--- title: Startup norte-americana lança modelo de IA com 12 milhões de tokens de contexto e promete romper a barreira que limita os transformers desde 2017 description: A Subquadratic, sediada em Miami, apresentou esta terça-feira o SubQ, um modelo de linguagem que diz processar volumes de informação até cinquenta vezes superiores aos da concorrência ao mesmo custo. O anúncio chega acompanhado de uma ronda de financiamento de 29 milhões de dólares e da promessa de uma arquitetura inteiramente nova para a inteligência artificial. url: https://www.pontoradar.com/artigos/startup-norte-americana-lanca-modelo-de-ia-com-12-milhoes-de-tokens-de-contexto-e-promete-romper-a-barreira-que-limita-os-transformers-desde-2017 datePublished: 2026-05-05T21:19:00.000Z dateModified: 2026-05-05T21:19:19.580Z author: Miguel Cruz authorUrl: https://www.pontoradar.com/autores/miguel-cruz categories: Economia, Internacional, Tecnologia image: https://firebasestorage.googleapis.com/v0/b/pontoradarcom.firebasestorage.app/o/articles%2Fstartup-norte-americana-lanca-modelo-de-ia-com-12-milhoes-de-tokens-de-contexto-e-promete-romper-a-barreira-que-limita-os-transformers-desde-2017%2FScreenshot%202026-05-05%20at%2022.18.25-1778015930239-open-graph.png?alt=media&token=00cabcac-ad8b-4dba-9b63-e48049dfd562 publisher: Ponto Radar language: pt-PT license: https://www.pontoradar.com/termos-e-condicoes --- # Startup norte-americana lança modelo de IA com 12 milhões de tokens de contexto e promete romper a barreira que limita os transformers desde 2017 > A Subquadratic, sediada em Miami, apresentou esta terça-feira o SubQ, um modelo de linguagem que diz processar volumes de informação até cinquenta vezes superiores aos da concorrência ao mesmo custo. O anúncio chega acompanhado de uma ronda de financiamento de 29 milhões de dólares e da promessa de uma arquitetura inteiramente nova para a inteligência artificial. ![Startup norte-americana lança modelo de IA com 12 milhões de tokens de contexto e promete romper a barreira que limita os transformers desde 2017](https://firebasestorage.googleapis.com/v0/b/pontoradarcom.firebasestorage.app/o/articles%2Fstartup-norte-americana-lanca-modelo-de-ia-com-12-milhoes-de-tokens-de-contexto-e-promete-romper-a-barreira-que-limita-os-transformers-desde-2017%2FScreenshot%202026-05-05%20at%2022.18.25-1778015930239-open-graph.png?alt=media&token=00cabcac-ad8b-4dba-9b63-e48049dfd562) Uma nova empresa norte-americana entrou esta terça-feira no mercado dos grandes modelos de linguagem com uma proposta que, a confirmar-se, representa uma das maiores ruturas técnicas no sector desde o aparecimento do ChatGPT. A Subquadratic, com sede em Miami e fundada por Justin Dangel e Alex Whedon, lançou o SubQ, um modelo que diz ser o primeiro de fronteira a abandonar a arquitetura quadrática que domina a indústria há quase uma década. A empresa anunciou em simultâneo uma ronda de financiamento *seed* de 29 milhões de dólares, a uma avaliação de 500 milhões, com investidores que incluem Javier Villamizar, antigo *partner* do SoftBank Vision Fund, Justin Mateen, cofundador do Tinder, e participantes que entraram cedo no capital da Anthropic, da OpenAI, da Stripe e da Brex. ## O problema que dizem ter resolvido Todos os modelos modernos de inteligência artificial generativa, do ChatGPT ao Claude e ao Gemini, assentam numa arquitetura chamada *transformer*, criada pela Google em 2017. Esta arquitetura tem uma limitação fundamental. Para compreender a relação entre as palavras de um texto, compara cada palavra com todas as outras, o que faz o custo de computação crescer quadraticamente. Duplicar o tamanho do texto não duplica o custo. Quadruplica-o. Esta limitação está na origem de quase todas as soluções de contorno que dominam a indústria. Os sistemas RAG, que pesquisam pequenos fragmentos de informação antes de os enviar ao modelo, existem precisamente porque enviar um documento inteiro é proibitivo. As cadeias de agentes que dividem tarefas grandes em pequenas chamadas existem pela mesma razão. O preço da inferência em produção, que é hoje a principal preocupação financeira de quem desenvolve aplicações com IA, deriva diretamente desta lei de escalonamento. A Subquadratic afirma ter construído, ao fim de vários anos de investigação, uma arquitetura alternativa a que chamou *Subquadratic Selective Attention*, ou SSA. Em vez de comparar todos os tokens entre si, o modelo seleciona dinamicamente, em função do conteúdo, que posições do texto interessam para cada operação. O resultado, segundo a empresa, é um custo que cresce de forma linear em vez de quadrática. ## Os números Na descrição técnica publicada pela própria empresa, o SubQ obtém uma pontuação de 95,0 por cento no *benchmark* RULER aos 128 mil tokens, comparável aos 94,8 por cento do Claude Opus 4.6 da Anthropic. No teste MRCR v2 com um milhão de tokens, que avalia a capacidade de localizar e combinar informação dispersa por um texto longo, o modelo de produção marca 65,9 por cento, à frente do Gemini 3.1 Pro (26,3) e do Claude Opus 4.7 (32,2), e atrás do Opus 4.6 (78,3) e do GPT 5.5 (74,0). A versão de investigação, ainda não disponível, alcançaria 83 por cento. No SWE-Bench Verified, que mede a capacidade de resolver problemas reais de engenharia de software, o SubQ atinge 81,8 por cento, ligeiramente acima do Opus 4.6 (80,8) e do Gemini 3.1 Pro (80,6), mas abaixo do Opus 4.7, que lidera com 87,6 por cento. A vantagem mais significativa está, segundo a empresa, na velocidade e no custo a contextos longos. Aos 128 mil tokens, o SSA é 7,2 vezes mais rápido que a arquitetura padrão. Aos 256 mil, 13,2 vezes. Aos 512 mil, 23 vezes. E ao milhão de tokens, 52,2 vezes mais rápido. Em termos de capacidade de processamento, o modelo aceita prompts até 12 milhões de tokens, o equivalente a cerca de nove milhões de palavras ou perto de 120 livros de dimensão média. A Subquadratic anunciou ainda que pretende disponibilizar uma versão com 50 milhões de tokens de contexto até ao quarto trimestre. ## A equipa Justin Dangel é descrito como empreendedor com cinco empresas fundadas anteriormente, em sectores como saúde digital, *insurtech* e bens de consumo. Alex Whedon, diretor de tecnologia, foi engenheiro de software na Meta e dirigiu a área de inteligência artificial generativa na TribeAI. A equipa inclui ainda 11 investigadores doutorados oriundos da Meta, Google, Oxford, Cambridge, ByteDance, Adobe e Microsoft. ## Três produtos em pré-acesso A Subquadratic não disponibilizou o modelo ao público. Em vez disso, abriu um programa de pré-acesso privado para três produtos. O primeiro é uma API compatível com os *endpoints* da OpenAI, dirigida a programadores e equipas empresariais. O segundo é o SubQ Code, uma ferramenta de linha de comandos pensada para se integrar com agentes de programação como o Claude Code, o Codex e o Cursor, e que a empresa diz reduzir custos em cerca de 25 por cento e acelerar a exploração de código em dez vezes. O terceiro é o SubQ Search, descrito como uma ferramenta de investigação aprofundada com a velocidade de um *chatbot* convencional. A empresa optou por não recorrer aos grandes operadores de *cloud* como a Amazon Web Services ou o Google Cloud, alegando custos demasiado elevados, e está a servir os modelos a partir de fornecedores alternativos, os chamados *neoclouds*. ## As cautelas devidas Vários fatores aconselham prudência na leitura do anúncio. Em primeiro lugar, o modelo ainda não está disponível para testes públicos, e os resultados apresentados são auto-reportados pela empresa, com a indicação de que foram validados por terceiros sem que o terceiro seja identificado. O relatório técnico completo, designado *model card*, está prometido mas ainda não foi publicado. Em segundo lugar, a história recente dos modelos com escalonamento subquadrático tem sido marcada por anúncios ambiciosos que não se confirmaram em produção. A [Magic.dev](http://Magic.dev) apresentou em Agosto de 2024 um modelo com janela de contexto de 100 milhões de tokens e levantou mais de 500 milhões de dólares com base nessa promessa. Em inícios de 2026, ainda não há evidência pública desse modelo a ser utilizado fora da própria empresa. Iniciativas anteriores como a Mamba, a RWKV ou o Hyena enfrentaram dificuldades semelhantes, com linearidade teórica que se traduziu em desempenho inferior aos modelos quadráticos quando submetidas a cargas reais. Em terceiro lugar, há aspetos da apresentação que carecem de explicação adicional. A pontuação do Claude Opus 4.7 no MRCR v2, indicada pela Subquadratic em 32,2 por cento, é substancialmente inferior à pontuação do seu antecessor Opus 4.6, fixada em 78,3 por cento, o que levanta questões sobre a uniformidade da metodologia de avaliação. A própria Subquadratic distingue, na sua tabela de resultados, entre uma versão de investigação que pontua 83 e uma versão de produção que pontua 65,9 no MRCR v2, o que significa que o modelo efetivamente colocado ao serviço dos clientes não é o que produz os resultados mais impressionantes mencionados em comunicações públicas. ## O que está em jogo Se a tecnologia se confirmar em testes independentes, as implicações são profundas. Áreas como a análise contratual, a investigação científica, a engenharia de software sobre repositórios completos e a manutenção de assistentes de IA com memória persistente de longo prazo deixam de depender das complexas camadas de pesquisa e compactação que hoje são obrigatórias. O custo de operar aplicações de IA empresarial poderia descer várias ordens de magnitude. Se a tecnologia não cumprir, juntar-se-á a uma já considerável lista de promessas arquiteturais que não sobreviveram ao confronto com a realidade. A indústria de IA generativa, dominada pela Anthropic, OpenAI e Google, tem sido particularmente resistente a estas tentativas de rutura, e os investimentos para superar a barreira do escalonamento quadrático têm sido medidos em milhares de milhões de dólares ao longo dos últimos anos. A próxima fase, e a que verdadeiramente importa, será a publicação do relatório técnico, a abertura do modelo a testes independentes, e a confirmação de que os resultados de *benchmark* se traduzem em valor real para utilizadores em produção. Até lá, o SubQ é uma promessa séria mas, como reconheceu um dos primeiros comentadores na rede de discussão técnica Hacker News poucas horas após o anúncio, é apenas um anúncio que ainda não podemos verificar. --- *O Ponto Radar acompanhará o desenvolvimento do SubQ e a publicação dos seus resultados validados.* --- *Artigo publicado em [Ponto Radar](https://www.pontoradar.com/artigos/startup-norte-americana-lanca-modelo-de-ia-com-12-milhoes-de-tokens-de-contexto-e-promete-romper-a-barreira-que-limita-os-transformers-desde-2017). Autor: [Miguel Cruz](https://www.pontoradar.com/autores/miguel-cruz). Última actualização: 2026-05-05T21:19:19.580Z.*