根据 Beating 动察，SubQ 发布了其 1.1 Small 版本，并附带一份技术报告，声称在极端上下文长度为 1200 万 tokens 时，检索准确率达到 98%，并由第三方评估器 Appen 验证。该模型在实际编程测试中的表现与领先的前沿模型相当。开发公司 Subquadratic 披露，该模型并非从零开始训练，而是通过对开源前沿模型的注意力机制进行修改构建，并在 1 万亿 tokens 上进行增量训练。
尽管第三方完成了验证，开发者社区仍然持怀疑态度。研究人员指出，所称突破缺乏基础性的技术新意，只是应用了既有的稀疏注意力机制。部分人指出技术报告中存在由 AI 生成的填充文本，而另一些人则警告，过滤机制可能会在并发使用时引入调度开销，进而在边缘场景中造成严重的延迟。
