2026年8月10日，一篇arXiv论文悄然上线。作者来自欧洲AI实验室Pathway以及纽约大学。论文标题很学术，“BDH-CQ: In-Context Learning with Recurrent Latent Reasoning”。但如果你把它放在ARC-AGI的能效图上，会发现一个令人不安的事实：一个仅150M参数的小模型，以每任务0.0007美元的计算成本，打破了此前的精度-成本帕累托前沿。作为对比，OpenAI o3在2024年首次挑战ARC-AGI-1时，每任务耗资高达4,560美元。今天，这个数字被压缩到了0.07美分。
这不是渐进式改进，而是数量级上的跨越。当整个行业用“亿美元”堆砌模型时，Pathway证明了0.07美分也能完成有效的抽象推理。
一场“静默推理”的范式突破
BDH-CQ不是传统意义上的大语言模型。它不靠链式思维来推理，不把每一帧思考翻译成文字，不消耗大量token。相反，它把所有中间计算压缩在一个高维连续潜在空间里，用循环记忆不断更新内部状态，最后只输出答案。
这听起来像技术细节，但它撕开了一个根本性缺口：当整个行业都在堆砌参数、延展CoT长度时，BDH-CQ证明了一条截然不同的路同样可行，甚至更便宜。
论文披露的数据简洁但震撼：150M参数配置，在ARC-AGI-1公开评测集上达到29.5% pass@2，每任务成本0.00070美元。论文明确指出，这“突破了此前报告的ARC-AGI-1成本-精度帕累托前沿，建立了该基准成本效率的新最先进水平”。
过去两年，ARC-AGI-1的右上角被巨头们占据。o3用4,560美元/任务堆出87.5%的准确率，Gemini 3 Deep Think以7.17美元/任务达到96%以上，Claude Opus 4.6以1.88美元/任务做到93.0%。但左下角，高精度加低成本的甜蜜区，始终是空白。BDH-CQ的到来直接点亮了这个点。29.5%的准确率或许不算高，但0.0007美元的成本将能效边界向左平移了三个数量级。这不是单纯的性能提升，而是范式的改变。
为什么“不说话”可能更聪明
BDH-CQ的核心创新在于融合上下文学习和循环潜在推理。传统Transformer每生成一个token都要重新处理整个上下文，CoT链延长时计算成本线性增长。BDH-CQ的解法完全不同：它引入了一个高维连续潜在空间，所有中间推理都在这个空间内完成，不需要翻译成语言。输入样例不断更新循环记忆，模型在潜在空间中迭代计算，逐步逼近答案。整个过程像一个“无声的思考者”。
论文将推理过程称为“演示条件操作模式”（demonstration-conditioned operator schema）。演示绑定了一个可复用的视觉操作，模型在推理时执行这个操作，而不是从头学习全新任务。
这一思路与Pathway此前发布的BDH架构一脉相承。BDH的设计理念是“语言不足以支撑智能”。在2026年3月的Sudoku Extreme测试中，BDH以97.4%的准确率碾压了所有主流LLM，后者的准确率接近0%。论文作者来自Pathway、Bielik AI以及纽约大学。
从4,560美元到0.0007美元
ARC-AGI由François Chollet于2019年创建，旨在衡量AI系统的“技能获取效率”。这个基准很快成为衡量AI推理能力的金标准，Anthropic、Google DeepMind、OpenAI和xAI都在模型卡上报告了ARC-AGI性能。
2024年，OpenAI o3以约4,560美元/任务首次取得突破。但代价巨大：低效率模式下需要1,024个并行样本和5.7B token。高效率模式（6个样本）成本降至26美元/任务，准确率也降至75.7%。2025年，效率开始大幅提升。Jeremy Berman以8.42美元/任务达到近80%准确率。Claude Opus 4.6以1.88美元/任务做到93.0%，GPT-5.2 Pro以11.64美元/任务做到90.5%，Gemini 3 Flash以0.17美元/任务达到84.7%。2026年，Gemini 3 Deep Think以7.17美元/任务将准确率推高至96%以上。
从1.88美元到0.0007美元，是一个超过2,600倍的跳跃。BDH-CQ的推理成本不到o3的百万分之一，确切地说，是4,560美元的约650万分之一。更重要的是，BDH-CQ只有150M参数。作为对比，主流前沿模型参数规模在数百亿到数千亿级别。BDH-CQ证明了架构设计，尤其是推理方式，可能比参数数量更能决定能效比。
上下文学习的深层边界
论文还进行了一系列精细的行为分析实验，系统性地测试了模型的推理边界。在简单算子外推方面，模型在颜色变换、形状变化上表现良好，但当变换涉及顺序或嵌套结构时，表现明显下降。在40个任务的受控梯级测试中，条件规则选择的准确率从100%骤降至56.7%。当演示中缺少关键参数时，准确率从30%降至0%。面板合并（从两个到三个面板）的准确率从65%暴跌至2.5%。
这些数据告诉我们：BDH-CQ在简单的、可枚举的变换上表现出色，但当推理需要处理条件分支、缺失信息或多元素组合时，边界仍然清晰。论文还分析了错误预测的性质。在失败案例中，89.2%的错误保持了正确的输出维度，72.9%保持了正确的颜色调色板。即使推理失败，模型也没有完全偏离目标。
Pathway的“后Transformer”叙事
BDH-CQ隶属于Pathway的BDH研究体系，一条激进的“后Transformer”技术路线。Pathway的核心理念是：Transformer的推理能力本质上是“事后粘上去的”，通过CoT让模型在生成token的过程中完成推理，这种“思考即写作”的范式在深度推理和约束满足任务上存在根本局限。
BDH家族通过创建更大的内部潜在推理空间，并赋予模型记忆机制，让推理脱离语言的束缚。Pathway已与AWS合作，将BDH部署在Amazon SageMaker HyperPod上，瞄准企业级“持续学习、无限上下文、实时适应”的需求。BDH-CQ的0.0007美元/任务的推理成本，意味着大规模部署不再是奢侈。
从商业角度看，BDH-CQ的出现可能比29.5%的准确率更有意义。当推理成本跌到“几乎免费”的程度，AI推理的“卖水人”逻辑就可能被重写。不是每个场景都需要96%的准确率，但每个场景都希望推理成本足够低。
0.07美分的未来
BDH-CQ为ARC-AGI能效竞赛开辟了一条全新的支线。当主流玩家在比拼“谁能在100美元预算内拿到更高分”时，BDH-CQ把基准线拉到了0.001美元以下。这不只是一个学术成就，更是一个商业信号。推理成本的大幅下降，将加速AI推理从“少量高价值场景”向“大规模嵌入式场景”的扩散。
当然，29.5%的准确率还有巨大提升空间。论文作者指出，同样的架构可以通过模型规模扩展、更长的训练时间、语言和数学推理能力的融合来进一步改进。如果潜在推理加上下文学习能够持续扩展，如果有一天一个150M参数的模型能达到50%甚至70%的ARC-AGI-1准确率，那么整个AI行业关于“推理需要多大规模”的假设，都将被重新审视。
在通往AGI的道路上，我们或许已经习惯了用“更大、更贵、更慢”来换取“更聪明”。BDH-CQ提出了一个截然不同的命题：也许真正的智能，不需要说那么多话。
快报