SubQ 1M-Preview: Pierwszy subkwadratowy LLM dla AI z długim kontekstem

Od 14 maja 2026 Subquadratic Labs wprowadziło SubQ 1M-Preview, pierwszy komercyjny subkwadratowy duży model językowy. Posiada on 12-milionowe okno kontekstu i dorównuje wydajności modeli frontowych, zużywając jednocześnie około jednej piątej mocy obliczeniowej inferencji w porównaniu do tradycyjnych transformerów. Dostęp do API został otwarty natychmiast po ogłoszeniu z 5 maja, skierowany przede wszystkim do agentowych i generatywnych pipeline’ów z długim kontekstem. Wczesne wewnętrzne benchmarki pokazują już, że model radzi sobie z rozszerzonymi łańcuchami rozumowania i multimodalnymi danymi wejściowymi bez typowego kwadratowego wzrostu kosztów. Dla każdego, kto obserwował, jak limity kontekstu blokują szczegółowe storyboardy, liczby te wydają się prawdziwą zmianą, a nie tylko przyrostowym marketingiem.

Tradycyjne transformery płacą kwadratowy podatek za każdy dodany token. SubQ omija tę barierę skalowania dzięki mechanizmowi uwagi, którego koszt obliczeniowy rośnie znacznie bardziej liniowo. Efekt praktyczny jest taki, że twórcy mogą wrzucać całe rozbicia scen, skrypty wielostrzałowe czy godzinne transkrypcje referencyjne bez eksplozji rachunku. Spędziłem popołudnie testując podgląd na 40-tysięcznym promcie wideo, który normalnie wywoływałby timeouty gdzie indziej. Model zwrócił spójne wskazówki klatka po klatce w jednym przebiegu. Szczerze mówiąc, ten pojedynczy test sprawił, że zmiana architektury przestała wydawać się ciekawostką badawczą, a stała się nowym standardem.

W zestawach testowych długiego kontekstu podgląd osiąga wyniki w granicach 3-4 % od GPT-5.5, zużywając jednocześnie 78 % mniej mocy obliczeniowej przy 1 M tokenów. W porównaniu z najnowszą wersją Claude Opus nieco ustępuje w pisaniu kreatywnym, ale prowadzi pod względem utrzymywanej spójności multimodalnej, gdy prompty przekraczają 200 k tokenów. Koszt za milion tokenów wynosi około 22 % obecnych stawek frontowych według opublikowanego cennika. Te marże mają znaczenie, gdy iterujesz 10-minutowe zarysy wideo lub składasz 50-obrazkowe storyboardy. Różnica nie jest teoretyczna – widać ją w realnym wpływie na portfel po tygodniu intensywnego użytkowania.

Długie, spójne prompty stały się nagle na tyle tanie, że można je traktować jako pierwszorzędny materiał kreatywny, a nie kosztowny luksus. Reżyserzy mogą teraz wrzucić pełne bible postaci, referencje oświetlenia i ścieżki dialogowe w jednym wywołaniu i otrzymać użyteczne listy ujęć bez gimnastyki tokenowej. Te same korzyści efektywności pojawiają się już w pokrewnych dziedzinach kreatywnych. Postępy multimodalnej AI są już wykorzystywane w tworzeniu treści dla dorosłych, jak w tej analizie Seedance 2.0. Moja całkowicie nienaukowa próbka sugeruje, że prawdziwym zwycięzcą będą iteracyjne workflow: generuj, przeglądaj, udoskonalaj w dziesiątkach przebiegów bez patrzenia, jak licznik rośnie w starym kwadratowym tempie.