Polski startup Pathway bije rekord "inteligencji za dolara" w AI

Polska spółka Pathway ogłosiła, że jej eksperymentalny model językowy ustanowił nieoficjalny rekord efektywności kosztowej w sztucznej inteligencji. Model BDH-CQ, mający zaledwie 150 milionów parametrów, osiągnął w benchmarku ARC-AGI-1 wynik porównywalny z jednym z wariantów GPT-5.6 od OpenAI, ale przy jedenastokrotnie niższym koszcie wykonania pojedynczego zadania.

Architektura zamiast skali

Rdzeniem osiągnięcia jest autorska architektura Dragon Hatchling (BDH), którą Pathway rozwija jako alternatywę dla dominującej od lat architektury transformer, na której oparte są modele takie jak GPT czy Gemini. BDH ma być inspirowana sposobem działania ludzkiego mózgu i pozwalać na ciągłe, energooszczędne uczenie się bez konieczności osobnego przechowywania pamięci jako zewnętrznego komponentu.

W praktyce oznacza to, że model integruje pamięć, adaptację i rozumowanie w jednym systemie, zamiast doklejać je jako dodatkowe moduły. Zdaniem zespołu Pathway to właśnie ta konstrukcja, a nie sama liczba parametrów czy moc obliczeniowa, decyduje o tym, ile faktycznie kosztuje jeden akt "rozumowania" modelu.

AI jest dziś droga, ale ten koszt wynika z architektury, a nie z żadnego ogólnego prawa inteligencji - Zuzanna Stamirowska, współzałożycielka i prezeska Pathway

Kim jest zespół Pathway

Za projektem stoi Zuzanna Stamirowska, wcześniej zajmująca się modelowaniem systemów złożonych i predykcją ruchu w handlu morskim. Do zespołu założycielskiego należą też Adrian Kosowski, fizyk i informatyk, doktorat obronił w wieku 20 lat, oraz Jan Chorowski, wcześniej związany z zespołem Geoffreya Hintona. Firma rozwija w gronie doradców również Łukasza Kaisera, jednego ze współtwórców architektury transformer, co nadaje projektowi dodatkową wiarygodność w środowisku badawczym.

Pathway nie jest projektem od zera. Spółka powstała w 2019 roku pod nazwą NavAlgo i od lat sprzedaje rozwiązania do przetwarzania danych w czasie rzeczywistym klientom takim jak francuska poczta La Poste, spedytor DB Schenker czy NATO. Praca nad własnym modelem językowym to dla firmy rozszerzenie kompetencji zdobytych przy budowie infrastruktury danych, a nie wejście w zupełnie nową branżę.

Runda finansowania i plany

Startup ogłosił 11 sierpnia 2026 roku pozyskanie dodatkowych 20 milionów dolarów w ramach rozszerzonej rundy zalążkowej, przy wycenie sięgającej 500 milionów dolarów. Łącznie w tej rundzie Pathway zebrało około 30 milionów dolarów od inwestorów, wśród których są Id4 Ventures, TQ Ventures, Red Bridge Ventures, Kadmos Capital i WS Investment Co. Środki mają pójść na infrastrukturę GPU, w tym układy Nvidia GB300, oraz na trenowanie większych modeli wielozadaniowych opartych na tej samej architekturze.

To odróżnia strategię Pathway od większości laboratoriów AI, które od dwóch lat rywalizują przede wszystkim skalą, budując coraz większe modele na coraz większych klastrach GPU. Pathway idzie pod prąd tego trendu, zakładając, że przewaga konkurencyjna w najbliższych latach przesunie się z samej mocy obliczeniowej na efektywność, czyli stosunek jakości odpowiedzi do kosztu jej wygenerowania.

Co to oznacza dla rynku

Wynik BDH-CQ nie oznacza, że model dorównuje najlepszym systemom pod względem ogólnych możliwości. Wynik 29,5 proc. w ARC-AGI-1 przy zaledwie 150 milionach parametrów jest jednak znaczący, bo pokazuje, że dużo mniejszy i tańszy w utrzymaniu model może zbliżać się do wyników dużo większych systemów w konkretnych zadaniach rozumowania logicznego. Dla firm wdrażających AI na masową skalę, gdzie liczy się koszt pojedynczego zapytania, taka różnica przekłada się bezpośrednio na rachunki za infrastrukturę.

Dla polskiej sceny AI to jeden z nielicznych przykładów rodzimego zespołu prowadzącego badania nad fundamentalnie nową architekturą modeli językowych, a nie tylko nakładkę czy aplikację zbudowaną na istniejących modelach OpenAI, Anthropic czy Google. Wycena 500 milionów dolarów przy zaledwie 30 milionach pozyskanego kapitału pokazuje też, jak duże zaufanie inwestorzy pokładają w zespole, mimo że firma wciąż jest na wczesnym, zalążkowym etapie rozwoju.

Kolejnym testem dla Pathway będzie skalowanie architektury BDH do większych modeli wielozadaniowych, które firma zapowiada sfinansować z bieżącej rundy. Dopiero wyniki tych większych wersji pokażą, czy przewaga kosztowa widoczna przy 150 milionach parametrów utrzyma się, gdy model będzie musiał obsługiwać szerszy zakres zadań niż wyspecjalizowany benchmark ARC-AGI-1.