BDH-CQ
#12 in Reasoning-ModellePathway · 2× · zuletzt 12. Aug. 2026
33
Momentum
BDH-CQ ist ein 150-Millionen-Parameter-Reasoning-Modell von Pathway, einem KI-Labor, das eine Post-Transformer-Architektur namens "Dragon Hatchling" (BDH) entwickelt. Anstatt wie klassische Transformer eine Chain-of-Thought als Text zu erzeugen, löst BDH-CQ Aufgaben in einem rekurrenten latenten Zustand, was laut Anbieter deutlich geringere Inferenzkosten ermöglicht. Auf dem öffentlichen ARC-AGI-1-Benchmark erzielte das Modell 29,5% pass@2 bei einem berechneten Preis von 0,0007 USD pro Aufgabe, was Pathway zufolge rund 11-mal günstiger ist als GPT 5.6 Luna (Low) bei nur leicht niedrigerer Genauigkeit. Die zugrundeliegende BDH-Architektur ist als Code auf GitHub verfügbar.
Momentum-Verlauf
15.05.13.08.
Features
| Key-Benchmark (%) | 29,5% pass@2 auf ARC-AGI-1 (öffentliches Eval-Set) |
| Lizenz | BDH-Architektur-Code als Open-Source-Referenzimplementierung auf GitHub (pathwaycom/bdh) verfügbar; BDH-CQ selbst nicht als eigenständiges Release lizenziert |
| Plattform | Eigene Post-Transformer-Architektur (Dragon Hatchling/BDH), trainiert u.a. auf Amazon SageMaker HyperPod |
| Preis pro 1M Token | Kein Token-Preis angegeben; berechnete Inferenzkosten von $0,0007 pro ARC-AGI-1-Aufgabe |
| Release-Datum | 11. August 2026 |