Model wskazany przez Pathway jako punkt odniesienia rozwiązuje więcej zadań niż model Pathwaya. Trzydzieści cztery i dwie dziesiąte procent wobec dwudziestu dziewięciu i pół, przy dwóch próbach na zadanie i na publicznym zbiorze ARC-AGI-1. Firma tej liczby nie chowa, podaje ją na własnej stronie badawczej i uznaje za sedno sprawy. Mierzy bowiem nie samą skuteczność, tylko jej stosunek do kosztu. Rekord, o którym mówi Pathway, dotyczy więc relacji jakości do ceny. Jest przy tym ciekawszy niż ten, który obiegł nagłówki. Spółka domknęła właśnie rundę zalążkową na 30 milionów dolarów przy wycenie pół miliarda, więc warto rozdzielić trzy rzeczy zlepione w skrócie “jedenaście razy taniej od GPT”. Czym jest architektura po-transformerowa, co znaczy wynik na teście ARC-AGI-1 i czym ten test różni się od swojego następcy.
Czym jest architektura po-transformerowa i dlaczego ktoś szuka czegoś poza transformerem
Dzisiejsze duże modele językowe stoją na jednym pomyśle z 2017 roku. Nazywa się transformer i opiera na mechanizmie uwagi, czyli sposobie ważenia, które fragmenty tekstu są dla siebie istotne. Przez dziewięć lat sporo się wokół niego zmieniło, od trybów mieszanki ekspertów po pracę na wielu rodzajach danych i liczenie w trakcie odpowiadania. Sam rdzeń pozostał jednak ten sam.
Ma on jednak cechę, która przy budowaniu samodzielnych systemów zaczyna przeszkadzać. Model po zakończeniu treningu ma stałe parametry. Potrafi korzystać z tego, co ma w oknie kontekstu, ale niczego nowego w tych parametrach nie zapisuje. Praca źródłowa zespołu Pathwaya nazywa ten problem wprost i stawia go jako główną barierę: chodzi o uogólnianie w czasie.
BDH, czyli Baby Dragon Hatchling, jest próbą obejścia tego ograniczenia. To nazwa własna architektury tej konkretnej firmy, nie kategoria branżowa. Wyuczone parametry zostają na miejscu. W trakcie działania model aktualizuje natomiast wewnętrzny stan pamięci. Autorzy opisują to jako plastyczność połączeń między neuronami, na wzór reguły Hebba z biologii. Upraszczając: to, co model widzi w trakcie pracy, zmienia jego pamięć roboczą, a nie jego wagi. Autorzy dokładają do tego rzadkie aktywacje, co ma ułatwiać podglądanie, za co odpowiadają poszczególne neurony.
Dwie rzeczy warto tu ustawić na miejscu. Po pierwsze, praca opisująca tę architekturę została zgłoszona 30 września 2025 roku, więc ma prawie rok. Sierpniowa nowość to runda finansowania i nowy model, nie sam pomysł. Po drugie, praca deklaruje, że BDH dorównuje modelowi GPT-2 przy tej samej liczbie parametrów, od dziesięciu milionów do miliarda. GPT-2 to punkt odniesienia z 2019 roku i tak trzeba go czytać.
Wynik 29,5 procent i trzy zastrzeżenia, które do niego należą
Model nazywa się BDH-CQ, ma 150 milionów parametrów i osiągnął 29,5 procent w trybie pass@2 na publicznym zbiorze ewaluacyjnym ARC-AGI-1. Wyliczony koszt to 0,0007 dolara za zadanie. Każdy z tych kwalifikatorów coś znaczy i żaden nie jest ozdobnikiem. Pass@2 to zgoda na dwie próby przy każdym zadaniu, więc nie jest to wynik z jednego podejścia. Zbiór jest publiczny, czyli dostępny wcześniej. Test to ARC-AGI-1, a nie jego następca.
Zacznijmy od skali samej liczby. ARC-AGI to zestaw łamigłówek wzrokowych, w których na podstawie kilku przykładów trzeba odgadnąć regułę i zastosować ją do nowego przypadku. Badania nad ludzką skutecznością na pierwszej wersji tego testu wskazują średnią w okolicach trzech czwartych zadań. Model o3-preview od OpenAI osiągnął tam w grudniu 2024 roku 75 procent przy niskim budżecie obliczeniowym i 87 procent przy wyższym. Na tym tle 29,5 procent to wynik niski i nie ma sensu udawać inaczej. Ten sam kłopot z czytaniem liczb dotyczy matematyki, gdzie medalista Fieldsa zwraca uwagę na rozkład osiągnięć modeli.
Samo Pathway zresztą tak tego nie sprzedaje. Na stronie opisującej model firma pisze wprost, że BDH-CQ jest wyspecjalizowany do tego rodzaju rozumowania wzrokowego, podczas gdy modele z rankingu są systemami ogólnego przeznaczenia. To jest zastrzeżenie producenta o własnym produkcie i akurat ono nie pojawiło się w przejrzanych polskich relacjach.
Do tego dochodzi nierówność wyników. Jak podaje Unite.AI, skuteczność wahała się mocno zależnie od kategorii zadań, a najsłabiej wypadały porządkowanie sekwencji i zależności zagnieżdżone. Nic z tego nie pokazuje, że ta architektura wygrywa z modelami ogólnego przeznaczenia w codziennej pracy. Pokazuje, że w wąskiej klasie zadań da się zejść bardzo nisko z kosztem.
Model, z którym Pathway się porównuje, wypada lepiej
Tu wracamy do liczby z pierwszego akapitu. Punktem odniesienia jest GPT Luna 5.6 w wariancie oszczędnym, który rozwiązuje 34,2 procent zadań. Kosztuje przy tym jedenaście razy więcej. Liczy się to już po obniżce ceny tego modelu przez OpenAI o osiemdziesiąt procent z 30 lipca.
Skrót “jedenaście razy taniej od GPT” jest więc formalnie prawdziwy, tylko gubi drugą połowę zdania. Tańszy model rozwiązuje mniej zadań. Twierdzenie Pathwaya brzmi inaczej i jest ostrożniejsze: zdaniem autorów żaden wcześniej opisany system nie osiągnął tej samej skuteczności przy równym albo niższym koszcie. To zdanie o granicy opłacalności, a nie o pokonaniu kogokolwiek.
Skąd wzięło się akurat jedenaście razy
Sama ta liczba ma ciekawą historię i warto ją znać. Według danych z rankingu ARC Prize z lipca różnica wynosi około pięćdziesięciu siedmiu razy. Autorzy sami ją urealnili w dół, uwzględniając osiemdziesięcioprocentową obniżkę ceny modelu OpenAI z 30 lipca. Ranking tej obniżki jeszcze nie uwzględniał. Firma podała więc liczbę mniej efektowną od tej, którą mogła podać zgodnie z publicznymi danymi.
Jedna rzecz przemawia przy tym na korzyść firmy i warto ją oddać. Pathway podaje, że wynik odtworzyła niezależna ewaluacja prowadzona metodą czarnej skrzynki. Raport z niej ma być jawny. Przy komunikatach producentów o własnych modelach nie jest to standardem.
Dlaczego koszt jest tu kryterium, a nie wymówką
Warto dodać, dlaczego taki rekord w rozumieniu autorów w ogóle się liczy, zamiast być sztuczką statystyczną. Od drugiej wersji ARC-AGI każdy raportowany wynik podaje się razem z miarą efektywności, a organizatorzy zaczęli właśnie od kosztu. Uzasadniają to tym, że koszt najlepiej porównuje się między człowiekiem a maszyną. Pathway trafia zatem w kryterium, które ustanowił ktoś inny, i to jest mocniejszy argument niż wycena.
Ostrożność wobec liczb producenta przydaje się tu tak samo jak przy dużych premierach. Pisaliśmy o tym przy dziesięciu dowodach OpenAI sprawdzanych w języku Lean, gdzie maszyna potwierdzała poprawność rozumowania, ale nie to, czy sformalizowano właściwy problem. Podobny rozjazd między tym, co zmierzono, a tym, co ogłoszono, opisywaliśmy też przy zapowiedzi otwartych wag Qwen3.8-Max.
ARC-AGI-1 to nie ARC-AGI-2
Numer przy nazwie testu nie jest szczegółem redakcyjnym. Pierwsza wersja powstała w 2019 roku, czyli przed erą dużych modeli językowych. Przez pięć lat opierała się kolejnym podejściom i, jak podaje organizator, do końca 2024 roku postęp był niewielki. Potem przyszedł wspomniany wynik o3-preview i stał się jednym z powodów zbudowania trudniejszego następcy.
Dlatego w 2025 roku powstała druga wersja. Miała być sprawdzianem dla systemów rozumujących i tak została zbudowana. Każde zadanie z tego zbioru rozwiązało co najmniej dwoje ludzi, mieszcząc się w dwóch podejściach. Poprzeczka dla maszyn stoi na 85 procentach.
Wynik Pathwaya dotyczy wersji pierwszej i do tego jej publicznego zbioru ewaluacyjnego. Firma zapowiada rozszerzenie podejścia na drugą wersję oraz na trudniejsze zadania z ograniczeniami, ale wyników stamtąd na dziś nie ma. Porównywanie 29,5 procent z liczbami, które najnowsze modele osiągają na ARC-AGI-2, byłoby więc zestawianiem dwóch różnych egzaminów.
Czy Pathway jest polską spółką
Odpowiedź brzmi: zależy, co ma znaczyć “polska”. Warto ją rozłożyć, bo skrót z nagłówków rozjeżdża się z tym, jak firma opisuje samą siebie.
Na własnej stronie Pathway przedstawia się jako laboratorium badawcze budujące architektury i modele, które samodzielnie rozumują, uczą się i rozwijają. Słowo “polska” nie pada tam ani razu. W komunikacie o rundzie firma występuje jako laboratorium z siedzibą w Palo Alto w Kalifornii.
Polski jest natomiast zespół założycielski. Zuzanna Stamirowska jest współzałożycielką i prezeską, Jan Chorowski dyrektorem technicznym, a wcześniej pracował w MILA i Google Brain oraz współtworzył prace z Geoffreyem Hintonem. Adrian Kosowski odpowiada za pion naukowy. Do tego doszedł Adam Kurzrok jako dyrektor produktu, wcześniej kierujący grupą produktową Gemini w Google DeepMind. Praca o BDH ma pięcioro autorów, w tym Przemysława Uznańskiego i Michała Bartoszkiewicza.
Pieniądze z rundy mają pójść na moc obliczeniową, w tym systemy NVIDIA nowej generacji, oraz na wyspecjalizowane modele rozumujące dla finansów, technologii i ochrony zdrowia. Wśród inwestorów są Id4 Ventures, TQ Ventures, Red Bridge Ventures, Kadmos Capital i WS Investment Co., czyli ramię inwestycyjne kancelarii Wilson Sonsini. Anielsko dołożył się Jonathan Frankle, główny naukowiec do spraw AI w Databricks. Najuczciwszy opis brzmi więc: polski zespół założycielski, kalifornijska siedziba i inwestorzy z kilku krajów.
Pierwsza Misja AI · Kodożercy
AI bez technikaliów – kurs i certyfikat
Pierwsza Misja AI to kurs Kodożerców dla absolutnych początkujących. Sci-fi fabuła, gamifikacja, prawdziwy GPT-4 w ćwiczeniach, certyfikat na koniec.
Zacznij Pierwszą Misję →
Najczęstsze pytania
Czy architektura po-transformerowa zastąpi transformery?
Nic na to na razie nie wskazuje i sama firma tego nie twierdzi. Wynik dotyczy modelu o 150 milionach parametrów w wąskiej klasie zadań wzrokowych, a praca źródłowa porównuje się do GPT-2 z 2019 roku. Historia uczenia maszynowego zna wiele architektur, które działały świetnie w małej skali i gorzej znosiły powiększanie. To, czy BDH przejdzie ten test, rozstrzygną dopiero większe modele. Firma zapowiada, że środki z rundy pójdą na moc obliczeniową i kolejne modele rozumujące, więc odpowiedzi trzeba szukać w tym, co pokaże dalej.
Skąd wiadomo, ile naprawdę kosztuje jedno zadanie?
Z pomiaru czasu pracy sprzętu i jednego przyjętego założenia cenowego. Praca podaje, że zadanie zajmuje około 0,85 sekundy pracy karty H200. Przy stawce 3 dolarów za godzinę takiej karty wychodzi 0,0007 dolara, czyli mniej niż jedna dziesiąta centa. Metoda jest więc opisana i da się ją sprawdzić. Słabszym punktem jest druga strona porównania i zauważają to sami autorzy. Koszty pozostałych systemów pochodzą z rankingu, a tam bywają albo szacunkami sprzętowymi, albo cenami interfejsu programistycznego. Zestawiane liczby nie zawsze mierzą więc to samo.
Podsumowanie
Pathway pokazał coś węższego, niż sugerowały nagłówki, ale ciekawszego, niż wynikałoby z samej wyceny. Model o 150 milionach parametrów rozwiązał niecałe trzydzieści procent zadań z publicznego zbioru starszej wersji testu ARC-AGI, i to przy dwóch próbach na zadanie. To mniej niż model, z którym firma się porównuje. Kosztowało to jednak około jednej jedenastej tego, co model porównawczy. Rekord, o którym mówią autorzy, dotyczy granicy opłacalności, a nie samej skuteczności. Wokół tego wyniku warto pilnować trzech rozróżnień. Architektura po-transformerowa jest kierunkiem badawczym z jesieni 2025 roku, a nie gotowym produktem. ARC-AGI-1 to nie ARC-AGI-2. Polski jest wreszcie zespół założycielski, a nie adres spółki. Prawdziwym sprawdzianem będzie to, czy ta sama konstrukcja wytrzyma zwiększenie skali.
Newsletter · DevstockAcademy & Kodożercy
Bądź na bieżąco ze światem IT, AI i automatyzacji
Co wtorek: newsy z branży, praktyczne tipy i narzędzia które warto znać. Zero spamu.
