Subquadratic запускается с $29 млн и контекстным окном в 12 млн токенов

Представьте автомагистраль, построенную в 1960-х: три полосы в каждую сторону, великолепно спроектированную под трафик своего времени. А теперь представьте, что в 8 утра во вторник на неё пытаются выехать все водители страны одновременно. Именно так выглядит история трансформера последних нескольких лет: блестящая дорога, которая просто не успевает расширяться под постоянно растущий поток машин. Стартап Subquadratic, вышедший из стелса на этой неделе, утверждает, что нашёл способ добавить ещё десять полос — без единого кубометра нового бетона.

Что произошло

5 мая 2026 года стартап Subquadratic вышел из стелса с посевным финансированием в $29 миллионов и LLM под названием SubQ, как сообщил SiliconANGLE. Главная цифра, от которой перехватывает дыхание: контекстное окно до 12 миллионов токенов — примерно 9 миллионов слов, или около 120 книг, загруженных в один промпт.

Для сравнения: отраслевой стандарт для большинства production-моделей составляет 128 000 токенов, а даже ведущие облачные предложения — Claude Sonnet 4.7 и Gemini 3.1 Pro — не превышают около 1 миллиона. Subquadratic заявляет о 12-кратном увеличении потолка, причём за меньшие деньги.

Компанию возглавляют CEO Джастин Дангел и CTO Александр Уидон. Их архитектура — проприетарный вариант трансформера, построенный на основе sparse attention вместо плотного (dense) внимания, которое определяло направление развития отрасли с 2017 года. Заявленные показатели производительности весьма агрессивны: более чем в 50 раз быстрее и в 50 раз дешевле ведущих фронтирных моделей при 1 миллионе токенов, при этом с более высокой точностью. При полном контексте в 12 миллионов токенов Subquadratic утверждает, что SubQ снижает вычислительные затраты почти в 1000 раз по сравнению с фронтирными моделями.

Цифра из бенчмарка — именно та, которую будут скриншотить в групповых чатах на этой неделе. На RULER 128K, тесте для оценки работы с длинным контекстом, SubQ набрал 95% точности при стоимости $8. Claude Opus набрал 94% при затратах около $2 600. Это примерно 300-кратное снижение стоимости при выигрыше в один процентный пункт точности.

Одновременно с моделью запускаются три продукта: SubQ API для разработчиков и корпоративных команд, SubQ Code (CLI-агент для написания кода, загружающий целые кодовые базы в единый контекст), и поисковый продукт, который изначально будет бесплатным. В ближайшей перспективе модель не будет open-weight или open-source, однако Дангел говорит, что её можно будет дообучать под конкретные клиентские задачи. Среди инвесторов — Хавьер Вильямисар (бывший сотрудник SoftBank Vision Fund), Джастин Матин (сооснователь Tinder, JAM fund), а также ранние инвесторы в Anthropic, OpenAI, Stripe и Brex.

Техническая анатомия

Весь питч держится на одной математической закономерности, которую любой, кто хоть раз профилировал задачу инференса с длинным контекстом в два часа ночи, знает в деталях. Dense attention сравнивает каждый токен с каждым другим токеном. Удвойте входные данные — и объём работы не удвоится, а учетверится. Это и есть квадратичная магистраль, именно поэтому ваш промпт за $20 превращается в $80, как только вы вставляете второй PDF.

«Если удвоить размер входных данных при квадратичных законах масштабирования, потребуется в четыре раза больше вычислений; при линейных — всего в два раза больше», — рассказал Уидон SiliconANGLE. Это единственное предложение и есть весь коммерческий тезис.

Sparse attention, в трактовке Дангела, — это «попытка понять, как не сравнивать каждый токен с каждым токеном с каждым токеном». Скучная часть, которую компания не раскрывает, — это именно то, какие токены сравниваются, а какие пропускаются. Это и есть секретный ингредиент, и именно поэтому модель не является open-weight. Sparse attention — не новая идея на доске. Longformer, BigBird, гибриды в стиле Mamba на пространстве состояний и десятки академических статей уже пробовали это. Сложная часть всегда состояла в том, чтобы сохранить точность, когда вы перестаёте сравнивать всё со всем.

Если результаты RULER 128K выдержат независимое тестирование — вот что действительно важно в этой истории. Результат 95% за $8 против 94% за $2 600 — это не просто дешевле, это меняет то, какие продукты становятся экономически возможными. Вычислительный бюджет, как выражается Subquadratic, перестаёт быть ограничивающим фактором.

Ещё один технический нюанс, заслуживающий внимания: жалоба Уидона на ручное курирование промптов. «Раньше мне приходилось вручную курировать промпты, системы поиска, оценки и условную логику, чтобы выстраивать цепочки рабочих процессов», — сказал он, назвав это «расточительством человеческого интеллекта и одновременно ограничением качества продукта». Перевод: если ваше контекстное окно действительно составляет 12 миллионов токенов и инференс дёшев, вам не нужен RAG. Вам не нужен агентный pipeline поиска. Вы просто загружаете всё целиком. Это очень серьёзное утверждение, и именно здесь всё может рухнуть, если точность деградирует при увеличении длины.

Кто пострадает

Самые очевидные проигравшие, если SubQ выполнит обещания, — это RAG-вендоры. Целая экосистема векторных баз данных, стратегий чанкинга, гибридных систем поиска и ре-ранкеров существует именно потому, что dense attention слишком дорог при масштабировании. Pinecone, Weaviate, стек поиска LangChain, полдюжины консалтинговых компаний, выставляющих шестизначные счета за настройку embedding-пайплайнов — все они продают решения проблемы, которая становится меньше каждый раз, когда кто-то расширяет магистраль. Они не исчезнут за 90 дней, но стратегический вопрос на каждом борд-деке только что стал сложнее.

Фронтирные лаборатории сталкиваются с другим давлением. Anthropic и Google выстроили премиальные ценовые тиры вокруг возможности работы с длинным контекстом. Если стартап на посевном раунде может убедительно заявить о 300-кратном снижении стоимости инференса при 128K, ценовая власть на тирах с миллионом токенов сжимается снизу. Я бы сказал, что Anthropic в этом смысле теряет больше всех, учитывая, насколько сильно корпоративный питч Claude опирается на анализ длинных документов.

Инструменты для написания кода — ещё одна категория под ударом. Питч SubQ Code — загрузка целых кодовых баз в единый контекст. Cursor, Devin от Cognition, инструменты из экосистемы GitHub Copilot Workspace — все они потратили восемнадцать месяцев на создание сложных агентных workflows, чтобы компенсировать ограничения контекста. Если SubQ Code работает при заявленных задержках, слой оркестрации агентов превращается из функции в костыль.

Для вертикалей, близких к читателю RiverCore: команды по compliance в финтехе, проводящие документарный ревью в масштабе; iGaming-платформы, анализирующие логи транзакций для обнаружения мошенничества; ad-tech-компании, обрабатывающие данные рекламных кампаний — все они годами писали хрупкую логику чанкинга. В ближайшие 90 дней этим командам стоит прогнать SubQ API на своих самых сложных внутренних бенчмарках. Не маркетинговых. Тех, которые сломались в прошлом квартале.

Тактика для разработчиков

Три конкретных шага для технических лидов на этой неделе.

Первое: встаньте в очередь на SubQ API и проведите собственные оценки. Бенчмарки вендора — это бенчмарки вендора. RULER 128K — достойный тест, но это не ваш production-трафик. Возьмите самые сложные запросы прошлого месяца — те, где ваш текущий RAG-пайплайн возвращал мусор — и посмотрите, что произойдёт, если перестать курировать и начать загружать всё целиком. Выделите две инженерные недели на честную оценку.

Второе: проведите аудит вашего стека поиска с прицелом на выход. Не потому что вы демонтируете его завтра. А потому что архитектурное допущение об обязательном существовании retrieval теперь оспоримо. Определите, какие части вашего пайплайна существуют из-за стоимости, какие — из-за задержки, а какие — из-за реальных потребностей информационной архитектуры (цитирование, контроль доступа, актуальность данных). Первые две категории теперь подлежат пересмотру.

Третье: следите за вопросом привязки к вендору. SubQ не является open-weight и не планирует таковым становиться. Если вы строите продукт вокруг контекста в 12 миллионов токенов, вы делаете ставку на роадмап, ценообразование и время работы единственного вендора. Это привычная сделка для тех, кто использует платформу OpenAI, но стоит честно обозначить это на архитектурном ревью. Намёк на возможность дообучения под клиентские задачи говорит о том, что Subquadratic понимает корпоративные закупки — но понимать и делать это доступным по цене — разные вещи.

Для скептиков: допустите, что бенчмарки немного приукрашены, что точность деградирует на длинном хвосте окна в 12 миллионов токенов, и спросите себя: является ли 1 миллион токенов при 50-кратном снижении стоимости всё ещё результатом, меняющим бизнес? Мой ответ: да, однозначно.

Ключевые выводы

• Subquadratic вышла из стелса 5 мая 2026 года с посевным финансированием $29 млн и LLM (SubQ), поддерживающим до 12 миллионов токенов, при отраслевом стандарте 128K и фронтирном потолке около 1 миллиона.
• Архитектура — проприетарный трансформер со sparse attention, переходящий от квадратичного к линейному масштабированию. Удвоение входных данных удваивает вычисления, а не учетверяет их.
• Главный бенчмарк: 95% на RULER 128K за $8 против Claude Opus с 94% за около $2 600. Примерно 300-кратное снижение стоимости, если результаты подтвердятся в независимом тестировании.
• RAG-вендоры, инструменты оркестрации агентов и ценовые тиры фронтирных лабораторий для длинного контекста подвергаются наибольшим рискам, если SubQ выйдет с заявленным качеством.
• Техническим лидам следует провести собственные оценки в этом месяце, выяснить, какие компоненты retrieval существуют исключительно из-за стоимости, и взвесить привязку к единственному вендору против экономических выгод.

Возвращаясь к магистрали. Каждые несколько десятилетий кто-то расширяет дорогу — и все обнаруживают, что проблема была никогда не в трафике, а в самой дороге. Дангел выразился торжественнее: «Фундаментальные законы масштабирования, навязанные архитектурой трансформера и dense attention, были преодолены». Это громкое заявление от компании, которая прожила в публичном пространстве всего пять часов. Но если даже половина из этого выдержит столкновение с production-нагрузками, полос стало значительно больше — а множество тщательно выстроенных обходных решений вдруг стали выглядеть как дорожные конусы посреди пустой трассы.