Subquadratic Inc.
PulseAugur coverage of Subquadratic Inc. — every cluster mentioning Subquadratic Inc. across labs, papers, and developer communities, ranked by signal.
- 2026-06-20 research_milestone Subquadratic Inc. claims to have solved a mathematical bottleneck hindering large language models. 来源
- 2026-06-19 funding Subquadratic Inc. raised $29 million in seed funding to advance its AI model. 来源
- 2026-06-19 funding Miami-based AI startup Subquadratic Inc. raised $29 million in seed funding. 来源
- 2026-06-19 research_milestone AI startup Subquadratic announced a new LLM architecture, SubQ, claiming it overcomes a significant bottleneck in current models. 来源
1 天有情绪数据
-
Subquadratic 声称在怀疑声中取得 LLM 瓶颈突破 · 跟踪 1 个来源
Subquadratic 公司披露了有关其新模型的更多信息，该公司声称该模型克服了大型语言模型 (LLM) 的一个重大瓶颈。尽管分享了细节，一些专家对这一突破仍持怀疑态度。该公司的努力是人工智能领域创新和竞争更广泛趋势的一部分。
-
Subquadratic 发布 SubQ LLM，实现单次代码库处理
Subquadratic Inc. 发布了 SubQ，这是一款新推出的长上下文语言模型，声称能够一次性处理整个代码库或文档集。该模型采用了亚二次方稀疏注意力设计，理论上允许计算量与上下文长度呈线性扩展，而非二次方。虽然供应商发布的基准测试在长上下文检索方面显示出有希望的结果，但据报道，与前沿模型相比，其编码能力一般。该模型目前处于私有测试阶段，可通过与 OpenAI 兼容的 REST API 访问，标称上限为 1200 万个 toke…
-
AI初创公司Subquadratic声称在LLM瓶颈方面取得突破
总部位于迈阿密的AI初创公司Subquadratic Inc.宣布在解决长期存在的数学瓶颈问题上取得突破，该瓶颈一直阻碍着大型语言模型的发展。这一进展可能彻底改变自然语言处理。
-
Subquadratic 融资 2900 万美元，旨在通过稀疏注意力解决 LLM 瓶颈 · 跟踪 3 个来源
总部位于迈阿密的AI初创公司Subquadratic Inc.已获得 2900 万美元的种子轮融资，以解决大型语言模型中长期存在的数学瓶颈问题。该公司的SubQ模型利用稀疏注意力机制，旨在克服这些限制并提升自然语言处理能力。
-
AI研究警告批判性思维下降；初创公司声称已解决LLM瓶颈
麻省理工学院的一项新研究表明，过度依赖AI聊天机器人可能会削弱批判性思维能力和识别错误信息的能力。另外，一家名为Subquadratic的迈阿密初创公司已摆脱隐身模式，声称已克服了一个此前限制大型语言模型性能的重大数学瓶颈。
-
Subquadratic 声称其新的 SubQ 架构实现了大型语言模型突破，并得到独立测试验证
人工智能初创公司 Subquadratic 声称，其新的 SubQ 架构克服了大型语言模型领域一个长达十年的瓶颈。该公司声称 SubQ 更快、更便宜、更节能，能够处理比当前模型多得多的文本，同时在关键任务上与 Google DeepMind、OpenAI 和 Anthropic 的领先大型语言模型相媲美。最初的怀疑因 Appen 的独立评估而有所缓解，这些评估表明 SubQ 在特定数据密集型任务上提高速度和效率的主张可能是有效的，这可…
-
Subquadratic 发布 SubQ 1.1 Small 语言模型更新
Subquadratic Inc. 发布了其语言模型的更新版本 SubQ 1.1 Small。此次发布包含一份技术报告，详细介绍了此新迭代的进展。所提供的信息中未详细说明模型的具体能力或改进。
-
Subquadratic 推出 1200 万 token 上下文窗口，打破纪录
Subquadratic 推出了一款拥有 1200 万 token 上下文窗口的新模型，显著扩展了 AI 一次可处理的信息量。这一突破打破了之前上下文窗口大小的纪录。该开发有望通过允许模型保留和分析更大规模的数据，从而实现更复杂、更细致的 AI 应用。
-
Subquadratic 发布 1200 万 token LLM，声称实现重大架构转变
一家名为 Subquadratic 的迈阿密初创公司悄然发布，声称已开发出首个不使用二次注意力机制的大型语言模型 (LLM)。据报道，这项架构创新能够以显著低于现有前沿模型的成本处理 1200 万 token 的上下文窗口。
-
Subquadratic 声称新架构可将计算量减少 1,000 倍，并推出 beta 产品
一家新的人工智能初创公司 Subquadratic 宣布其新颖的次二次方（subquadratic）架构可以将极长上下文的注意力计算量减少近 1,000 倍。该公司推出了首个模型 SubQ 1M-Preview，以及基于该架构构建的三个私有 beta 产品，包括一个 API 和一个编码代理。然而，在发布时，Subquadratic 尚未发布独立研究来验证其重要的声明，这在人工智能社区引起了好奇和要求提供证明的声音。
-
Subquadratic 推出具有线性扩展架构的 1200 万 token 上下文窗口
Subquadratic 是一家拥有 11 名博士研究员的初创公司，已推出一款采用其 Subquadratic 选择性注意力（SSA）架构的新模型，该架构声称可以随上下文长度线性扩展。这项创新实现了 1200 万 token 的上下文窗口，旨在克服 LLM 中传统密集注意力机制的二次成本限制。早期基准测试显示，在 MRCR v2 和 SWE-Bench 等任务上，其性能与 GPT-5.5 和 Claude Opus 等模型相当，且推理…
-
OpenAI 发布 GPT-5.5 Instant，Subquadratic 推出 12M 上下文，Meta 计划代理式 AI
OpenAI 推出了 GPT-5.5 Instant，这是其默认 ChatGPT 模型的更新，侧重于提高事实准确性和减少幻觉。同时，Subquadratic 推出了一个拥有 1200 万 token 上下文窗口的新 AI 模型，据报道在检索基准测试中优于 GPT-5.5，并计划很快实现 5000 万 token 的窗口。Meta 也在开发由其 Muse Spark 模型驱动的个性化 AI 助手，旨在执行日常任务并减少人工干预进行学习，…