Subquadratic afirma una ganancia de eficiencia de IA de 1.000 veces, los investigadores se muestran escépticos

Subquadratic, una startup con sede en Miami que acaba de salir del sigilo, está haciendo afirmaciones audaces sobre su nuevo modelo de IA, SubQ. La empresa asegura que SubQ logra una asombrosa ganancia de eficiencia de 1.000 veces sobre las arquitecturas de transformadores existentes al escapar de la restricción de atención cuadrática que durante mucho tiempo ha limitado la escalabilidad de los modelos. Si es cierto, esto representaría un avance fundamental en la eficiencia de la IA, permitiendo potencialmente modelos mucho más grandes y capaces sin aumentos proporcionales en los costos computacionales. Sin embargo, la comunidad de investigación en IA ha respondido con un profundo escepticismo. Varios investigadores destacados han solicitado una verificación independiente, señalando que una mejora tan drástica desafiaría las leyes de escalado bien establecidas. El mecanismo de atención cuadrática es un cuello de botella central en los transformadores, y muchos equipos han intentado, y fracasado, superarlo sin sacrificar calidad. Subquadratic aún no ha publicado documentos técnicos detallados ni ha puesto su modelo en código abierto para revisión por pares. La startup afirma que su enfoque utiliza una formulación matemática novedosa que reduce la complejidad computacional sin perder expresividad. Pero hasta que se publiquen puntos de referencia independientes, las afirmaciones siguen sin probarse. Si Subquadratic puede validar sus resultados, podría remodelar la economía del desarrollo de la IA, haciendo que los modelos avanzados sean accesibles para organizaciones más pequeñas. Por ahora, la industria observa con interés cauteloso, esperando evidencia de que tal salto sea realmente posible.