SubQ 1M-Preview：长上下文AI的首个亚二次LLM

SubQ 1M-Preview 推出 1200 万 Token 上下文窗口

截至 2026 年 5 月 14 日，Subquadratic Labs 已推出 SubQ 1M-Preview，这是首个商用亚二次方大语言模型。它拥有 1200 万 token 的上下文窗口，性能媲美前沿模型，同时推理计算量仅为传统 Transformer 的约五分之一。API 访问在 5 月 5 日公告后立即开放，主要面向代理式和长上下文生成管道。早期内部基准测试已显示，该模型能够处理扩展推理链和多模态输入，而不会出现通常的二次成本激增。对于那些曾因上下文限制而困扰于详细故事板的创作者来说，这些数字感觉像是真正的变革，而非渐进式营销。

为什么亚二次注意力改变了长提示的经济效益

传统 Transformer 对每个新增 token 都会产生二次方计算成本。SubQ 通过注意力机制避开了这一扩展壁垒，其计算量增长远比线性更慢。实际效果是，创作者可以输入整个场景分解、多镜头脚本或长达一小时的参考转录，而无需担心费用激增。我花了一个下午用 4 万 token 的视频提示对预览版进行压力测试，这在其他地方通常会触发超时。它一次性返回了连贯的逐帧指导。老实说，这一次测试让架构转变感觉不再是研究奇观，而是新的基准。

与 GPT-5.5 和 Claude Opus 的基准现实检验

在长上下文推理套件上，预览版得分与 GPT-5.5 相差仅 3-4%，而在 100 万 token 处使用的计算量减少了 78%。与最新 Claude Opus 变体相比，它在创意写作上略有落后，但在提示超过 20 万 token 时的持续多模态一致性上领先。根据发布的定价表，每百万 token 的成本约为当前前沿模型的 22%。当你在迭代 10 分钟视频大纲或拼接 50 张图像故事板时，这些差额很重要。这个差距并非理论上的；经过一周的重度使用后，它会体现在实际钱包影响上。

这对构建扩展场景的创作者意味着什么

长而连贯的提示突然变得足够便宜，可以作为一流的创意素材而非昂贵的奢侈品来对待。导演现在可以将完整的角色圣经、灯光参考和对话轨道放入单次调用中，并获得可用的镜头列表，而无需进行 token 杂技。相同的效率提升已出现在相邻的创意领域。多模态 AI 的进步已应用于成人内容创作，如这篇关于 Seedance 2.0 的分析。我完全不科学的单一样本表明，真正的赢家将是迭代工作流：在数十次通过中生成、审查、精炼，而无需以旧的二次方速率观看计量器跳动。

关于 SubQ 发布的开放问题

什么是亚二次方模型？

亚二次方模型用计算成本增长远慢于序列长度平方的机制取代了标准 Transformer 注意力。SubQ 1M-Preview 使用这种方法，以大约五分之一的通常推理成本为非常长的输入提供前沿级结果。

1200 万 token 上下文窗口如何帮助视频提示？

它让创作者能够一次性粘贴整个多分钟脚本、镜头列表、参考图像和音频转录。模型在整个长度上保持连贯性，而不是迫使用户分块材料并失去跨场景一致性。

SubQ 1M-Preview 现在就可以使用吗？

是的。API 访问在 5 月 5 日与预览公告一起推出。开发者可以直接通过 Subquadratic Labs 注册并立即开始测试 1200 万上下文窗口。

定价与当前前沿模型相比如何？

早期发布的费率显示，一旦上下文长度超过几十万 token，SubQ 的每 token 成本约为 GPT-5.5 或 Claude Opus 等效模型的 22%。节省随提示大小而增加，这是架构优势最明显的地方。