Model AI Mini 11 Kali Lebih Murah dari GPT-5.6 Luna dan Hampir Setara dalam Tes Logika

Pathway Lab, yang berfokus pada arsitektur yang berbeda dari transformer, merilis hasil untuk model penalarannya BDH-CQ. Meskipun hanya memiliki 150 juta parameter, model ini mencapai 29,5% pada tolok ukur ARC-AGI-1, dengan biaya hanya $0,0007 per tugas. Ini membuatnya 11 kali lebih murah daripada model kecil OpenAI GPT-5.6 Luna, yang mencetak 34,2% dan biaya $0,008 per tugas bahkan setelah pemotongan harga 80%. Sebagai perbandingan, Anthropic Claude Opus 5 dan Google Gemini 3.1 Pro mencetak 97–98% pada tes yang sama tetapi biaya $0,5–$0,6 per tugas, hampir seribu kali lebih mahal. Alibaba Qwen3 235B memakan biaya lebih dari tiga kali lipat dari BDH-CQ tetapi kinerjanya lebih buruk. Lab tersebut mengatakan perbedaannya berasal dari mekanisme penalaran: sebagian besar model AI saat ini menghasilkan teks perantara yang mengonsumsi token, sementara BDH-CQ memecahkan masalah secara diam-diam dalam memori. Eksperimen awal menunjukkan bahwa BDH-CQ mengikuti hukum penskalaan standar yang sebanding dengan model transformer dengan 1 hingga 600 miliar parameter. Pathway berencana untuk menangani tugas yang lebih sulit, termasuk penalaran matematis, tes ARC-AGI-2, dan akhirnya evaluasi penuh ARC-AGI-3, berharap keunggulan efisiensi tetap bertahan pada masalah yang lebih besar dan lebih kompleks.