迈阿密初创公司 Subquadratic 宣称其 SubQ 模型可实现 1000 倍的 AI 效率提升；研究人员要求提供独立验证。

Subquadratic 是一家总部位于迈阿密的初创公司，宣称已构建出首个采用完全次二次架构（SSA）的大语言模型。该模型 SubQ 1M-Preview 承诺在上下文长度上实现线性计算扩展，有望彻底改变 AI 效率，据称注意力计算可减少 1000 倍。公司已推出私有版 beta 产品，包括 API、命令行编码代理和搜索工具。公司获得了 2900 万美元的种子轮融资，估值达 5 亿美元。公司的基准测试结果显示，在长上下文任务等方面，其表现与成熟模型相比具有竞争力或更优。然而，AI 研究界对此存在分歧，部分人士对其宣称持怀疑态度。批评者指出基准测试选择有限，且缺乏独立验证。该公司的方法——Subquadratic 稀疏注意力（Subquadratic Sparse Attention）——旨在消除不必要的 token 比较。团队由经验丰富的创始人和研究人员组成，计划推出企业级训练工具。Subquadratic 的宣称与 Magic.dev 此前类似的宣称相呼应，但后者尚未兑现。AI 领域此前已出现多次关于次二次扩展的尝试，结果参差不齐。最终的考验在于该模型能否兑现其承诺。