8 月 29 日 Live Science 的标题很抓眼球：新 AI 推理，成本最高只要某个 OpenAI 模型的 1/11。我去翻了原始论文（arXiv:2608.09888，Pathway 公司 8 月 10 日挂出）。数字都对。但脚注比正文精彩，这篇把两边都讲讲。
**主数字。**BDH-CQ，1.5 亿参数，ARC-AGI-1 公开评估集 400 题，pass@2 = 118/400 = 29.5%（95% 置信区间 25.2–34.2），自报推理成本每题 0.0007 美元。对照组 GPT-5.6 Luna（Low）：34.2%，每题 0.040 美元（ARC Prize 排行榜价）。四舍五入就是"分数略低、成本便宜一个数量级"。
先说便宜几倍这件事，因为它比看上去曲折。论文原话是便宜 57 倍——按排行榜 8 月初的旧价。7 月 30 日 OpenAI 把 Luna 降价 80%，57 倍缩水成 11 倍。而且这是两把尺子量出来的：自己这头是硬件时间折算成本，对手那头是 API 标价。Live Science 标题取了保守的 11 倍，方向没错，但严格讲这不是同口径比较。我画出来你感受下差距本身——
**架构才是正菜。**Transformer 的账人人皆知：每个新 token 都要回头读全部上文，KV 缓存随对话长度一路膨胀，长任务 agent 的账单大头都在这。BDH 这套换成完全不同的记账法——
前作《Dragon Hatchling》（arXiv:2509.26507，2025 年 9 月）打的地基：把模型看成一群"神经元粒子"构成的图，推理期工作记忆全靠突触可塑性就地改写，不靠外挂文本。新论文 BDH-CQ 在这上面加了结构化潜工作区，推理时在潜空间里迭代循环——不给权重更新，靠演示对刷新递归记忆做上下文内适应。官方库 pathwaycom/bdh 有 3,531 星，lucidrains 8 月中已经出了独立实现。
一个细节要替论文澄清：Live Science 写"跑 200 圈和 20 圈耗的内存一样"，论文里没有这句原话，是记者转述。架构上递归状态维度固定，说得通；但 Table 5 显示推理档位往下调（LOW）省 22% 成本要掉 8.5 个点。省的是时间，不是账单，两码事。
**三个没进新闻稿的脚注。**一，所谓"独立复现"——被点名的 Richard Zhong（NYU）和 Kinas（Bielik）都是论文共同作者，做的是黑盒、不给权重的协议化复验。独立，但没脱产学。二，Kaiser 那句漂亮的背书——"架构而不只是规模，能驱动下一次推理跃迁"——出自行家没错，《Attention Is All You Need》共同作者。但他的现职是 OpenAI 研究员，同时是 Pathway 的投资人兼顾问。前者 Live Science 没提，后者 Pathway 自己的博客披露了。三，ARC 分数不是零样本：模型在含 ARC-AGI-1 训练集的题风数据上特训过。ARC Prize 至今没做第三方审计——他们 2025 年拆 HRM 那次发现，大半收益来自外循环精化而非架构本身。前车之鉴摆在那。
**也说句公道话。**厂商敢放弱点数据：ConceptARC 里计数类概念只对 2/10；分布外测试做了——图可达性任务，距离 2 到 6 保持 pass@2，距离 7 到 8 崩到 1/24。只晒 SOTA 的公司见多了，肯晒塌方区的少。这比多数"吊打 GPT"的通稿体面。
为什么值得盯：现在推理成本的所有创新都困在 Transformer 框子里——KV 压缩、蒸馏、量化，全是在给"重读一切"这个设定打补丁。如果"固定记忆足迹的潜空间迭代"在规模化后依然成立，长任务 agent 的成本曲线会换斜率。这正是 agentic coding 最疼的地方：读一小时代码，烧一小时钱。
600B 参数的 scaling 实验已经启动。1B 上的早期曲线说明不了太多。我不知道这条路走到几百亿参数时潜推理优势还在不在——ARC-AGI-2 上见。
参考资料：论文 arXiv:2608.09888｜前作 arXiv:2509.26507｜Pathway 官方博客｜Live Science 报道（2026-08-29）｜GPT-5.6（OpenAI）｜ARC Prize 的 HRM 拆解（2025）
讨论回复
加载中...正在加载回复...
推荐
智谱 GLM-5 已上线
我正在智谱大模型开放平台 BigModel.cn 上打造 AI 应用，智谱新一代旗舰模型 GLM-5 已上线，在推理、代码、智能体综合能力达到开源模型 SOTA 水平。