Winziges KI-Modell 11-mal billiger als GPT-5.6 Luna und fast gleichwertig im Logiktest

Pathway Lab, das sich auf Architekturen konzentriert, die sich von Transformatoren unterscheiden, hat Ergebnisse für sein Reasoning-Modell BDH-CQ veröffentlicht. Trotz nur 150 Millionen Parametern erreichte das Modell 29,5 % auf dem ARC-AGI-1-Benchmark und kostete dabei nur 0,0007 US-Dollar pro Aufgabe. Das macht es 11-mal billiger als OpenAIs kleines Modell GPT-5.6 Luna, das 34,2 % erreichte und nach einer Preissenkung um 80 % immer noch 0,008 US-Dollar pro Aufgabe kostete. Zum Vergleich: Anthropic Claude Opus 5 und Google Gemini 3.1 Pro erreichten bei demselben Test 97–98 %, kosteten aber 0,5–0,6 US-Dollar pro Aufgabe, also fast tausendmal mehr. Alibaba Qwen3 235B kostete mehr als dreimal so viel wie BDH-CQ, schnitt aber schlechter ab. Das Labor erklärt den Unterschied mit den Reasoning-Mechanismen: Die meisten aktuellen KI-Modelle generieren Zwischentexte, die Token verbrauchen, während BDH-CQ Probleme still im Speicher löst. Erste Experimente zeigten, dass BDH-CQ den üblichen Skalierungsgesetzen folgt, vergleichbar mit Transformatormodellen mit 1 bis 600 Milliarden Parametern. Pathway plant, sich schwierigeren Aufgaben zu widmen, darunter mathematisches Reasoning, den ARC-AGI-2-Test und schließlich eine vollständige Bewertung von ARC-AGI-3, in der Hoffnung, dass der Effizienzvorteil auch bei größeren und komplexeren Problemen bestehen bleibt.