SubQ lança a versão 1,1 com validação de terceiros mostrando 98% de precisão em 12 milhões de tokens

De acordo com Beating 动察, a SubQ lançou sua versão Small de 1,1, com um relatório técnico que afirma 98% de precisão na recuperação em um comprimento de contexto extremo de 12 milhões de tokens, validado pelo avaliador terceirizado Appen. O modelo alcançou desempenho comparável ao de modelos de fronteira de ponta em testes práticos de programação. A empresa de desenvolvimento Subquadratic revelou que o modelo não foi treinado do zero, mas sim construído a partir da modificação do mecanismo de atenção de modelos de fronteira open-source e de um treinamento incremental em 1 trilhão de tokens.

Apesar da validação de terceiros, a comunidade de desenvolvedores permanece cética. Pesquisadores observaram que a suposta grande conquista não traz novidade técnica fundamental e apenas aplica mecanismos existentes de atenção esparsa. Alguns destacaram texto filler gerado por IA no relatório técnico, enquanto outros alertaram que o mecanismo de filtragem poderia introduzir sobrecarga de escalonamento durante o uso concorrente, potencialmente causando latência severa em casos extremos.