SubQ: النموذج اللغوي شبه التربيعي الذي يعد بسياق 12M رمز بتكلفة أقل 1,000 مرة
في 5 مايو 2026، شركة ناشئة في ميامي اسمها Subquadratic خرجت من الخفاء مع ادعاء جريء: نموذجهم SubQ هو أول نموذج لغوي كبير مبني على بنية شبه تربيعية حقاً، قادر على معالجة 12 مليون رمز في نافذة سياق واحدة بجزء صغير من التكلفة الحسابية لنماذج اليوم الرائدة.
الاستقبال كان فورياً — ومنقسماً بشكل حاد.
الابتكار الأساسي: الانتباه المتناثر شبه التربيعي (SSA)
انتباه Transformer القياسي يتدرج كـ O(n²) — ضاعف السياق، رباع الحوسبة. SSA يستبدل مصفوفة الانتباه الكثيفة بآلية اختيار متناثر تعتمد على المحتوى.
النتيجة: Subquadratic تدعي ~1,000x تقليل في حوسبة الانتباه عند 12M رمز مقارنة بنماذج Transformer القياسية.
أداء المعيار
| المعيار | درجة SubQ | المقارنة |
|---|---|---|
| SWE-Bench Verified | 81.8% | Opus 4.6: 80.8% |
| RULER 128K | 95.0% | Opus 4.6: 94.8% |
| MRCR v2 1M | 65.9% | GPT-5.5: 74.0% |
الشك: لماذا يطالب الباحثون بالدليل
- لا ورقة تقنية — Subquadratic لم تنشر ورقة محكمة
- أوزان مغلقة — النموذج ليس مفتوح المصدر
- قياس ضيق — ثلاثة معايير فقط، كلها تفضل المهام الطويلة
- فجوة البحث والإنتاج — نسخة البحث 83%، API الإنتاج 65.9%
الخلاصة
إطلاق SubQ هو أحد أهم وأكثر إعلانات الذكاء الاصطناعي إثارة للجدل في 2026. إذا تم التحقق منه، SSA يمكن أن يعيد تشكيل اقتصاديات الذكاء الاصطناعي بشكل أساسي. التحقق المستقل سيأتي في الأشهر القادمة.
ما هو مؤكد: سباق الذكاء الاصطناعي شبه التربيعي بدأ رسمياً.