一句话看懂：AI 实验室 Pathway 发布了一款仅 150M 参数的推理模型 BDH-CQ，在 ARC-AGI-1 基准上拿到 29.5% 准确率，单任务推理成本仅 0.0007 美元，比 ChatGPT 所用的 Luna 模型便宜约 11 倍——推理不一定要”写出来”，在内部默默计算同样有效。
事件核心：发生了什么
Pathway 是一家专注构建 Post-Transformer 架构的 AI 实验室，近期公开了 BDH-CQ 模型的基准测试结果。这个仅有 1.5 亿参数的模型，在公开的 ARC-AGI-1 评测集上取得了 29.5% 的 pass@2 成绩，而每个任务的推理成本折算下来只有 0.0007 美元。
作为对比，OpenAI 的 GPT 5.6 Luna（Low）模型在该基准上得分 34.2%，略高于 BDH-CQ，但单任务成本为 0.008 美元，即便计入 OpenAI 今年 7 月 30 日开始的 80% 降价，两者仍有约 11 倍价差。再往上看，Claude Opus 5 和 Gemini 3.1 Pro 虽然能到 97%–98% 的准确率，但单任务成本在 0.5–0.6 美元区间，比 BDH-CQ 贵了近千倍。另一款低价方向的 Qwen3 235B 成本超过 BDH-CQ 三倍，得分却更低，性价比上没有竞争力。
为什么重要
这项结果的深层意义在于：AI 推理的高成本可能不是智能的”必要代价”，而是架构选择的结果。目前主流的推理模型会在回答前先生成大段中间文本，逐步”出声思考”，token 越长、算力开销越大。BDH-CQ 则不同——它把推理过程压缩在内部记忆状态中完成，不把中间步骤显式写出，从而大幅降低推理成本。
Pathway CEO Zuzanna Stamirowska 评论称，这种 token 成本是架构强加的，而非智能的必然要求。Transformer 论文联合作者 Łukasz Kaiser 也表示，模型架构而非单纯规模，可能驱动下一轮推理能力突破。如果这条路成立，AI 行业的竞争维度可能从”谁更聪明”扩展到”同样聪明下谁更便宜”。
对用户/开发者/创作者的影响
对开发者和企业用户而言，最直接的变化是推理成本门槛被拉低。每任务不到 0.001 美元的推理费用，意味着更多中小团队可以把推理能力嵌入高频、低客单价的 AI 应用——比如内容分类、客服路由、轻量级编程辅助——而不用担心 API 账单失控。AWS 方面已表示，认为 BDH-CQ 的结果是把高级推理从实验推向生产的积极一步。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
对创作者而言，这类模型短期内不会直接替代图像生成或视频生成工具，但它可能降低 AI 功能在内容平台中的接入成本，让更多”自带推理”的小工具出现在日常创作流程里。需要留意的是，29.5% 的 ARC-AGI-1 得分仍属于中等水平，目前公开信息显示它还不足以胜任复杂逻辑任务，选择接入时需要匹配实际场景。
值得关注的后续
接下来值得观察三点：第一，BDH-CQ 是否从论文结果走向实际可用的 API 或开源权重，开发者能否真正调用到；第二，Pathway 声称 1B 到 600B 参数规模都遵循类似 Transformer 的缩放规律，更大模型能否延续这种性价比优势，并在数学推理、ARC-AGI-2 甚至 ARC-AGI-3 上证明自己；第三，OpenAI、Anthropic 等头部厂商会不会被迫调整定价策略，或者跟进研发”内部推理”类架构。至少目前来看，价格战已经从模型能力延伸到了推理效率的维度。
来源：TechRadar
