午方 AI 获悉，备受争议的大型模型 SubQ 正式披露 1.1 版小参数版本技术报告。针对早期缺乏独立验证的质疑，研发方 Subquadratic 联合评估机构 Appen 开展第三方测试，结果显示在最大长度为 1200 万令牌的场景下，模型检索准确率高达 98%，编程任务表现亦逼近行业顶尖水平。

技术细节显示，该模型并非从零训练，而是基于开源先进基座进行增量优化，通过替换注意力计算机制并利用 1 万亿令牌数据微调实现性能跃升。

然而，开发社区对此持审慎态度，研究人员指出其核心逻辑实质是将块稀疏注意力机制应用于长文本分段动态过滤，并未产生根本性技术突破，且报告中存在大量 AI 生成模板痕迹。

此外，系统工程师警告多用户并发可能引发调度开销激增，导致尾部 1% 用户遭遇严重延迟。鉴于核心参数未公开且无开放 API 接口，其承诺的计算效率提升与超低定价方案目前仍停留在理论层面。