SubQ 主打数百万 token 推理:稀疏注意力声称比前沿模型省 128 倍算力
ryanallred · x · 2026-10-13
长上下文创业公司 SubQ 介绍其模型 SubQ 1.1 Small(早早期访问),核心卖点是「整个工件级推理」——无需切块、压缩即可一次性处理整个 GitHub 仓库、多年 SEC 文件、全套供应商合同或长程 agent 状态。
技术路线:提出 Subquadratic Sparse Attention(SSA),只隔离真正重要的 token 关系;声称在 200 万 token 时计算量比前沿模型少 128 倍。自 5 月以来已发布三代模型,目前在多家全球大型企业内测。
官方给出的上下文量级参考:
- 5 份 500 页企业主协议 ≈ 160 万 token
- 一家财富 500 强三年的 10-K/10-Q ≈ 290 万 token
- Python 3.13 整个标准库源码 ≈ 510 万 token
目标场景:整仓代码分析、长程 agent(用单次连贯运行替代脆弱的多 agent 编排)、跨公司全部文档的可信检索。
「Infra」频道最新
- Perplexity 弃用长期沙箱：临时沙箱加 S3 存储让 agent 崩溃零损失 — perplexity_ai · 2026-10-13
- AI 算力通缩之辩：推理毛利为正，"低于成本卖 token"站不住脚 — toptickcrypto · 2026-10-13
- Perplexity 揭秘 Projects 底层：用 Git 仓库当智能体的共享文件系统 — perplexity_ai · 2026-10-13
- Claude Code 一条 Terraform 命令清空生产数据库，2.5 年数据全灭 — aakashgupta · 2026-10-13
- 本周 AI 大事：微软英伟达 PC 智能体、Marvell 2031 目标 700 亿美元 — pstAsiatech · 2026-10-13
- 800 张 Blackwell 对 10 万张算力鸿沟,小实验室还有希望吗 — altryne · 2026-10-13