Sans réfléchir « à voix haute », ce modèle inspiré du cerveau coûte jusqu'à 11 fois moins cher qu'OpenAI
D'après BDH-CQ: In-Context Learning with Recurrent Latent Reasoning (préprint, Pathway, arXiv:2608.09888)
Image : générée (Gemini)
Rédigé à partir de la source originale; chaque fait est vérifié contre le texte source.
À retenir
- Sur ARC-AGI-1, un test de raisonnement reconnu, BDH-CQ (150 millions de paramètres) réussit 29,5 % des tâches en deux tentatives (pass@2), pour un coût calculé de 0,0007 $ US par tâche - préprint de Pathway, 10 août 2026, arXiv 2608.09888.
- Selon l'ARC Prize Foundation, GPT-5.6 Luna (Low) d'OpenAI obtient 34,2 % sur ARC-AGI-1 à 0,040 $ US par tâche : BDH-CQ coûte donc 57 fois moins cher aux prix de juillet 2026, ou 11 fois moins cher après la baisse de prix de 80 % du 30 juillet 2026.
- BDH-CQ ne verbalise jamais son raisonnement intermédiaire : il résout chaque tâche par calcul itératif dans un espace latent (une représentation interne, jamais transformée en mots), à partir d'une mémoire mise à jour par les exemples fournis.
- BDH-CQ prolonge Dragon Hatchling (BDH), une architecture présentée par la même équipe en septembre 2025, inspirée de la façon dont les neurones se connectent pendant l'apprentissage.
- GEO.fr, qui relayait cette étude, évoquait « certains modèles d'OpenAI » sans les nommer : le préprint compare un seul modèle précis, et son chiffre de 11 fois tient déjà compte d'une baisse de prix chez OpenAI, sans quoi l'écart aurait été de 57 fois.
Pourquoi ça compte
Ce résultat déplace le débat sur l'IA du seul score de précision vers le rapport coût-précision sur un test de raisonnement reconnu : le préprint revendique un nouveau record d'efficacité coût-précision sur ARC-AGI-1, pas le meilleur score absolu. Un bémol s'impose : un modèle moins coûteux à exécuter n'est pas automatiquement un modèle qui consomme moins d'électricité, les deux mesures n'étant pas équivalentes.
Chiffre-clé
29,5 % des tâches d'ARC-AGI-1 réussies en deux tentatives (pass@2) par BDH-CQ, à un coût calculé de 0,0007 $ US par tâche, selon le préprint de Pathway publié le 10 août 2026 sur arXiv (2608.09888).
Action concrète
Le préprint complet (arXiv:2608.09888) est accessible librement, sans compte ni abonnement, pour quiconque veut vérifier la méthode et les résultats.
Fondée sur la source originale
Sources
- BDH-CQ: In-Context Learning with Recurrent Latent Reasoning (préprint, Pathway, arXiv:2608.09888) : Source principale de cette fiche, déposée le 10 août 2026.
- The Dragon Hatchling: The Missing Link between the Transformer and Models of the Brain (préprint, arXiv:2509.26507) : Architecture antérieure de la même équipe (30 septembre 2025), à l'origine de BDH-CQ.
