福建
当今主流人工智能——无论是ChatGPT、Claude还是谷歌Gemini——都遵循同一套逻辑：用自然语言把思路"一步一步说出来"，从而解决复杂问题。
这种被称为"思维链"的方式虽然有效，却往往拖慢响应速度，并吞噬大量算力与金钱。
如今，一家名为Pathway的AI公司提出了一条截然不同的路径：让机器在不动用文字的情况下，于内部完成推理。
其最新模型BDH-CQ，正在以极低的成本重写"准确率与花费"之间的效率纪录。
三分之一的成绩，十一分之一的成本
在一篇发布于预印本平台arXiv的论文中，Pathway团队详细披露了BDH-CQ的技术底层。
研究者用它挑战ARC-AGI这一2019年确立的权威基准——该测试以旋转、排列几何图形等非语言谜题，衡量AI逼近通用人工智能的推理能力。
结果显示，在每道题两次尝试的条件下，BDH-CQ解出了29.5%的任务，相当于每十道题答对约三道。
据Pathway团队测算，它的成本仅为每道题0.00070美元，不到一美分的十分之一，创下了准确率与成本之比的新效率纪录。
论文指出，OpenAI旗下轻量级推理模型GPT 5.6 Luna（低配版）的得分虽略高，但那点"微弱的准确率优势"所付出的代价，按相对token成本计算，约为BDH-CQ的11倍。
更引人注目的是它的"体量"：BDH-CQ仅用1.5亿个参数训练而成。
作为对比，Meta的开源模型Llama 3.1 405B等前沿系统，参数动辄以数百亿乃至数千亿计——参数越少，意味着训练越快、运行越省。
用向量代替文字：一次"后Transformer"的豪赌
BDH-CQ的与众不同，源自Pathway所称的"后Transformer"架构。
支撑ChatGPT与Claude的传统Transformer模型，会把用户输入转化为相互关联的数学参照点，并同时审视输入中的每一个词，据此从上下文推断词义。
但这类模型有一个先天负担：随着提示变长，其计算复杂度呈平方级增长——输入长度翻倍，所需算力便增至四倍。
由于每生成一个新词都要重读此前的全部内容，Transformer极易造成显存瓶颈，最终拖垮运行AI的图形处理器。
BDH-CQ的破局之道，是抛弃冗长的文字记录，改用数值数组来表征任务背后的规则与上下文模式。
这些数组本质上是"向量"——指向GPU内存中某张理论地图上另一坐标的方向信息，让模型无需膨胀内存足迹便能进行抽象推理。
为执行任务，它启用了一台"潜在推理引擎"作为内部工作空间，通过一轮又一轮的迭代循环逼近最优解。
模型每次取上一轮的输出，依据训练所得判断如何改进，再将其作为下一轮的起点，如此反复预设的次数。
关键在于，面对更难的问题，BDH-CQ可以多跑几轮循环——耗时会增加，但内存与算力消耗并不随之攀升。
这与Transformer形成鲜明反差：后者靠生成大段文字token来"多想一会儿"，代价是算力与显存的指数级飙升。
谨慎的乐观：一个"婴儿"的成长空间
BDH-CQ的血脉可追溯到Pathway于2025年推出的前身模型"龙崽"（Dragon Hatchling），后者旨在模拟人脑神经元在学习中如何相互连接、彼此强化。
这套受生物启发的思路，也为BDH-CQ贴上了"后Transformer时代开端"的标签。
值得一提的是，它的基准成绩并非孤证。
包括Transformer奠基论文《注意力就是你所需要的一切》的合著者卢卡什·凯泽在内的多位知名研究者，已独立复现了这一结果。
"我一直密切关注Pathway，也亲自复现了他们的ARC-AGI-1成绩，"凯泽表示，"Pathway证明了驱动AI推理下一次飞跃的，可以是模型架构本身，而不只是规模。"
不过，热情之外仍需清醒。
在这项测试中，BDH-CQ在复杂的多步视觉推理与排序任务上表现吃力，近30%的分数也远低于许多顶尖模型的成绩。
换言之，它此刻更像一个证明了方向可行的"婴儿"，而非成熟的竞争者。
Pathway的野心并未止步于此：公司计划将BDH架构扩展至6000亿参数，并挑战更严苛的ARC-AGI-2、ARC-AGI-3基准，进而打造一款可支撑文本聊天机器人的完整大语言模型。
倘若这条"无需言语的思考"之路真能随规模同步放大，它所撼动的将不只是某个模型的成本表——而是整个行业赖以扩张的算力经济学。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
