SubQ Snap은 기업용 에이전트 워크플로에서 빠르게 의사결정을 내리도록 설계한 멀티모달 모델이다. Subquadratic은 최대 384K 토큰의 문맥을 처리하며, 도구 선택·파일 열기·결과 확인 같은 구조화된 작업에 쓰도록 만들었다고 밝혔다.
회사는 기존 의사결정 모델이 32K 토큰을 처리하는 데 비해 Snap은 코드 저장소 전체나 데이터룸, 에이전트 기록을 한 번에 다룰 수 있다고 설명한다. 또 일상적인 의사결정 작업을 프런티어 모델보다 낮은 비용으로 처리하고, 분 단위가 걸리는 작업을 초 단위로 수행한다고 주장했다. 정확도를 유지한다는 설명도 덧붙였지만, 이 소개 자료에는 해당 속도·비용·정확도 주장을 뒷받침하는 측정 조건이 제시되지 않았다.
공개된 벤치마크 비교에서는 16개 기업 워크플로 벤치마크 가운데 Snap이 13개에서 앞서고 3개에서 뒤졌다. 평균 점수는 Snap 67.5, Jev 61.6으로 6.0점 차이가 났다. 벤치마크별 결과는 피싱 탐지에서 22.0점, 코드 평가에서 16.7점 앞선 반면, 라우팅 항목인 When2Call에서는 7.6점 뒤졌다. 자료에는 점수 산출 방식이나 독립 검증 여부가 따로 설명돼 있지 않다.
SubQ는 의사결정 모델을 주어진 문맥과 질문을 대조해 선택·점수·분류 같은 구조화된 답을 내는 모델로 설명한다. 라우팅, 순위 매기기, 분류, 예·아니요 판정 등 에이전트의 결정 단계에 적합하며, 개방형 추론이나 글쓰기는 프런티어 대형언어모델(LLM)의 역할로 구분했다. Snap은 첫 10,000명에게 1억 토큰을 무료로 제공하며, 입력은 토큰 100만 개당 0.05달러, 출력은 무료라고 안내한다.
SubQ는 자체 알고리즘인 Subquadratic Sparse Attention(SSA)이 중요한 토큰 관계를 골라 연산에 활용한다고 설명한다. 이는 회사가 밝힌 기술 설명이며, 소개 페이지는 연구 자료도 함께 링크한다.
댓글 (0)
로그인하면 이 기사에 내 생각을 남길 수 있어요