SubQ Snap 发布:384K 上下文决策模型,每百万输入仅 $0.05
rohanpaul_ai · x · 2026-10-13
Subquadratic 发布 SubQ Snap,称其为首个面向企业实际工作的长上下文决策模型(decision model),核心卖点是上下文增长时每 token 计算量保持恒定:
- 线性扩展:100K tokens 约 660ms,384K 约 2.5 秒——输入扩大 3.84 倍耗时也约 3.8 倍;同等范围下标准二次方注意力仅注意力成本就会涨约 15 倍。
- 384K 多模态上下文,比竞品 Jev 大 12 倍,可在一次调用中装下整个代码库、文档、日志和截图,而多数决策模型停在 32K–64K 只能分块处理。
- 评测:Decision Index v0.2.1 得分 61.7(Jev 为 57.9),16 项企业基准中 13 项领先。
- 价格:$0.05/百万输入 tokens,输出免费;前 1 万名注册送 1 亿输入 tokens。
配图还展示了用 Snap 替代 LLM 做「搜索仓库→选文件→跑测试」的开放工作流步骤,成本 $1.46(-21%)、耗时 364s(-18%)。
所属事件:Subquadratic 发布 384K 长上下文决策模型 SubQ Snap(23 条相关)→
「模型」频道最新
- 群聊里 Grok 无处不在，一句玩笑话让它生成光头用户画像 — JasonBotterill · 2026-10-13
- 实测观察：RL 过度的模型丧失创造力，回复趋同 — bendee983 · 2026-10-13
- Muse Wonder 请求恰在 300 秒后被 502 掐断,或为 OpenRouter 空闲超时 — adonis_singh · 2026-10-13
- Meta 发布 Muse Wonder 双模型： Coding 榜追平 Claude Code — Latent Space · 2026-10-13
- 曾轻松绕过 Pangram 的他改口：误报率极低，怀疑是错的 — lxrjl · 2026-10-13
- Google 关停加拿大域名后,Gemini 一律用美国法规回答问题 — TempUser12345678 · 2026-10-13