Vlevo zadání pro model BDH-CQ, vpravo výstupy. Kredit: Engdahl et al. (2026), arXiv.

Umělé inteligence, které dnes používá většina lidí, například ChatGPT, Claude nebo Google Gemini, jsou založené na velkých jazykových modelech. Složité problémy řeší postupně, krok za krokem. Mohou se dobrat ke správné odpovědi, ale může to trvat a spotřebovává to značné množství výpočetního výkonu, což znamená obrovská, nelidská datacentra.

Vývojáři umělých inteligencí proto hledají alternativy. Zajímavé řešení nabízí inteligence, která přemýšlí neobvyklým způsobem, beze slov. Pokud se osvědčí, mohla by výrazně snížit množství potřebného výpočetního výkonu a s ním i neúnosné náklady na provoz AI.

Novou inteligenci vyvinula společnost Pathway jako model BDH-CQ. Má „jenom“ 150 milionů parametrů, což jsou váhy modelu (weights), které AI během učení upravuje tak, aby se naučila rozpoznávat potřebné věci. Některé z největších současných modelů umělých inteligencí přitom pracují se stovkami miliard takových parametrů.

BDH-CQ v benchmarku a srovnání s jinými modely. Kredit: Engdahl et al. (2026), arXiv.

BDH-CQ nevytváří dlouhé řetězce slov, pomocí nichž by postupně rozebíral daný problém. Zpracovává informace krok za krokem a ukládá je do průběžně aktualizované vnitřní paměti. Samotné uvažování inteligence probíhá v interním pracovním prostoru, dokud model nepředloží výslednou odpověď. Jak vysvětlují autoři, model řeší úlohu prostřednictvím iterativního průběžného výpočtu namísto toho, aby slovně formuloval řetězce myšlenek.

Výzkumníci model otestovali pomocí komplexního benchmarku ARC-AGI-1, který představuje slušný standard pro měření obecné inteligence. Benchmark předkládá inteligenci několik vizuálních příkladů v podobě barevných mřížek a chce po ní, aby odhalila skrytý vzorec a podle něj doplnila nový obrázek.

Logo. Kredit: Pathway.

BDH-CQ dokázal při dvou pokusech na každou úlohu správně vyřešit 29,5 procenta testovaných úloh. Podle týmu Pathway přitom řešení jedné úlohy s tímto modelem stojí pouhých 0,00070 dolaru, tedy méně než jednu desetinu centu. Model BDH-CQ tak na benchmarku ARC-AGI-1 vytvořil nový rekord v poměru přesnosti odpovědi a nákladů na ni. Výsledky rovněž nezávisle ověřil tým Bielik AI.

Dle očekávání se také potvrdilo, že model BDH-CQ není všemocný. Základní vizuální úlohy, například kopírování tvarů nebo prodlužování čar, model zvládal bez větších potíží, ale u náročnějších zadání měl problémy. Nejvíce se to projevilo u úloh, které vyžadovaly uspořádání většího množství objektů nebo několik po sobě jdoucích kroků vizuálního uvažování. Ve společnosti Pathway na tom budou dál pracovat a hodlají vytvořit o něco větší verze tohoto pozoruhodného modelu.

Video: BDH-CQ keeps every step of its reasoning as numbers

Literatura

TechXplore 1. 9. 2026.

arXiv:2608.09888.