Pathway apresenta modelo de raciocínio eficiente desafiando economia de modelos frontier

Pathway anunciou BDH-CQ, um modelo de raciocínio com 150 milhões de parâmetros usando uma arquitetura pós-transformador, alcançando 29,5% de acurácia no benchmark ARC-AGI-1 com custo de inferência computado de $0,0007 por tarefa. O modelo demonstra desempenho comparável ao GPT-5.6 Luna da OpenAI a uma fração do custo, operando sem raciocínio em cadeia e exigindo menos dados de treinamento. O avanço desafia a economia atual de modelos frontier, sugerindo que inovação arquitetural pode fornecer alternativas significativamente mais eficientes para abordagens de modelo em larga escala.