Subquadratic 发布长上下文决策模型 SubQ Snap

10 月 13 日，创业公司 Subquadratic 发布 SubQ Snap，定位为首个面向企业级 agent 工作流的长上下文「决策模型」。多家转发帖汇总的信息显示，该模型主打超长多模态输入下的低成本、快速决策。

已确认

• 产品名 SubQ Snap，发布方 Subquadratic，面向企业级 agent 工作流
• 384K token 多模态上下文，官方称比竞品 Jev 大 12 倍
• 随上下文规模增长，每 token 计算量保持恒定（次二次/subquadratic 特性）
• 定价每百万输入 token $0.05，输出免费
• Decision Index v0.2.1 得分 61.7（对比 Jev 的完整分数在转发帖中未展示）
• 模型每轮读取完整对话（消息、PDF、图片、整个 GitHub 仓库），可直接决定 UI 呈现图表还是文本等界面形态；官方称 100K token 场景下决策耗时不到一秒，另有「2-3 秒输出决策」的说法
• 官方演示实测打通 Chrome 恐龙游戏

为什么重要

若「每 token 算力恒定」的宣称成立，SubQ Snap 将显著降低长上下文场景的推理成本，使企业 agent 处理整仓库代码、长文档等超长输入时的规模化部署更经济；「输出免费」的定价进一步压低调用门槛。其「决策模型」定位也区别于通用生成模型，瞄准 agent 工作流中的路由与界面决策环节。需注意本簇帖子均为转发，Jev 的对比分数及具体技术细节应以官方原始发布为准。

2026-10-13 ~ 2026-10-13 · 7 条相关

• SubQ Snap 发布:384K 上下文决策模型,每百万 token 仅 0.05 美元 — ryanallred · 2026-10-13
• SubQ Snap 发布：384K 上下文决策模型，实测打通 Chrome 恐龙游戏 — ryanallred · 2026-10-13
• SubQ Snap 发布：384K 上下文决策模型，每百万输入仅 $0.05 — Med1_Ai · 2026-10-13
• Snap 新决策模型一次吃下 384K token，输入 $0.05/M 且输出免费 — thisdudelikesAI · 2026-10-13

另有 3 条近重复转述:ryanallred · ryanallred · ryanallred