# 迈阿密初创公司 Subquadratic 放出第三方跑分，声称解决了让大模型又慢又贵的“注意力瓶颈”

> 原标题：A startup claims it broke through a bottleneck that’s holding back LLMs

- 来源：MIT Technology Review · AI
- 发布时间：2026-06-19T10:40:24.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/39803
- 原文：https://www.technologyreview.com/2026/06/19/1139313/a-startup-claims-it-broke-through-a-bottleneck-thats-holding-back-llms/

## 摘要

Subquadratic 之前说自己的 SubQ 模型能打破大模型里那个让成本随文本长度平方级暴涨的“密集注意力”瓶颈，当时没给证据，被很多人叫“AI 版 Theranos”。现在他们拿出了 Appen 的独立测试结果，显示 SubQ 一次能处理的文本量是多数模型的 12 倍，速度更快、成本更低，在编程任务上大致追平 DeepMind、OpenAI 和...

## 推荐理由

Subquadratic 从被群嘲到拿出 Appen 的独立测试数据，这个反转有实质内容：12 倍上下文窗口、更低成本、编程能力追平一线模型。MIT Tech Review 独家报道增加了信源分量。没给更高分是因为目前只有一家第三方测试，样本还少，正文也没披露具体延迟和成本数字，我会先打个折。

## 锐评

Subquadratic 这次学乖了，知道光靠嘴说会被叫“AI 版 Theranos”，所以找了 Appen 做独立测试。结果确实有点意思：SubQ 在编程任务上能跟一线模型打平，同时处理长文本的能力是别人的 12 倍，速度和成本都更低。CTO 也承认，当初要是直接把第三方结果一起放出来，能省掉很多口水仗。

不过先别太激动。Appen 的测试报告我没看到原始数据，文章里也没披露延迟毫秒数、每 token 功耗或者实际报价。12 倍这个数字听起来很猛，但如果基准模型本身就慢，那绝对值未必好看。另外模型至今没开放试用，所有结论都还锁在纸面上。

这条新闻值得跟，但判断得等他们敢把模型放出来让人随便测。如果是真的，长文本处理的成本结构确实可能被改写。