Новая ИИ-модель BDH-CQ в 11 раз дешевле GPT-5.6 Luna, показывая сопоставимые результаты

Лаборатория Pathway, занимающаяся разработкой ИИ с архитектурами, отличными от трансформеров, обнародовала результаты тестирования своей модели BDH-CQ. Эта модель, состоящая из 150 миллионов параметров, достигла 29,5% в бенчмарке ARC-AGI-1, при этом стоимость тестирования составила всего $0,0007, что в 11 раз ниже, чем у модели OpenAI GPT-5.6 Luna.

Pathway подчеркнула, что высокая стоимость работы с ИИ-системами часто связана с архитектурой моделей, а не с их функциональными возможностями. Бенчмарк ARC-AGI-1 предназначен для оценки логического мышления модели и её способности извлекать правила из ограниченного числа примеров и применять их к новым данным. В то время как GPT-5.6 Luna показала результат 34,2% в аналогичном тесте, её затраты составили $0,008 за задачу, даже с учетом 80%-ной скидки от OpenAI.

Для сравнения, модели Anthropic Claude Opus 5 и Google Gemini 3.1 Pro продемонстрировали результаты в диапазоне 97-98% с затратами $0,5-$0,6 за задачу, что делает их почти в тысячу раз дороже. Модель Alibaba Qwen3 235B также показала худшие результаты и была более чем в три раза дороже BDH-CQ. Это различие объясняется различными подходами к механике рассуждений: многие современные ИИ-модели генерируют промежуточный текст, что увеличивает потребление токенов, в то время как BDH-CQ решает задачи непосредственно в памяти.

Первые эксперименты с моделью BDH-CQ подтвердили соответствие стандартным законам масштабирования, аналогичным трансформерам с количеством параметров от 1 до 600 миллиардов. Разработчики планируют усложнить задачи для модели, включая математические рассуждения и тест ARC-AGI-2, а также провести полную оценку ARC-AGI-3. Вероятно, что её эффективность сохранится и на более сложных задачах.