【导语：近日，一款名为SubQ的AI模型横空出世，它基于完全亚二次方稀疏注意力架构（SSA），上下文高达1200万Token，计算量较Transformer暴减1000倍，成本不到Claude Opus的5%，引发AI界广泛关注。】
今天，全球首个基于完全亚二次方稀疏注意力架构（SSA）的模型SubQ震撼登场，其上下文高达1200万Token。相较于Transformer，它的计算量直接暴减1000倍。实验显示，100万token上下文时，SubQ比FlashAttention快52倍，成本不到Claude Opus的5%。
自2017年谷歌奠定Transformer架构的统治地位后，九年里，从GPT到Claude到Gemini，所有前沿大模型都基于密集注意力机制。Transformer工作方式暴力，每个token都要和序列中所有其他token比较，导致深陷「二次方复杂度」泥潭，上下文每增加一倍，计算成本飙升四倍，这使得几乎所有LLM的上下文卡在100万token左右。
SubQ的核心突破SSA架构，思路简单，不再让每个token和所有token做比较，只计算有意义的交互，跳过99%以上的无用计算。它具有线性扩展、内容依赖路由、精确检索三大关键特性，不是把密集注意力算得更快，而是让模型做更少的注意力计算。
在不同token长度下，SSA都展现出明显的速度优势，上下文越长，优势越碾压。算力消耗方面，100万token下，注意力FLOP减少62.5倍；1200万token下，接近1000倍。成本上，在RULER 128K基准测试上，SubQ花费8美元，Opus为2600美元，差距达300倍。且这些优势并未牺牲准确率。
Subquadratic成立于2024年，拿下2900万美元种子轮，估值5亿美元。公司仅13人，研究团队11人全是博士。此次产品线三条同时上线。
SubQ发布后，AI社区分裂成两个阵营。支持者认为这是2026年最疯狂的AI发布之一；怀疑派则直言是「骗子公司」。答案或许要等技术报告公开、独立benchmark复现之后才会揭晓。
编辑观点：SubQ模型若真能实现宣传中的效果，将是Transformer问世以来最重要的架构级突破，但在未得到验证前，其真实性仍存疑，值得行业持续关注。
