非言語推論の低コスト新型AI登場

米AI企業Pathwayは、従来の言語連鎖思考に依存しない効率的な推論モデルBDH-CQを開発したと発表した。同モデルは1億5000万パラメータというコンパクトな規模ながら、内部の再帰的メモリと連続計算ワークスペースを用いて視覚的・構造的パターン認識を実現する。大規模言語モデルが回答生成に長い処理を要するのに対し、BDH-CQは入力データを段階的に内部記憶に反映させ、言語化された思考プロセスを経ずに直接解答を出力する。 技術論文はプレプリントサーバーarXivに公開され、ARC-AGI-1ベンチマークで性能検証が行われた。2026年8月のデータによると、2回の試行で29.5％のタスクを解決し、1タスクあたりの推論コストは0.00070ドルに留まった。これは従来比で桁違いの費用対効果を達成し、ARC-AGI-1における精度とコストの最適曲線を更新する記録となった。独立機関であるBielik AIおよびニューヨーク大学による再現試験でも同結果が裏付けられている。 一方で開発チームは、基礎的な視覚タスクは得意とするものの、大規模な物体の順序付けや多段階の推論を要求される複雑タスクでは精度が低下することを確認している。今後はパラメータ規模を拡大し、数学的推論、自然言語処理、高度な視覚認識領域への応用を見据えた改良を予定している。