据动察 Beating 监测，曾宣称能将计算消耗削减千倍的争议大模型 SubQ 发布了 1.1 Small（小参数）版本技术报告。

针对早期预览版本由于缺乏论文和独立验证而被社群讥讽为「AI万金油」（意指虚假宣传）的指控，研发公司 Subquadratic 联合评估商 Appen 开展三方评测，声称模型在 1200 万 token 的极限长度下实现了 98% 的检索准确率，且在实战编程测试中取得了接近主流前沿模型的成绩。技术报告同时透露，模型并非从头训练，而是在开源前沿模型基础上，替换注意力计算机制并增量训练 1 万亿 token 改造而来。

即便拉来三方评测自证，开发者社群对本次更新依然充满质疑。有研究者指出，所谓的黑科技其实并没有底层技术突破，本质上只是把长文本切成小块再进行动态筛选的已有技术（即块稀疏注意力机制）；也有读者吐槽，技术报告中混入了由 AI 生成的文本套话（在 5.7.1 章节尤为明显）。系统工程师则警告，筛选机制在多人并发使用时会带来额外的调度开销，导致最慢的 1% 用户遇到严重卡顿。

由于模型既没有公开核心参数供大家下载，也没有开放人人可用的 API 接口，所谓的降算力与超低定价承诺目前依然流于纸面。