Startup afirma ter criado IA mil vezes mais leve que o ChatGPT

A startup Subquadratic, de Miami, afirma ter criado uma arquitetura que reduz o custo de processar textos longos em grandes modelos de linguagem, usando atenção esparsa subquadrática.
O carro‑chef é o SubQ 1M‑Preview, com promessa de reduzir o consumo computacional “em quase mil vezes” e três produtos em beta: API, SubQ Code e SubQ Search.
Em janelas de contexto de 128 mil tokens, o SubQ seria 7,2 vezes mais rápido; em análises de um milhão de tokens, desempenho seria 52 vezes superior, com capacidade de processar até 12 milhões de tokens de uma vez.
Especialistas questionam os dados divulgados, apontando possível viés de seleção de tarefas, ausência de avaliações em áreas-chave e testes executados apenas uma vez, o que gera cautela.
A empresa afirma que publicará um relatório técnico completo em breve para validação externa; investidores citados incluem a OpenAI e a Anthropic.

A startup de Miami, Subquadratic, afirma ter criado uma arquitetura de IA capaz de reduzir significativamente o custo de processar textos longos em grandes modelos de linguagem. O anúncio envolve o modelo fundacional SubQ 1M-Preview, que segundo a empresa pode reduzir o consumo de energia computacional em quase mil vezes. Além dele, foram lançados três produtos em fase beta: uma API, um agente de programação chamado SubQ Code e um buscador próprio, o SubQ Search. A justificativa central é a melhoria na eficiência por meio de uma nova matemática aplicada ao processamento de contexto.

A empresa afirma ter adotado a técnica de atenção esparsa subquadrática, com o objetivo de manter apenas relações relevantes entre palavras, em vez de cruzar todas as palavras do texto. Esse ganho permitiria que o custo de processamento crescesse de forma linear em relação ao tamanho do texto, em vez de quadrática. Em termos práticos, dobrar a extensão do texto exigiria apenas o dobro de poder de processamento, segundo a Subquadratic.

A equipe por trás da iniciativa inclui o CEO Justin Dangel e o diretor técnico Alexander Whedon, ex-líder de IA generativa na TribeAI e ex-funcionário da Meta. Entre os engenheiros, a empresa reúne profissionais com passagem pelo Google DeepMind. O projeto tem atraído investidores de peso, incluindo menções à OpenAI e à Anthropic, de acordo com reportagens.

Desempenho técnico e promessas

Em uma janela de contexto de 128 mil tokens, o SubQ 1M-Preview seria 7,2 vezes mais rápido que modelos tradicionais. Em análises com 1 milhão de tokens, a performance seria 52 vezes superior, com capacidade para processar até 12 milhões de tokens em uma única rodada. A empresa afirma que o ganho de eficiência cresce conforme o tamanho do texto aumenta.

Segundo a empresa, o foco da melhoria está na aplicação prática da atenção esparsa para longos contextos, o que, em tese, reduziria custos para aplicações de processamento de linguagem natural em larga escala. A equipe sustenta que a vantagem é particularmente relevante para tarefas de montagem de código, localização de dados em documentos extensos e outras aplicações com volumes massivos de texto.

Validação científica e cautelas

Especialistas questionam a validade das métricas apresentadas pela startup, apontando que os testes divulgados parecem ter sido selecionados para favorecer o método proposto. A ausência de avaliações em áreas-chave, como resolução de problemas matemáticos, segurança e fluência em vários idiomas, é destacada pelos críticos. Além disso, alguns experimentos teriam sido executados apenas uma vez, o que dificultaria a avaliação estatística.

Fóruns especializados comparam o caso a episódios anteriores de startups semelhantes, que prometeram ganhos expressivos com contextos ampliados, mas não atingiram adoção prática estável no mercado. Em resposta, o diretor técnico afirmou que um relatório técnico completo deverá ser divulgado em breve para ampliar a transparência do trabalho.

Próximos passos

A Subquadratic informou que pretende publicar o relatório técnico completo em breve, buscando validar os resultados de forma independente. Enquanto isso, a empresa continua promovendo a aplicação prática de seus produtos beta e a integração de sua API com sistemas externos. O andamento do processo de validação permanece como ponto central para a credibilidade da tecnologia.