，其他层继续独立推理，不受干扰。研究团队报告称，在协作任务中推理速度提升 100% 至 150%，最高约为传统文本往返方式的 2.5 倍；协作准确率提升最高 14.2%，相比文字通信的旧方案高出 3.1% 至 5.4%。
为什么重要
当前 AI 应用的多模型编排（如一个模型检索、一个模型总结、一个模型生成）几乎都靠文本串联，文本成了隐性的性能瓶颈。C2C 把通信层从”语言”下沉到”缓存”，等于绕开了人类语言这个中间格式。如果这类方法被主流推理框架采纳，多模型流水线的延迟和成本结构可能被重写。
但需要注意两点：其一，该方法要求直接访问模型的内部缓存和层结构，目前只适用于开放权重模型，闭源 API 无法使用；其二，论文中的全部性能数据由提出该方法的团队自己测试得出，外部复现结果尚待观察。
对用户/开发者/创作者的影响
对使用闭源聊天产品的普通用户，短期没有直接影响。对开发者和企业来说，价值更明确：如果你在自建推理服务、使用 Llama、Qwen 等开源权重模型搭建多智能体或级联流程，C2C 提供了一条减少 token 消耗、压缩延迟的路径，且已开源可试。对做 RAG、Agent 编排的团队，这意味着一部分原本靠 prompt 传递的中间结果，可能改为缓存级传递，工程实现方式会变化。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
模型厂商则面临一个选择：继续用闭源 API 把内部缓存锁在自己手里，还是开放更底层的模型间通信接口。目前公开信息显示，还没有公司确认已在内部使用类似方案。
值得关注的后续
一是开源社区是否在主流推理框架（如 vLLM、SGLang）中复现并验证其速度与准确率数据；二是该方法能否扩展到异构模型组合，以及是否会产生新的对齐、安全与可解释性问题——缓存里传递的内容人类无法直接阅读；三是闭源厂商是否会推出自己的”模型间直连”能力，把这一层重新收进商业 API。
来源：TechRadar
