Pathway presenta modelo de razonamiento eficiente desafiando economía de modelos frontera

Pathway anunció BDH-CQ, un modelo de razonamiento con 150 millones de parámetros utilizando una arquitectura post-transformador, logrando una precisión del 29,5% en el punto de referencia ARC-AGI-1 con un costo de inferencia computado de $0,0007 por tarea. El modelo demuestra un desempeño comparable al GPT-5.6 Luna de OpenAI a una fracción del costo, operando sin razonamiento de cadena y requiriendo menos datos de entrenamiento. El avance desafía la economía actual de los modelos frontera, sugiriendo que la innovación arquitectónica podría proporcionar alternativas significativamente más eficientes para enfoques de modelos a gran escala.