SubQ Snap：支持 384K 上下文的长上下文决策模型

Subquadratic于2026年10月12日发布SubQ Snap，称其面向企业智能体决策流程，支持最多384K文本和图像上下文，并以较低延迟处理长输入；关注价值在于，这类模型试图把“长上下文”从通用生成能力转化为工具选择、文件筛选和流程判断等结构化决策能力。

• Subquadratic官方称，Snap可处理最多384K上下文，并在约10万token输入下于约1秒返回决策。
• 公司披露其在16项Decision Index任务上的平均分为67.6，高于Jev的61.6，并在其中13项领先。
• 官方还称Snap在1M token的Decision RULER测试中得分96.3，但该结果来自公司自测披露，不能直接视为跨模型统一排名。
• 其决策头输出有限选项，意味着产品重点不是长篇生成，而是降低智能体工作流中的路由和判断成本。
• 影响/看点：若实际企业任务中能保持准确率和低延迟，Snap可能减少长文档、代码库和工具日志的切分处理；能否形成实际价值取决于任务标签设计、错误代价、数据分布及第三方复测结果。
• 资料依据:
• Subquadratic（2026-10-12）：Introducing SubQ Snap https://subq.ai/introducing-subq-snap
• SubQ文档（2026-10-12）：Models API https://docs.subq.ai/endpoints/models-api/
• Rohan Paul（2026-10-12）：关于SubQ Snap的帖子 https://x.com/rohanpaul_ai/status/2109713379757867045

本内容由 AI 生成，仅供参考，请注意甄别