Añadir Mangas Verdes como fuente preferida de Google de forma gratuita.
Mantente informado con las últimas noticias de actualidad.
El precio del razonamiento artificial se ha convertido en una batalla propia, y Pathway acaba de mover una pieza incómoda. BDH-CQ tiene 150 millones de parámetros y cuesta 0,0007 dólares por tarea, once veces menos que los 0,008 dólares de GPT 5.6 Luna.
No es una victoria total en rendimiento. En ARC-AGI-1, una prueba pensada para medir razonamiento abstracto, BDH-CQ logró un 29,5%, mientras GPT 5.6 Luna en modo Low llegó al 34,2%.
OpenAI recortó un 80% el precio de Luna el 30 de julio, una señal de que el coste ya pesa tanto como la puntuación. Cuando una empresa baja así una tarifa, no solo ajusta una tabla de precios. También admite que el mercado empieza a mirar la factura con la misma atención que el resultado.
Pathway propone que razonar no tenga que salir tan caro
Zuzanna Stamirowska, CEO y cofundadora de Pathway, sitúa ahí el núcleo de la discusión.
"La IA actual paga un elevado coste en tokens por razonar, pero ese coste lo impone la arquitectura, no ninguna ley de la inteligencia". - Zuzanna Stamirowska, CEO y cofundadora de Pathway
La frase apunta a un problema muy concreto. Si el precio del razonamiento depende del diseño del sistema y no de un límite inevitable, el margen de competencia cambia por completo. Ya no gana solo quien resuelve más, sino quien resuelve bastante sin disparar el gasto.
Alibaba también sale mal parada en esa comparación. Su modelo Qwen3 235B obtuvo una puntuación inferior a la de BDH-CQ en modo Low y, además, supera el triple de coste por tarea.
El benchmark enseña una grieta que no cabe ocultar
Hay otra cifra que enfría cualquier lectura triunfal. Claude Opus 5 y Gemini 3.1 Pro se mueven entre el 97% y el 98% en ARC-AGI-1, muy por encima de BDH-CQ y también de GPT 5.6 Luna en modo Low.
Eso deja una imagen poco habitual en la carrera de la IA. Un modelo barato puede resultar competitivo frente a sistemas mucho más pesados en coste, pero sigue lejos de la cabeza cuando la prueba aprieta de verdad. Es una distancia que obliga a preguntarse qué compran exactamente las empresas cuando pagan más.
Mientras tanto, las pruebas de ARC-AGI-2 ya muestran hasta qué punto estos exámenes se han convertido en un escaparate central para medir la ambición real de cada laboratorio.
AWS resume el dilema que ya tienen las empresas
Nicolas Tarducci, de AWS, describió la presión con una fórmula muy directa. Sus clientes quieren llevar el razonamiento avanzado “de la experimentación a producción, donde importan el rendimiento, la eficiencia y la escalabilidad”.
Ahí está la traducción industrial de esta carrera. Durante mucho tiempo bastaba con deslumbrar en una demo, pero producción significa otra cosa. Significa que cada consulta cuesta, que cada segundo de espera cuenta y que un modelo brillante en el laboratorio puede resultar incómodo cuando hay que usarlo miles o millones de veces.
No todo depende de tener más tamaño.
Pathway pondrá esa idea a prueba con matemáticas y con ARC-AGI-2 y ARC-AGI-3, una línea de evaluación que ya ha servido para medir los límites del cómputo masivo. Por ahora, el dato más incómodo sigue siendo otro. Un modelo de 150 millones de parámetros ha entrado en una conversación que parecía reservada a gigantes mucho más caros.