SubQ 1M-Preview: Uzun Bağlamlı AI İçin İlk Subkuadratik LLM

14 Mayıs 2026 itibarıyla Subquadratic Labs, ilk ticari subkuadratik büyük dil modeli SubQ 1M-Preview'i yayınladı. Model, 12 milyon tokenlık bağlam penceresine sahip ve öncü performans sunarken geleneksel transformer'lara göre yaklaşık beşte bir çıkarım maliyetiyle çalışıyor. API erişimi 5 Mayıs duyurusunun hemen ardından açıldı ve özellikle ajan tabanlı ile uzun bağlamlı üretken pipeline'lara odaklanıyor. Erken iç benchmark'lar, modelin uzatılmış akıl yürütme zincirlerini ve multimodal girdileri olağan kuadratik maliyet artışı olmadan işleyebildiğini gösteriyor. Ayrıntılı storyboard'ları bağlam sınırları yüzünden sıkışan herkes için bu rakamlar, küçük bir pazarlama adımı değil, gerçek bir sıçrama gibi duruyor.

Geleneksel transformer'lar her eklenen token için kuadratik maliyet öder. SubQ bu ölçeklenme duvarını, hesaplama maliyeti dizilim uzunluğunun karesinden çok daha yavaş artan bir dikkat mekanizmasıyla aşıyor. Pratik sonuç, yaratıcıların tüm sahne detaylarını, çoklu çekim senaryolarını veya saatlik referans metinleri besleyebilmesi ve faturanın patlamaması. Önizlemeyi 40.000 tokenlık bir video promptuyla test ettim; normalde zaman aşımına yol açacak bu uzunlukta model tek seferde tutarlı kare kare yönlendirme üretti. Bu tek test bile mimari değişimin artık bir araştırma merakı değil, yeni standart haline geldiğini gösterdi.

Uzun bağlam akıl yürütme testlerinde önizleme, GPT-5.5'in yalnızca %3-4 gerisinde kalırken 1 milyon token seviyesinde %78 daha az işlem gücü kullanıyor. En son Claude Opus varyantına karşı yaratıcı yazımda hafif geride kalsa da 200 bin token'ı aşan promptlarda sürekli multimodal tutarlılıkta önde. Milyon token başına maliyet, yayınlanan fiyat listesine göre mevcut öncü modellerin yaklaşık %22'si seviyesinde. Bu fark, 10 dakikalık video özetleri üzerinde yineleme yaparken veya 50 görselden oluşan storyboard'ları birleştirirken cüzdanınıza doğrudan yansıyor.

Uzun ve tutarlı promptlar artık pahalı bir lüks değil, birinci sınıf yaratıcı malzeme olarak ucuza kullanılabiliyor. Yönetmenler tam karakter biblolarını, ışık referanslarını ve diyalog parçalarını tek bir çağrıya atıp kullanılabilir çekim listeleri alabiliyor. Aynı verimlilik kazanımları komşu yaratıcı alanlarda da kendini gösteriyor. Multimodal yapay zeka ilerlemeleri, Seedance 2.0 analizi gibi yetişkin içerik üretiminde de uygulanmaya başlandı. Tamamen bilimsel olmayan tek örneklemim, asıl kazananın yinelemeli iş akışları olacağını gösteriyor: eski kuadratik hızda sayaç tıklamadan onlarca kez üret, incele, iyileştir.