Tiny AI-model 11 keer goedkoper dan GPT-5.6 Luna en bijna gelijkwaardig in logische test

Pathway Lab, dat zich richt op architecturen die verschillen van transformers, heeft resultaten vrijgegeven voor zijn redeneermodel BDH-CQ. Ondanks dat het model slechts 150 miljoen parameters heeft, behaalde het 29,5% op de ARC-AGI-1-benchmark, terwijl het slechts $0,0007 per taak kostte. Dat maakt het 11 keer goedkoper dan het kleine model GPT-5.6 Luna van OpenAI, dat 34,2% scoorde en $0,008 per taak kostte, zelfs na een prijsverlaging van 80%. Ter vergelijking: Anthropic Claude Opus 5 en Google Gemini 3.1 Pro scoorden 97–98% op dezelfde test, maar kostten $0,5–$0,6 per taak, bijna duizend keer meer. Alibaba Qwen3 235B kostte meer dan drie keer zoveel als BDH-CQ, maar presteerde slechter. Het lab zegt dat het verschil zit in de redeneermechanismen: de meeste huidige AI-modellen genereren tussenliggende tekst die tokens verbruikt, terwijl BDH-CQ problemen stil in het geheugen oplost. Eerste experimenten toonden aan dat BDH-CQ de standaard schaalwetten volgt die vergelijkbaar zijn met transformermodellen met 1 tot 600 miljard parameters. Pathway is van plan om moeilijkere taken aan te pakken, waaronder wiskundig redeneren, de ARC-AGI-2-test en uiteindelijk een volledige evaluatie van ARC-AGI-3, in de hoop dat het efficiëntievoordeel standhoudt bij grotere en complexere problemen.