AREX Feed Article
Subquadratic 发布长上下文决策模型 SubQ Snap：384K 多模态上下文，输入 0.05 美元/百万 tokens、输出免费
2026 年 10 月 12 日 16:03（UTC，北京时间 13 日凌晨 0 点 03 分），Subquadratic 联合创始人兼 CEO Alexander Whedon 在 ，称其为「面向真实企业工作的第一个长上下文决策模型」。同日上线了产品页与博客，自我介绍是一家「前沿 AI 研究与基础设施公司」；模型以 Public Preview（公共预览）形式开放注册，前 10,000 名注册者获赠 1 亿（100M）输入 tokens，定价为每百万输入 tokens 0.05 美元，输出 tokens 免费。
按官方口径，Snap 单次调用可处理最多 384K tokens 的文本加图像上下文，处理 10 万 tokens 并在 1 秒内返回决策；在 Decision Index v0.2.1 上得 61.7 分，高于 TypeSafe 决策模型 Jev 的 57.9 分，并在 16 项企业基准中的 13 项上领先。这些数字全部出自公司自己的评测——同日发出的 也把口径限定为「Subquadratic 自己的评测」（In Subquadratic's evaluations）。与帖文不同，当天就给出了详细的评测方法说明；截至发稿，公开渠道尚未见到这些分数的独立复测。
决策模型：现成的品类，32K 的旧上限
按照官方博客的定义，决策模型（decision model）接收上下文、一个问题、一组事先划定的候选答案，为每个答案采样一个概率，而不是自回归地生成一段开放文本。Subquadratic 把这种从开放生成收窄到「应用定义的答案空间」的做法称为 specialization（特化），收益是效率：给预设候选答案打分替代自回归生成，省掉了生成应用用不到的文字所需的延迟与成本。
这类调用在 agent（智能体）工作流里几乎每一步都会发生：挑选相关文件、决定下一个工具、判断测试是否通过、决定哪一步需要交给前沿模型。博客把 Snap 面向的决策归为四类角色：Routing（路由）、Tool Picking（选工具）、Checking（校验）和 Stopping（判定收尾）。
这个品类并非从零开始。博客点名的同类产品有 Laya——用双向编码器配决策头（decision head）——以及 Perplexity 的 Decider（v1.1 把预训练语言模型改成非因果注意力）和 TypeSafe 的 Jev，三者接口一致：一个问题、有限的候选答案、一个结构化预测。但博客同时指出，答案空间窄不等于上下文小：在三个工具里挑一个，依据可能散落在整个代码库或几十轮交互历史里，而特化并不降低读取这些输入的成本。「如今的决策模型停在 32K tokens，在看不到大部分所需信息的情况下做决定」——这是博客给旧产品画出的上限，也是 Whedon 帖子里「384K 上下文是 Jev 的 12 倍」一说的依据（官网图表注明 Jev 的上下文上限是 32K）。
自报成绩单：方法、强项与失分点
Decision Index 在博客里被称作「决策模型的公共基准」：37 项基准、五个加权领域，每题都是多项选择，随机猜计 0 分、满分 100，让选项数不同的任务可以公平比较。但套件里最长的请求约 34K tokens——被写进帖子的旗舰分数量的是短上下文决策。v0.2.1 上 Snap 得 61.70、Jev 得 57.90，公司在五个领域中的四个领先：arts & human taste（+12.11）、language understanding（+7.46）、retrieval & classification（+6.27）、tools & automation（+3.39）。
Bespoke Labs 的 Nimble 基准（3,880 条人工标注样本、来自 13 个公开数据集，覆盖安全分类、意图识别、改写、推断、生物医学问答和摘要质量）上，Snap 平均准确率 82.9%，Jev 为 76.0%。
企业侧，公司从 Decision Index 里挑出 16 项对应常见企业工作流的基准：平均 67.5 对 61.6，13 项领先、3 项落后。差距最大的是钓鱼检测（PhishNChips，47.1 对 25.1）、代码输出预测（CRUXEval，73.8 对 57.1）和财经新闻实体情感（FinEntity，92.8 对 80.8）；输掉的三项是下一次 API 调用（API-Bank，−1.6）、路由判断（When2Call，−7.6）和评论分析（ACOS，−0.6）。完整清单如下：
| 工作流 | 基准 | 测什么 | Snap | Jev | 差值 |
|---|---|---|---|---|---|
| 客户支持路由 | CLINC150+OOS | 意图 + 域外识别 | 91.5 | 89.2 | +2.3 |
| 客户支持路由 | BANKING77 | 银行意图（77 类） | 80.6 | 79.5 | +1.1 |
| 安全 | PhishNChips | 钓鱼检测 | 47.1 | 25.1 | +22.0 |
| 搜索与检索 | Amazon ESCI | 商品相关性 | 48.7 | 43.8 | +4.9 |
| 搜索与检索 | BRIGHT | 高难度文档排序 | 44.3 | 40.6 | +3.7 |
| 文档校验 | RAGTruth | RAG（检索增强生成）幻觉检测 | 64.8 | 51.3 | +13.5 |
| 文档校验 | HoVer | 多文档论断核查 | 54.2 | 45.7 | +8.5 |
| 法律 | ContractNLI | NDA（保密协议）全文条款审查 | 70.7 | 59.1 | +11.6 |
| 金融 | FinEntity | 财经新闻实体情感 | 92.8 | 80.8 | +12.0 |
| 医疗/制药 | NLI4CT | 临床试验报告 NLI（自然语言推理） | 72.8 | 69.0 | +3.8 |
| 代码 | CRUXEval | 预测代码输出 | 73.8 | 57.1 | +16.7 |
| 工具使用 | ToolRet | 工具检索 | 63.1 | 59.9 | +3.2 |
| 工具使用 | BFCL | 函数调用 | 96.2 | 94.3 | +1.9 |
| 工具使用 | API-Bank | 下一次 API 调用 | 86.4 | 88.0 | −1.6 |
| 工具使用 | When2Call | 调用、追问、回答还是拒绝 | 67.0 | 74.6 | −7.6 |
| 客户反馈 | ACOS | 评论的方面级情感分析 | 26.7 | 27.3 | −0.6 |
| 平均（16 项） | — | — | 67.54 | 61.6 | +5.96 |
表中全部数字与差值均出自官方博客的企业工作流表。长上下文部分用的是两套改造过的基准。Decision RULER 的原版会把事实「针」（needle）藏进长填充文本，让模型去找出、追踪或计数它们；公司把原版 13 项任务中的 11 项改成四选一（去掉两项问答任务，理由是去掉上下文模型也能凭记忆答对），同时保留原始样本、干扰项和被藏起来的事实。Snap 从 32K 到 1M tokens 的得分在 96.3～99.8 之间；Jev 只在 32K 处有分（94.1），更长上下文一栏全部是 N/A。Decision LCR 改编自 Artificial Analysis 的 AA-LCR：100 道基于 72K～115K tokens 真实多文档集的人工撰写的题目，被改成 118 道多项选择，每题换三种选项顺序各测一次、全部答对才计分；随机水平 19.2 分，去掉文档时模型只有 24～25 分。Snap 得 74.0，被分块（chunked）处理的 Jev 得 48.0。博客自己提醒：这套改版分数不能与已发表的 AA-LCR 结果直接比较。
与那条 16:03 的帖子相比，博客至少交代了题目怎么改、怎么计分、随机水平在哪；但出题、改造与执行全部出自 Subquadratic 一家。
SSA：把读取长上下文的成本从二次方降到线性
Snap 的两个部件分别处理「读」和「答」。读的一侧靠 SSA（Subquadratic Sparse Attention，次二次稀疏注意力），公司称今年早些时候发布，官网研究栏目 5 月 15 日有专文《How SSA Makes Long Context Practical》。标准 transformer 的注意力计算随上下文长度平方增长，上下文翻倍、注意力算力翻四倍；博客的关键观察是，对决策模型来说「几乎所有推理算力都花在 prefill（预填充，即读取输入）上」，长上下文的读取成本会吃掉决策模型本该省下的钱。SSA 用「依内容选择」（content-dependent selection）把注意力从二次方降到线性；答的一侧是决策头，把上下文表征直接映射到候选答案上的概率分布，跳过自回归生成。
Whedon 在帖子里把这一差异说得绝对：「Snap 是唯一一个每 token 计算量不随上下文增长而保持恒定的决策模型或 LLM。」官网的算力对比图给出的量级是：上下文拉到 2M tokens 时，稠密注意力路线约需 1,008 PFLOP（千万亿次浮点运算），SSA 路线约 7.8 PFLOP。
自报延迟：最小上下文 80ms，32K 约 250ms，100K 约 660ms，384K 约 2.5 秒——「不到 1 秒」的承诺对应 660ms 那一档。同一条帖子里 Whedon 也写下了预警：平台还在针对新模型和新用户群调优，「延迟会有波动」。多模态方面，官方称文本与图像可在同一上下文混排，截图、图表、扫描页可以与文档、日志放在一起推理。
定价与开放：先到先得，容量随时可能打满
定价在官网、博客与帖文三处一致：输入每百万 tokens 0.05 美元，输出不计费。开放方式则有两个版本：帖文说「今天对任何人开放」；博客写明是 Public Preview、先到先得、容量有限，满员后新用户进入等候名单，等扩容后再放开。1 亿免费输入 tokens 按标价折算约值 5 美元。
Whedon 在帖文里预计「容量可能很快打满」，会随算力扩容逐步加人，「欢迎算力合作提议」。他在中把这次发布称作「对我们来说的一次试运行」，并透露公司的语言模型已在「全球一些最大的企业」私下测试、自 5 月以来发布了三代——对应官网产品线里的 SubQ 1.1 Small（官方博客称其处于 Early Access，面向选定的设计合作伙伴），页面还列出了另一款 SubQ Medium。官网研究栏目显示的时间线是：5 月 14 日宣布与 LayerLens 合作评估 SubQ，6 月 16 日发布 SubQ 1.1 Small，10 月 12 日轮到 Snap。
首日实测：513 问 1.4 秒，输入上限停在 295,957 tokens
Whedon 在中称，周末已向几百人开放访问，「几十个人做出了不错的 demo 或完整评测，有人甚至写了 70 页报告」。截至发稿前检索，的浏览量约 136 万，点赞约 910、转发约 470。
第一批可查的自测各有侧重。Cequence 的 CSO（首席安全官）Peter Banda 把 Snap 接进公司维护的开源 Scala 客户端（随 1.6.0 版发布）：塞进 513 个问题、约 1.4 秒返回；他列出的愿望清单包括支持 data-URL 图片、请求 ID 响应头和一个只返回决策的 /v1/models 端点。他同时留下一个问号：单次实测的最大输入停在 295,957 tokens，「不是 384K」。Toader Mihali（@teddym6）他在封闭测试中对 subq-snap-preview 的评测：约 2.5 万次调用、20 项任务、全部零样本；MMLU 86.8%、ARC-C 97.6%，到约 19.5 万 tokens 仍保持 90%～95% 准确率，支持 9 种语言加图像，概率经过校准、p50（中位数）延迟约 0.55 秒。Whedon 回应「谢谢这份彻底的评测」，并称已把它标进 Discord。另一位测试者 Cuth 的是方向一致、速度打折：「比宣传的慢一点，但在我自己的基准里它比 Jev 好大约 10%。」
首日能从公开渠道核实的，是产品页、定价与注册入口确实已经上线。至于实测数字与宣传口径的差距——实测上限 295,957 对宣传的 384K，差的约 8.8 万 tokens 从何而来——两条帖子都没有解释。