Ważny artykuł badawczy: "Mniej znaczy więcej: rekurencyjne rozumowanie z małymi sieciami" Zgodnie z badaniami, mały model o 7M parametrach przewyższa większe LLM-y (w tym DeepSeek R1, Gemini 2.5 Pro) w ARC-AGI-1/2 • ARC-AGI-1: 44,6% • ARC-AGI-2: 7,8% przełom nie polega na rozmiarze, lecz na efektywności. małe modele rekurencyjne sugerują, że następny skok pochodzi z optymalizacji, a nie ze skali.