SubQ 1M-Preview: Первый субквадратичный LLM для длинноконтекстного ИИ

По состоянию на 14 мая 2026 года Subquadratic Labs выпустила SubQ 1M-Preview — первую коммерческую субквадратичную большую языковую модель. Она обладает контекстным окном в 12 миллионов токенов и соответствует производительности передовых моделей, при этом потребляя примерно одну пятую вычислительных ресурсов для инференса по сравнению с обычными трансформерами. Доступ к API открылся сразу после анонса 5 мая и ориентирован на агентные и генеративные пайплайны с длинным контекстом. Ранние внутренние бенчмарки уже показывают, что модель справляется с протяженными цепочками рассуждений и мультимодальными входами без привычного квадратичного роста затрат. Для тех, кто наблюдал, как лимиты контекста душат детальные раскадровки, эти цифры ощущаются как настоящий прорыв, а не просто маркетинговый ход.

Традиционные трансформеры платят квадратичный налог за каждый добавленный токен. SubQ обходит эту стену масштабирования благодаря механизму внимания, чьи вычисления растут гораздо более линейно. В результате креаторы могут загружать целые разбивки сцен, многосценарные сценарии или часовые референсные транскрипты, не опасаясь, что счёт взорвётся. Я провёл полдня, тестируя превью на 40-тысячном токеновом видео-промпте, который обычно вызывает тайм-ауты в других моделях. Модель вернула coherent покадровые указания за один проход. Честно говоря, этот тест показал, что смена архитектуры — это уже не просто исследовательская диковинка, а новая базовая реальность.

На бенчмарках с длинным контекстом превью показывает результаты в пределах 3–4 % от GPT-5.5, при этом используя на 78 % меньше вычислений при отметке в 1 млн токенов. По сравнению с последней версией Claude Opus модель немного уступает в креативном письме, но лидирует в устойчивой мультимодальной когерентности, когда промпты превышают 200 тыс. токенов. Стоимость за миллион токенов составляет примерно 22 % от текущих цен передовых моделей согласно опубликованному прайс-листу. Такая разница важна, когда вы итерируете 10-минутные видео-планы или собираете 50-изображенийые раскадровки. Преимущество не теоретическое — оно ощущается в реальном бюджете после недели активного использования.

Длинные coherent промпты внезапно стали достаточно дешёвыми, чтобы воспринимать их как полноценный творческий материал, а не дорогую роскошь. Режиссёры теперь могут загружать полные библиотеки персонажей, референсы освещения и треки диалогов в один запрос и получать готовые списки кадров без токеновой гимнастики. Те же преимущества уже заметны и в смежных творческих областях. Достижения мультимодального ИИ уже применяются в создании adult-контента, как показано в этом анализе Seedance 2.0. Мой небольшой и совершенно ненаучный опыт подсказывает, что главный выигрыш получат итеративные рабочие процессы: генерировать, просматривать, уточнять за десятки проходов, не наблюдая за счётчиком, который раньше рос по квадратичному закону.