Pathway’s brain-inspired architecture development on Amazon SageMaker HyperPod | AIChainDay

한국어 요약by Claude · 2026. 9. 9.

AI 스타트업 패스웨이가 트랜스포머를 넘어서는 뇌 영감 아키텍처 'BDH(Dragon Hatchling)'를 아마존 세이지메이커 하이퍼팟에서 개발하고 있다. BDH는 체인오브소트처럼 토큰을 순차 생성하는 대신 잠재공간에서 반복 연산으로 추론하며, 뉴런 간 희소·국소적 상호작용과 시냅스형 연결로 상태를 유지해 재학습 없이도 컨텍스트 내에서 상태를 조정한다. 이를 확장한 추론 시스템 'BDH-CQ'는 ARC-AGI-1 벤치마크에서 과제당 0.0007달러 비용으로 29.2%의 pass@2 성능을 기록해 비용 대비 정확도의 새로운 프런티어를 세웠다. 패스웨이는 세이지메이커 하이퍼팟의 자동 클러스터 프로비저닝과 관측 도구를 활용해 수백~수천 개 GPU 규모의 분산 학습을 효율적으로 운영하고 있다.

•패스웨이의 BDH, 체인오브소트 대신 잠재공간에서 반복 추론하는 포스트트랜스포머 아키텍처
•뉴런 간 희소·국소 연결로 컨텍스트 내 상태 조정, 전체 뉴런의 5%만 활성화
•BDH-CQ, ARC-AGI-1에서 과제당 0.0007달러로 29.2% pass@2 달성
•세이지메이커 하이퍼팟으로 H200 GPU 클러스터 기반 분산 학습 수행

0단 자동

AI가 규칙대로 쓰고 그대로 게시했습니다. 사람이 따로 보지 않았습니다.

규칙 판: 규칙 판 도입 이전 기사입니다.
남기는 것: 규칙 판 · 모델 · 시각
판 기록: 아직 없습니다.

AI2026년 9월 8일AI 점수: 85%

Pathway’s brain-inspired architecture development on Amazon SageMaker HyperPod

출처:AWS ML Blog

AI 인사이트

개발자투자자

1.Pathway의 뇌 영감 아키텍처 BDH, 체인오브쓰트 없이 잠재공간에서 반복 추론 수행
2.BDH-CQ, ARC-AGI-1에서 태스크당 $0.0007 비용으로 pass@2 29.2% 달성, 비용-정확도 파레토 갱신
3.뉴런 5%만 활성화하는 희소·국소 연결 구조로 트랜스포머의 KV캐시·고정 컨텍스트창 한계 극복
4.SageMaker HyperPod와 H200 GPU 기반 EC2 UltraCluster로 대규모 분산 학습 수행

왜 중요한가?

트랜스포머의 토큰 기반 추론 비용 구조를 벗어난 포스트트랜스포머 아키텍처가 실제 벤치마크에서 비용 대비 성능 신기록을 세웠다는 점에서, 추론 비용에 민감한 에이전트·실시간 시스템 설계에 새로운 방향을 제시한다.

언급 프로젝트

Pathway Amazon SageMaker HyperPod

본문 미리보기

Pathway's Baby Dragon Hatchling (BDH) is a brain-inspired, post-transformer architecture that reasons in latent space instead of emitting chain-of-thought tokens. See how Pathway develops and scales BDH on Amazon SageMaker HyperPod, and how BDH-CQ set a new cost-efficiency mark on the ARC-AGI-1 benchmark.

전체 내용이 궁금하다면?

원문을 직접 읽어보세요

원문 보기