SubQ Promete Resolver o Maior Gargalo dos LLMs: Startup Lança Modelo com Janela de 12 Milhões de Tokens e Atenção 1.000x Mais Eficiente

No dia 5 de maio de 2026, uma startup sediada em Miami chamada Subquadratic saiu do modo stealth com uma afirmação extraordinária: havia resolvido, matematicamente, o principal gargalo que limita os modelos de linguagem de grande escala há quase uma década. O modelo, batizado de SubQ 1M-Preview, não apenas amplia a janela de contexto — ele propõe reescrever a física computacional por trás de como a atenção em LLMs funciona. A declaração gerou fascínio e ceticismo em proporções iguais. Um mês depois, com avaliações conduzidas por terceiros publicadas, o debate ficou substancialmente mais sério.

Resposta Rápida (TL;DR): A Subquadratic lançou o SubQ, o primeiro LLM comercial com arquitetura totalmente subquadrática, capaz de processar até 12 milhões de tokens com um consumo de compute de atenção quase 1.000 vezes menor do que modelos tradicionais em janelas equivalentes. Os resultados iniciais, verificados de forma independente pela empresa Appen, mostram desempenho competitivo com Claude Opus e GPT nos principais benchmarks de raciocínio de longo contexto. A empresa captou US$ 29 milhões em rodada seed e lançou três produtos em beta privado: uma API, um agente de programação (SubQ Code) e uma ferramenta de busca (SubQ Search).

O Gargalo Quadrático: Por Que os LLMs Têm um Teto

Para compreender o que a Subquadratic afirma ter feito, é preciso entender por que os LLMs atuais são tão caros — e por que essa conta piora de forma explosiva com textos mais longos.

O mecanismo central dos transformers modernos é chamado de atenção densa. Quando um modelo processa um texto, ele precisa comparar cada fragmento — chamado de token — com todos os demais tokens do mesmo texto. Se um documento tem 10.000 palavras, isso gera dezenas de milhões de multiplicações individuais. O problema é estrutural: ao dobrar o tamanho do texto, o número de comparações não dobra — ele quadruplica. Esse fenômeno, conhecido como escalonamento quadrático, é a raiz de por que os LLMs são notórios consumidores de energia e por que janelas de contexto muito grandes continuam inacessíveis na prática.

O MIT Technology Review explica com uma analogia visual: imagine um círculo com pontos marcados em sua borda, onde cada ponto representa um token. Linhas conectando cada par de pontos representam as multiplicações necessárias. Com 5 pontos, há 10 linhas. Com 20, há 190. Com 1.000 pontos, aproximam-se de 500.000 combinações. O crescimento é implacável.

Na prática, isso levou toda a indústria a construir workarounds. Sistemas de Recuperação Aumentada de Geração (RAG), estratégias de chunking de documentos, engenharia de prompt refinada — todas são adaptações ao limite, não soluções para ele. "Desenvolvedores e investidores gastam mais tempo e dinheiro em contornos do que no problema em si", afirma a própria Subquadratic no seu blog oficial. "A raiz do escalonamento nunca mudou."

A Solução: Atenção Esparsa com Escalonamento Linear

A resposta da Subquadratic é o que a empresa chama de atenção esparsa subquadrática (SSA, na sigla em inglês). Em vez de comparar cada token com todos os outros, o modelo é treinado para identificar apenas as relações relevantes e descartar as redundantes. O resultado é um escalonamento linear: dobrar o tamanho do texto exige apenas o dobro de processamento — não o quádruplo.

"Somos muito focados no problema de como transitamos de uma arquitetura de atenção densa e escalonamento quadrático para uma de atenção esparsa e arquitetura linear", explicou Justin Dangel, CEO da empresa, em entrevista ao SiliconAngle. O CTO Alexander Whedon complementou: "Se você dobrar o tamanho da entrada com escalonamento quadrático, precisa de quatro vezes mais compute; com escalonamento linear, precisa de apenas duas vezes."

A diferença parece modesta no papel. Em contextos de 128.000 tokens — o padrão da indústria —, o SubQ é cerca de 7,2 vezes mais rápido. Em 1 milhão de tokens, esse ganho sobe para mais de 52 vezes. E na janela de 12 milhões de tokens — o resultado de pesquisa da empresa —, a arquitetura reduz o compute de atenção em quase 1.000 vezes em comparação com modelos de fronteira tradicionais, segundo dados publicados pela Subquadratic.

É importante contextualizar: a ideia de atenção subquadrática não é nova. Mecanismos como Mamba, atenção linear e modelos de espaço de estados (SSMs) já eram objeto de pesquisa acadêmica intensa. "O problema não resolvido não era a ideia. Era construir uma arquitetura subquadrática que não sacrificasse o desempenho de fronteira para chegar lá", registra o blog da empresa. "Foi isso que levou tempo." A equipe de pesquisa inclui doutores e pesquisadores com passagem por Meta, Google DeepMind, Oxford, BYU, ByteDance, Adobe e Cambridge.

Os Benchmarks: Dados Verificados por Terceiros

O lançamento de maio gerou ceticismo imediato porque os dados eram majoritariamente autorreferenciados e o modelo não estava disponível para testes públicos. Em junho, a Subquadratic respondeu publicando avaliações conduzidas pela Appen, empresa especializada em avaliação de modelos de IA.

"Foi realmente emocionante para mim — validou a arquitetura deles", disse Jeanine Sinadan-Singh, diretora de pesquisa em IA generativa da Appen, ao MIT Technology Review. "Mas quando você tem resultados chocantes, não é tão crível quando você mesmo os divulga."

Os números verificados mostram o seguinte quadro comparativo:

Benchmark	SubQ 1M-Preview	Claude Opus	GPT 5.5	Gemini 3.1 Pro
RULER 128K (acurácia)	95,6%	94,8% (Opus 4.6)	—	—
MRCR v2 — produção (verificado)	65,9	32,2 (Opus 4.7)	74,0	26,3
MRCR v2 — pesquisa (não verificado)	83	32,2	74,0	26,3
SWE-Bench Verified	81,8	80,8 (Opus 4.6)	—	—
Custo no RULER 128K	US$ 8	~US$ 2.600	—	—

Fontes: Subquadratic e SiliconAngle. DeepSeek 4.0 Pro marcou 80,0 no SWE-Bench Verified.

Uma nuance importante na tabela: no MRCR v2 — benchmark que testa a capacidade de recuperar e raciocinar sobre múltiplas informações dispersas em contextos longos —, o modelo de produção do SubQ (65,9, terceirizado e verificado) fica abaixo do GPT 5.5 (74). O resultado de 83 é do modelo de pesquisa ainda não verificado de forma independente. A Subquadratic apresenta esse número com a devida ressalva, mas é exatamente o tipo de distinção que analistas exigirão antes de qualquer endosso.

Onde os números são mais expressivos é no custo. Tanto a Subquadratic quanto o SiliconAngle confirmam que no benchmark RULER 128K, o SubQ custou US$ 8 para rodar, contra aproximadamente US$ 2.600 do Claude Opus — uma redução de cerca de 300 vezes. Para quem usa a Calculadora de Custos do Turbina IA para dimensionar projetos com contextos longos, esse diferencial muda completamente a equação de viabilidade de aplicações como análise de contratos extensos ou revisão de repositórios inteiros de código.

No nível de arquitetura, a comparação com o FlashAttention — a implementação de atenção otimizada mais usada em produção hoje — é ainda mais dramática: a atenção esparsa do SubQ é 52 vezes mais rápida e requer 63% menos compute na mesma operação, conforme publicado pela empresa.

Os Três Produtos em Beta

Junto com o modelo, a Subquadratic lançou três produtos em beta privado, todos disponíveis via solicitação no site oficial:

SubQ API: Interface de programação com acesso ao contexto completo, voltada para desenvolvedores e equipes enterprise que precisam processar grandes volumes de dados em uma única chamada — sem fragmentação ou RAG intermediário.

SubQ Code: Agente de programação via linha de comando (CLI). A proposta difere de ferramentas convencionais: em vez de dividir o repositório em pedaços para análise fragmentada, o SubQ Code carrega a base de código inteira em uma única janela de contexto. Isso elimina a necessidade de sistemas multi-agente e o overhead de coordenação que os acompanha.

SubQ Search: Ferramenta de busca de longo contexto com capacidades de Deep Research. A ideia é entregar pesquisa aprofundada sobre múltiplos documentos com velocidade próxima à de um chatbot convencional.

O Ceticismo: "IA Theranos" ou Revolução Real?

A reação da comunidade técnica ao anúncio de maio foi de desconfiança estrutural. Dan McAteer, engenheiro de IA, capturou bem o clima geral em publicação no X, citada pelo MIT Technology Review: "SubQ é ou o maior avanço desde o Transformer… ou é IA Theranos."

A crítica tinha base metodológica. Como apontou o Tecnoblog em sua análise, os benchmarks escolhidos pareciam selecionados para favorecer o método de atenção esparsa — engenharia de software e localização de dados em documentos longos são exatamente os casos onde SSA tem vantagem natural. Avaliações de inteligência geral — resolução de problemas matemáticos, fluência multilíngue, raciocínio abstrato, segurança — estavam ausentes. Adicionalmente, alguns testes foram executados apenas uma vez, eliminando qualquer margem estatística.

Nos fóruns especializados, emergiu a comparação com a Magic.dev — startup que em 2024 prometeu avanços similares em janelas de contexto gigantes, mas que até hoje não obteve adoção prática no mercado. O CTO Whedon reconheceu o erro de comunicação: "Retrospectivamente, publicar os benchmarks de terceiros junto com o anúncio inicial teria evitado muito do ceticismo", disse ao MIT Technology Review.

A ausência de um paper técnico revisado por pares continua sendo o ponto de pressão da comunidade científica. A empresa prometeu publicar um relatório completo "em breve" — promessa feita em maio e ainda pendente no momento de publicação deste artigo.

Quem Financia e Quem Acredita

A Subquadratic captou US$ 29 milhões em rodada seed antes do lançamento público, conforme confirmado pelo SiliconAngle. O The New Stack reportou que entre os investidores estão a própria OpenAI e a Anthropic — detalhe que, se verdadeiro, representaria um endosso extraordinariamente incomum: as maiores empresas do setor apostando numa startup que afirma tornar obsoleta a arquitetura sobre a qual seus próprios modelos foram construídos.

"Esperamos estar dando início a uma nova era de eficiência", disse Dangel ao MIT Technology Review. "Não achamos que ninguém vai continuar construindo em cima de transformers daqui a alguns anos."

O Que Está em Jogo

Mesmo com as ressalvas legítimas, o problema que a Subquadratic ataca é real e amplamente reconhecido. Um LLM genuinamente eficiente em contextos longos tornaria obsoleta uma camada inteira de engenharia de sistemas: pipelines RAG complexos, orquestradores multi-agente, estratégias de chunking — toda a infraestrutura que existe não por ser a melhor solução, mas porque enviar contexto completo aos modelos atuais é inviável. Se o SubQ entregar o que promete em produção e em avaliações mais amplas, o Comparador de IAs do Turbina IA terá um novo competidor de peso para monitorar nos próximos ciclos de atualização.

O número mais revelador até agora permanece o MRCR v2: 65,9 do SubQ em produção contra 32,2 do Claude Opus 4.7 e 26,3 do Gemini 3.1 Pro. MRCR v2 é considerado um proxy mais próximo de aplicações reais do que benchmarks de recuperação pura. O GPT 5.5 com 74 ainda supera o modelo de produção do SubQ nessa métrica — mas o resultado de pesquisa de 83 (não verificado de forma independente) sugere que há espaço para avanço entre preview e produção plena.

A pergunta que o relatório técnico prometido precisará responder é se os ganhos de eficiência se mantêm em tarefas de raciocínio complexo, geração criativa e múltiplos idiomas. Até lá, como sintetizou o MIT Technology Review, "o SubQ não vai substituir os modelos de topo existentes em todas as frentes, mas pode oferecer enormes ganhos de velocidade a uma fração do custo típico para certas tarefas". Em um setor onde custo e latência são barreiras de adoção reais, isso pode ser suficiente para uma posição de mercado relevante — mesmo que a revolução completa ainda precise de mais evidências.

Perguntas Frequentes

O que é a janela de contexto de um LLM e por que 12 milhões de tokens é relevante? A janela de contexto é o limite de texto que um modelo consegue processar de uma vez, incluindo pergunta e histórico da conversa. Os modelos de fronteira atuais operam até 1 milhão de tokens (cerca de 750.000 palavras). Os 12 milhões do SubQ equivalem a aproximadamente 120 livros lidos simultaneamente — viabilizando análise de repositórios de código completos, contratos jurídicos extensos e corpora de pesquisa sem fragmentação. Veja mais sobre termos técnicos no Glossário de IA.

O que diferencia o SubQ dos outros modelos com janelas de contexto longas? A maioria dos modelos com janelas extensas (como os atuais Claude e Gemini) mantém arquitetura de atenção densa com escalonamento quadrático — o que torna o uso de janelas muito grandes computacionalmente proibitivo e caro na prática. O SubQ usa atenção esparsa com escalonamento linear, o que significa que o custo cresce proporcionalmente ao tamanho do contexto, não de forma explosiva.

O SubQ já está disponível para o público geral? Não. No lançamento de maio de 2026, a Subquadratic abriu acesso apenas via beta privado para desenvolvedores e equipes enterprise interessados na API, no SubQ Code e no SubQ Search. Não há previsão de disponibilidade ampla divulgada até a data de publicação deste artigo.

Fontes e Referências

• Subquadratic — Introducing SubQ: The First Fully Subquadratic LLM Product
• A startup claims it broke through a bottleneck that's holding back LLMs — MIT Technology Review
• Subquadratic launches with $29M to bring 12M-token context windows to AI — SiliconAngle
• The context window has been shattered: Subquadratic debuts a 12-million-token window — The New Stack
• Startup diz ter criado IA mil vezes mais leve que o ChatGPT — Tecnoblog