Pathway, startup europea franco-polacca attiva nell’infrastruttura e nei modelli di intelligenza artificiale per dati dinamici, ha raccolto nuovi capitali a una valutazione di 500 milioni di dollari, portando a 30 milioni di dollari il finanziamento seed complessivamente ottenuto. Nata tra Parigi e Varsavia e cresciuta su tecnologie per l’elaborazione in tempo reale dei flussi di dati, la società sta oggi concentrando la propria ricerca su memoria persistente, apprendimento continuo e architetture Post-Transformer. Il round comprende Id4 Ventures, TQ Ventures, Red Bridge Ventures, Kadmos Capital e WS Investment Co., il braccio di investimento di Wilson Sonsini, insieme a Jonathan Frankle, Chief AI Scientist di Databricks.
Una parte consistente delle nuove risorse verrà destinata all’aumento della capacità di calcolo, comprese nuove NVIDIA GB300, in preparazione della prossima generazione dei modelli sviluppati da Pathway. La dimensione finanziaria dell’operazione serve quindi soprattutto a sostenere una scommessa tecnologica precisa: verificare se sia possibile ottenere capacità avanzate di memoria e reasoning intervenendo sull’architettura del modello, invece di affidare ogni incremento di prestazioni alla crescita dei parametri e del calcolo utilizzato in addestramento e inferenza.
Al centro di questa strategia c’è BDH – Dragon Hatchling, l’architettura presentata da Pathway nel 2025, e soprattutto la sua evoluzione BDH-CQ, un modello da appena 150 milioni di parametri progettato per il reasoning e presentato pubblicamente nell’agosto 2026.
Pathway utilizza per questa famiglia l’espressione Post-Transformer. Il termine non identifica ancora una categoria consolidata dell’industria dell’AI: è la definizione con cui l’azienda descrive una diversa organizzazione di memoria, apprendimento in contesto e calcolo rispetto ai Transformer alla base della maggior parte degli attuali LLM.
BDH-CQ, il reasoning avviene prima delle parole
La caratteristica più immediata di BDH-CQ riguarda il modo in cui affronta un problema.
I reasoning model costruiti sui Transformer possono dedicare più capacità di calcolo a una richiesta producendo una sequenza di passaggi intermedi. Il modello genera token, utilizza i risultati ottenuti per procedere e continua il processo fino alla risposta. L’aumento del reasoning durante l’inferenza può migliorare sensibilmente le prestazioni, ma porta con sé un costo: più passaggi significano più token da elaborare, più memoria e maggiore consumo di risorse.
BDH-CQ sposta invece questa elaborazione in uno stato interno ricorrente. Il modello può iterare sul problema all’interno della propria rappresentazione latente e decodificare soltanto le risposte candidate, senza dover trasformare ogni passaggio intermedio in una sequenza testuale.
Il principio può sembrare una differenza implementativa, ma tocca direttamente l’economia dei modelli di reasoning. Nei sistemi che verbalizzano lunghe catene di ragionamento, aumentare la quantità di calcolo disponibile durante l’inferenza tende ad aumentare anche la quantità di token elaborati. Con BDH-CQ, Pathway sta sperimentando la possibilità di separare almeno in parte la quantità di ragionamento effettuato dalla quantità di testo che il modello deve generare.
È questa la componente che l’azienda definisce recurrent latent reasoning, ragionamento ricorrente nello spazio latente.
Una memoria che cambia mentre arrivano nuove informazioni
Il secondo elemento riguarda ciò che accade prima ancora di formulare la risposta.
BDH-CQ utilizza una memoria ricorrente che viene aggiornata dagli esempi presentati durante l’inferenza. Il modello può quindi ricevere alcuni esempi, incorporarne le informazioni nel proprio stato e utilizzare ciò che ha appena appreso per risolvere un nuovo problema.
È una forma di in-context learning: la capacità di adattarsi al compito nasce dalle informazioni fornite nella richiesta e dal modo in cui queste modificano lo stato interno, senza cambiare i parametri del modello e senza eseguire un nuovo addestramento specifico per quel task.
La distinzione è importante anche rispetto alle affermazioni più ampie di Pathway sul continual learning. BDH nasce da una ricerca che punta verso modelli capaci di aggiornare continuamente la propria conoscenza, ma BDH-CQ dimostra oggi soprattutto un meccanismo di apprendimento e adattamento attraverso la memoria ricorrente durante l’inferenza. Trasformare questa proprietà in un apprendimento continuo, permanente e affidabile di un modello general purpose rappresenta un obiettivo più ampio e ancora da verificare su scala industriale.
Il concetto è comunque rilevante per applicazioni nelle quali le informazioni cambiano continuamente. Un sistema che deve gestire un piano composto da molte variabili, seguire l’evoluzione di un incidente di cybersecurity o lavorare per settimane come agente autonomo non deve soltanto recuperare dati precedenti: deve capire quali informazioni continuano a essere valide, quali sono cambiate e quali conseguenze produce ogni modifica sullo stato complessivo del problema.
Pathway considera proprio stato persistente, ragionamento latente e basso costo di inferenza le tre caratteristiche da portare oltre i benchmark e dentro applicazioni reali.
Il test ARC-AGI-1: 150 milioni di parametri e 0,00070 dollari per task
Il primo dato utilizzato per misurare questa impostazione arriva da ARC-AGI-1, benchmark nel quale il sistema riceve pochi esempi visivi composti da griglie colorate e deve ricostruire la regola che trasforma un input nel relativo output. La regola cambia a ogni esercizio, quindi non è sufficiente recuperare una soluzione già appresa: occorre inferire il meccanismo dai pochi esempi disponibili e applicarlo a una situazione nuova.
Sul public evaluation set di ARC-AGI-1, la configurazione di BDH-CQ da 150 milioni di parametri ha ottenuto il 29,5% pass@2, con un costo di inferenza calcolato di 0,00070 dollari per task.
Il numero più interessante non è il 29,5% preso isolatamente. Esistono sistemi general purpose che ottengono punteggi superiori. Il risultato di Pathway riguarda invece la relazione fra accuratezza e quantità di calcolo necessaria per ottenerla: secondo i dati pubblicati dagli autori, quel punto supera la precedente frontiera costo-prestazioni riportata per ARC-AGI-1.
La stessa Pathway introduce però una cautela necessaria per interpretare correttamente il confronto. BDH-CQ è specializzato nel reasoning visuale richiesto da ARC-AGI, mentre molti dei modelli presenti nelle classifiche sono sistemi general purpose progettati per lavorare su un insieme enormemente più ampio di compiti.
Il benchmark quindi non dimostra che un modello da 150 milioni di parametri possa sostituire gli attuali frontier model. Mostra qualcosa di più circoscritto e, dal punto di vista architetturale, comunque significativo: una quantità non trascurabile di capacità di reasoning può essere ottenuta con un modello molto piccolo e un costo di inferenza estremamente basso quando memoria e calcolo vengono organizzati in modo diverso.
Perché 150 milioni di parametri sono interessanti
La dimensione di BDH-CQ merita attenzione proprio per il confronto con la traiettoria dominante degli ultimi anni.
150 milioni di parametri sono una scala minuscola rispetto agli LLM contemporanei. Il risultato su ARC-AGI non significa che le due categorie siano direttamente confrontabili in termini di capacità complessive, perché BDH-CQ è stato progettato e addestrato per un insieme molto più delimitato di problemi. Permette però di isolare una domanda che sta diventando sempre più importante: quanta parte delle prestazioni di reasoning dipende effettivamente dalla dimensione del modello e quanta dalla struttura con cui il modello usa il calcolo disponibile?
Pathway vuole intervenire proprio sulla seconda variabile.
Il paper originale di Dragon Hatchling, pubblicato nel settembre 2025, descrive BDH come un’architettura sequence state-space basata sull’attenzione, dotata di una formulazione utilizzabile efficientemente sulle GPU. Gli esperimenti pubblicati dagli autori confrontavano configurazioni comprese fra 10 milioni e 1 miliardo di parametri con modelli della famiglia GPT-2 su compiti linguistici e di traduzione, ottenendo curve di prestazioni comparabili a parità di numero di parametri e dati di addestramento.
È ancora molto distante dalla scala e dalla complessità degli attuali modelli general purpose. Quel lavoro aveva però un obiettivo differente: dimostrare che la nuova architettura poteva essere addestrata su GPU, scalare con la dimensione e raggiungere prestazioni linguistiche confrontabili con un Transformer della stessa fascia.
BDH-CQ aggiunge ora un secondo tassello: utilizzare quella struttura per ragionare iterativamente all’interno dello stato del modello.
Dal contesto allo stato
Questa impostazione affronta anche uno dei problemi centrali dell’attuale generazione di AI: la gestione di quantità crescenti di contesto.
Nei Transformer, conservare l’accesso alle informazioni incontrate in precedenza richiede di mantenere e gestire rappresentazioni del contesto che crescono con la sequenza. L’espansione delle context window ha consentito di lavorare con documenti, conversazioni e basi di codice sempre più grandi, ma produce anche un aumento dei requisiti di memoria e del lavoro eseguito durante l’inferenza.
BDH utilizza invece uno stato ricorrente che viene continuamente aggiornato. L’obiettivo è comprimere nello stato del modello ciò che serve del passato e utilizzarlo durante i passaggi successivi.
Anche in questo caso è importante evitare una semplificazione eccessiva: uno stato di dimensione finita non equivale a una memoria infinita. Il sistema deve comunque stabilire quali informazioni conservare, come rappresentarle e come evitare che nuovi dati cancellino o degradino elementi ancora necessari.
La differenza consiste nel punto in cui viene gestito il problema. Pathway sta cercando di spostarlo dalla continua crescita del contesto verso la capacità del modello di mantenere e aggiornare una rappresentazione interna dello stato corrente.
Per un agente che opera a lungo, questa distinzione potrebbe essere particolarmente importante. Memorizzare tutte le azioni precedenti e ripresentarle continuamente al modello è un modo costoso di conservare la continuità. Un sistema capace di mantenere uno stato aggiornato può, almeno teoricamente, conservare ciò che conta senza riesaminare continuamente l’intera storia.
Il precedente dei Sudoku Extreme
ARC-AGI non è il primo benchmark con cui Pathway cerca di mostrare le proprietà della propria architettura. Nel marzo 2026 l’azienda aveva pubblicato i risultati ottenuti con circa 250.000 Sudoku Extreme, indicando per BDH una percentuale di soluzione corretta del 97,4% senza chain-of-thought, backtracking o strumenti esterni.
Anche questo esperimento va letto in relazione alla natura specifica del problema. Un Sudoku difficile richiede di mantenere simultaneamente molti vincoli e propagare gli effetti di una scelta attraverso l’intero stato della soluzione. È quindi un terreno favorevole per verificare una macchina costruita intorno a memoria ricorrente e aggiornamento dello stato.
ARC-AGI compie un passo ulteriore perché il modello deve anche ricavare la regola dagli esempi forniti al momento dell’inferenza. BDH-CQ riceve le dimostrazioni, aggiorna attraverso di esse la propria memoria e utilizza poi il proprio stato latente per risolvere la query.
I due esperimenti hanno perciò un filo comune: misurano la capacità di mantenere una rappresentazione coerente di un problema e modificarla progressivamente mentre cambiano le informazioni disponibili.
Il vero test arriverà fuori dai puzzle
Pathway indica già con precisione i passaggi successivi. L’azienda intende scalare BDH-CQ, affrontare ARC-AGI-2 e problemi di constraint satisfaction più complessi, per poi estendere l’approccio al reasoning linguistico e matematico general purpose.
È questo il passaggio che determinerà il valore effettivo del concetto Post-Transformer.
I puzzle visivi permettono di isolare alcune capacità e di misurarle in condizioni controllate. Un modello general purpose deve affrontare un problema molto più difficile: gestire conoscenza linguistica, ambiguità, informazioni incomplete, ragionamento matematico, uso di strumenti, memoria di lungo periodo e distribuzioni di dati enormemente più varie.
La domanda aperta è se i vantaggi di BDH-CQ sopravvivranno a questa generalizzazione. Un’architettura può risultare estremamente efficiente in una classe specifica di problemi e perdere parte del vantaggio quando deve diventare universale. È precisamente ciò che i prossimi modelli di Pathway dovranno verificare.
Il finanziamento serve a scalare l’esperimento
I nuovi capitali arrivano quindi in un momento preciso dello sviluppo. Pathway vuole passare dalla dimostrazione di proprietà architetturali e benchmark specializzati alla costruzione di modelli multipurpose utilizzabili in produzione, aumentando contemporaneamente capacità di calcolo, dimensione dei modelli e ampiezza dei task.
L’arrivo di Adam Kurzrok come Chief Product Officer va nella stessa direzione. Kurzrok è stato Group Product Manager per Gemini in Google DeepMind e in Pathway avrà la responsabilità della direzione di prodotto, compreso il modo in cui i modelli basati su BDH verranno confezionati, valutati e portati su scala.
La società ha inoltre formalizzato un advisory group che comprende Łukasz Kaiser, coautore del paper che introdusse il Transformer e successivamente ricercatore in Google Brain e OpenAI; Jonathan Frankle, Chief AI Scientist di Databricks; Martín Farach-Colton, Chair of Computer Science and Engineering alla NYU Tandon; e l’economista Jacques Attali. Kaiser seguirà in particolare la roadmap di ricerca e sviluppo, mentre Frankle lavorerà sui problemi di scaling e deployment.
Pathway indica servizi finanziari, healthcare e tecnologia tra i primi settori nei quali sperimentare modelli capaci di mantenere stato, personalizzarsi e ragionare su informazioni che cambiano nel tempo.
Il Post-Transformer si gioca sul costo dell’inferenza
La scommessa arriva mentre il costo dell’AI si sposta progressivamente dall’addestramento all’utilizzo operativo dei modelli. Agentic AI, context window molto estese e reasoning con maggiore test-time compute moltiplicano la quantità di elaborazione necessaria per rispondere a una singola richiesta o completare un workflow.
In questo scenario, l’efficienza dell’inferenza diventa una proprietà architetturale e non soltanto un problema di ottimizzazione hardware.
BDH-CQ offre un’ipotesi concreta da verificare: mantenere una memoria ricorrente invece di dipendere continuamente dalla crescita del contesto, imparare dagli esempi aggiornando lo stato durante l’inferenza e svolgere una parte del reasoning direttamente nello spazio latente.
Il 29,5% su ARC-AGI-1 non chiude la questione. Al contrario, la apre. Dimostra che questa combinazione può produrre risultati misurabili con 150 milioni di parametri e un costo calcolato di 0,00070 dollari per problema. Ora Pathway deve verificare la proprietà più difficile: conservare quella efficienza mentre BDH passa dai benchmark specializzati al linguaggio, alla matematica, agli agenti e ai modelli multipurpose.
È su questo passaggio, più che sulla definizione Post-Transformer, che si misurerà il valore tecnologico dei 500 milioni di dollari attribuiti oggi alla società.
