AI 创企 Subquadratic 声称破解了困住大模型十年的数学瓶颈
A startup claims it broke through a bottleneck that’s holding back LLMs
迈阿密 AI 创企 Subquadratic 走出隐身模式，宣称解决了困扰大语言模型近十年之久的数学瓶颈。该公司新模型 SubQ 号称速度更快、成本更低、能耗更少，且能一次性处理多达 12 倍的文本量。
报道核心
总部位于迈阿密的 AI 初创公司 Subquadratic 上月走出隐身模式，抛出一个惊人声明：它破解了阻碍大语言模型发展近十年的数学瓶颈。新推出的模型 SubQ 据称速度更快、成本更低、能耗大幅减少，且上下文窗口可一次性处理多达 12 倍于主流模型的文本量，适用于数百份文档或整个代码库的分析。
性能对比与质疑
Subquadratic 声称 SubQ 在编程等关键任务上的表现与 Google DeepMind、OpenAI 和 Anthropic 的顶级模型相当。但早期发布时只提供了有限的自主测试数据，引发业界广泛 skepticism。如今公司开始分享独立评估结果，增加了声明的可信度。
尚未公开验证
最大的问题是 SubQ 尚未广泛开放试用，外界无法独立复现其宣称的性能。如果这项技术真实有效，可能从根本上改变大模型的效率格局。
对 AI 行业的影响
如果 SubQ 的技术被独立验证为真，它将突破限制 LLM 规模化的核心瓶颈，可能重新定义模型架构竞争——从”堆算力”转向”算效率”。对 OpenAI、Anthropic、Google 等依赖大规模 Transformer 架构的巨头构成潜在颠覆，对芯片需求格局也会产生连锁反应。但当下市场仍需谨慎，等待更广泛的第三方复现验证。
原文参考
来源：MIT Technology Review · 2026-06-19
Miami-based AI startup Subquadratic came out of stealth mode last month with a huge claim. It announced that it had solved a mathematical bottleneck that had been holding back large language models for almost a decade. The details were thin, and many people were unconvinced. But Subquadratic has started to bring the receipts, sharing the…