Pathway, 2025 yılında geliştirilen Dragon Hatchling modelinin geliştirdiği BDH-CQ modelini tanıttı. Bu post-transformer modeli, ARC-AGI-1 testinde yaklaşık %30 başarıyla 10 puzzleden 3'ünü iki veya daha az denemede çözdü. BDH-CQ, OpenAI'nın GPT 5.6 Luna (Low) modeline göre token maliyeti yaklaşık 11 kat daha düşük.

Sadece 150 million parametre ile çalışırken, frontier modeller onlarca‑yüzlerce milyar parametre kullanır. Sayısal diziler ve latent reasoning engine sayesinde, model metin token akımı yerine sayısal temsillerle düşünüp, işlem gücünü artırmadan daha fazla döngü sürebilir. Sonuçlar, NYU'nun Richard Zhong ve Łukasz Kaiser tarafından bağımsız olarak teyit edildi.

Pathway, BDH mimarisini 600 milyar parametreye kadar ölçeklendirmeyi ve ARC-AGI-2/3 testlerine uygulamayı planlıyor. Ancak bu ölçeklendirmelerin gerçek performansı hâlâ teorik aşamada.