A kvadratikus akadály: minden MI-fejlesztő rémálma
Szinte az összes modern MI-modell alapját képező transformeralapú megoldások, például a GPT és a Claude Opus, egy „attention” (figyelem) nevű mechanizmusra épülnek. Itt minden egyes szó (token) minden többivel össze van hasonlítva, így ha megduplázzuk a bemenet hosszát, a szükséges számítási kapacitás nem kétszeres, hanem négyszeres lesz. Ez a kvadratikus „adósság” hosszabb szövegeknél szinte kezelhetetlenné teszi a modelleket. Emiatt az iparág bonyolult megoldásokat fejlesztett: szeletelve, előzetesen szűrve vagy különféle hackekkel próbálják kezelni az adatokat.
Subquadratic: eldobjuk a fölösleges számolást
A Subquadratic módszere, az SSA (Subquadratic Sparse Attention), alapvetően azt mondja: a tokenek közötti összehasonlítások nagy része felesleges. A modell megtanulja, hogy az adott szöveg tartalma alapján mikor mely viszonyokat érdemes figyelembe venni, és kizárólag ezekkel számol. A kiválasztás tehát teljesen tartalomfüggő, ez teszi lehetővé, hogy akár hatalmas szövegtömegből is ki lehessen szedni a lényegi összefüggéseket, minimális számítási többlettel.
A cég szerint ezzel az újításukkal 128 000 tokenen 7,2-szeres sebességnövekedést érnek el, míg egymillió tokenes bemenetnél már 52,2-szeres gyorsulást. A modell három tréningfázison ment át: alaptanítás, felügyelt finomhangolás, majd egy speciális megerősítéses szakasz, ahol külön a távoli összefüggések felismerésére tanították.
Brutális teszteredmények – de van buktató?
Három benchmarkot választottak, amelyeken a SubQ rendre felülmúlta vagy beérte a milliárdos nagyok modelljeit: például az MMLU-teszten 81,8%-ot ért el (szemben az Opus 4.6 80,8%-ával), míg hosszú kontextusú összefüggésvizsgálatnál 95%-ot (Claude Opus 4.6: 94,8%). Egy különösen nehéz, hosszú láncú keresési feladatban a harmadik féltől ellenőrzött eredmény 65,9% lett, ami több rivális, mint a Gemini vagy a Claude eredményénél jóval magasabb.
Egyúttal ezek a tesztek kifejezetten a hosszú kontextusra és a kódolásra fókuszálnak – más, például általános logikai, matematikai vagy többnyelvű felmérések eredményei még nincsenek nyilvánosan. A cég azt is beismeri, hogy a tesztek nagy része egyszer zajlott, érdemi statisztikai megerősítés nélkül, illetve például az MRCR v2-n laboratóriumban 83%-ot hoztak, de a piackész verzió „csak” 65,9%-ot.
Konkrétabban kiemelendő, hogy az áraival kapcsolatban is vannak homályos részletek: egy mérés szerint a SubQ 95% pontosságot ért el 3 200 forintból, míg a Claude Opus ugyanerre 780 ezer forintot (!) igényelt, de nincs publikus API-ár, így ezt külsőleg nehéz ellenőrizni.
Jönnek a kritikák: áttörés vagy Theranos-sztori?
Az MI-kutatók reakciói a két véglet között ingadoztak. Egyesek évtizedes áttörést látnak, mások szerint csak újramelegített ötlet vagy jó marketing. Akadt, aki szerint a SubQ nem más, mint egy meglévő nyílt forráskódú modell tuningolt változata. Ezt részben maga a CTO el is ismerte, mondván, a fejlesztést biztosították nyílt modellekkel, ami a cég méretéhez mérten logikus lépés.
Sok techszakember úgy véli, ha tényleg ennyivel kevesebbe kerül és ilyen gyors, miért csak korlátozott hozzáféréssel működik? Mások viszont az eddigi „Theranos-ügyek” (hamisítások vagy túlzó ígéretek) veszélyére figyelmeztetnek, felidézve például a Magic.dev ezerszeres hatékonysági bejelentését, amelyből végül semmi sem lett.
Honnan jön az erő? A háttéremberek és a pénz
A Subquadratic mögött egy többszörös exittel büszkélkedő sorozatvállalkozó vezérigazgató, Justin Dangel áll, illetve a technológiai vezető Alexander Whedon, aki korábban a Metánál dolgozott. A céghez 29 millió dollár (körülbelül 10,5 milliárd forint) seedbefektetés érkezett, elismert befektetőktől, például a Tinder társalapítójától. A csapatban tizenegy doktorált kutató van, de egyikük sem publikált alapvető MI-tudományos munkát, s a részletes szakmai leírás is „hamarosan érkezik”.
A cég értékelése viszont már most 175 milliárd forint, azaz 500 millió dollár, annak ellenére, hogy egyelőre nincs publikus modell, peer review vagy igazolt árbevétel.
A végső próba: mi marad a hype-ból?
A valódi kérdés, hogy sikerül-e független vizsgálatokkal igazolni: képes-e az MI elszakadni a kvadratikus számítási csapdából úgy, hogy a minősége és megbízhatósága közben nem sérül. Ha igen, az MI-alapú iparág, a kódautomatizálás, a szerződésvizsgálat vagy a jogi/egészségügyi adattárházak kezelése mind forradalmasodhat, és a költséges kontextusmenedzsment elavul.
A Subquadratic minden kritikus kérdésre nyíltan próbál reagálni, elismeri a meglévő modellekre építést és kisebb méretét. 2026-ban már minden MI-modell legalább egymillió tokenes kontextust ígér, de nagyon kevés közülük használja ki ezt okosan. Ha a SubQ tényleg áthidalta ezt, az iparágra is tartós hatással lesz. Ha kiderül, hogy csupán jól hangzó, de üres ígéret volt, hamar elfelejti a piac. Az MI-történelemben már nem egy alapvető korlát dőlt meg váratlan helyről – most lehet, hogy Miamiban készül az újabb meglepetés, vagy csak újabb okos marketinget látunk.
