新型AI模型BDH-CQ实现低成本无文字推理

2026年8月，AI公司Pathway在预印本平台arXiv上发布新型推理模型BDH-CQ。该模型仅含1.5亿参数，彻底摒弃了主流大语言模型依赖长文本逐字推演的链式思维机制。BDH-CQ通过动态更新内部记忆空间，在隐式工作区中执行迭代式连续计算，直接输出结果。在ARC-AGI-1视觉模式识别基准测试中，该模型在两次尝试机会下成功破解29.5%的难题，单任务算力成本低至0.0007美元，以不到一美分的代价刷新了准确率与能耗的平衡纪录。Bielik AI与纽约大学独立团队复核了上述数据。尽管BDH-CQ在处理基础图形扩展与复制任务时表现优异，但在涉及多步视觉逻辑或大规模对象排序等复杂场景下仍显吃力。研究团队指出，该架构验证了上下文学习与循环隐式推理在紧凑型系统中的可行性，后续将基于此架构训练更大规模模型，以攻克数学推导、自然语言理解及高阶视觉推理等复杂任务。