Süni intellektdə inqilab? Subquadratic startapı dil modellərinin işini köklü şəkildə sürətləndirəcəyini vəd edir Süni İntellekt (Aİ) 24/06/2026 Paylaş FacebookXWhatsAppTelegram Subquadratic şirkəti yeni modeli barədə ətraflı məlumat açıqlayıb, amma skeptiklərin sayı hələ də az deyil. Qısa məzmun Bir ay əvvəl süni intellekt dünyasını sarsıdan xəbər yayıldı: Mayamidə yerləşən Subquadratic startapı uzun müddət gizli rejimdə işlədikdən sonra sensasion bəyanatla ortaya çıxdı. Şirkət iddia edir ki, böyük dil modellərinin inkişafını təxminən on ildir ləngidən riyazi problemi həll edib. İlk mərhələdə təfərrüatlar az idi və ekspertlər bu xəbəri skeptik qarşıladılar. İndi isə Subquadratic texnologiyasının müstəqil yoxlanmasının nəticələrini təqdim edib və bu, şirkətin iddialarına yenidən baxmağa məcbur edir.⚡️📲Təcili xəbərlər üçün bizi WhatsApp kanalından izlə Subquadratic-in iddiasına görə, şirkət SubQ adlı yeni tip böyük dil modeli hazırlayıb. Bu model mövcud həllərlə müqayisədə daha sürətli, daha qənaətcil və enerji baxımından daha səmərəlidir. Şirkət həmçinin bildirir ki, SubQ əksər analoqlardan fərqli olaraq bir dəfəyə 12 dəfə daha çox mətn emal edə bilir. Bu imkan resurs tələb edən tapşırıqları, məsələn, yüzlərlə sənədin və ya bütöv kod bazalarının təhlilini yerinə yetirməyə şərait yaradır. Bundan əlavə, Subquadratic iddia edir ki, SubQ əsas tapşırıqlarda, o cümlədən proqramlaşdırmada Google DeepMind, OpenAI və Anthropic-in ən yaxşı modellərindən geri qalmır. Problem ondadır ki, şirkət əvvəlcə çox az sübut təqdim etmişdi: yalnız öz daxili testlərinin bir neçə nəticəsini açıqlamışdı. Üstəlik, SubQ hələ geniş istifadəçi auditoriyası üçün əlçatan deyil və müstəqil şəkildə yoxlanıla bilmir. Subquadratic-in iddialarının skeptik qarşılanması təəccüblü deyil. Süni intellekt mühəndisi Den MakAtir X sosial şəbəkəsində ümumi əhvalı yığcam şəkildə belə ifadə etmişdi: “SubQ ya Transformer-dən bəri ən böyük sıçrayışdır, ya da süni intellekt dünyasındakı növbəti şardır — gurultulu, çox vəd edən, amma mahiyyətcə boş.” Bir ay sonra şirkət əlavə məlumatlar, o cümlədən üçüncü tərəf olan Appen şirkətinin müstəqil test nəticələrini yayımladı. “Biz əvvəlcədən müəyyən qədər skeptisizm gözləyirdik”, — Subquadratic-in həmtəsisçisi və texniki direktoru Aleks Uedon etiraf edir. “İndi geriyə baxanda başa düşürük ki, elanımızı elə ilk gündən müstəqil testlərlə müşayiət etsəydik, bir çox sual aradan qalxardı. Məhz buna görə indi bütün nəticələri açıqlamadan əvvəl çox diqqətlə yoxlayırıq.” İddialarını təsdiqləmək üçün Subquadratic süni intellekt modellərinin sınaqdan keçirilməsi üzrə ekspert hesab olunan Appen şirkətinə müraciət edib və SubQ-nun yoxlanmasını istəyib. Test nəticələri elan edilən xüsusiyyətlərin böyük hissəsini təsdiqləyib. “Bu məni həqiqətən ruhlandırdı: arxitektura doğrudan da işləyir”, — Appen-də generativ süni intellekt tədqiqatları üzrə direktor Janin Sinanan-Sinq təəssüratlarını bölüşür. “İlk reaksiyam belə oldu: ‘Vau, bu, oyunun qaydalarını dəyişə bilər!’ Çünki mövcud modellər çox vaxt aşağı sürət və səmərəsizlikdən əziyyət çəkir. Amma nəticələr həddən artıq təsirli görünəndə, onları elə şirkətin özü açıqlayırsa, təbii olaraq etibarlılıqla bağlı suallar yaranır.” SubQ çətin ki, bütün qabaqcıl modelləri dərhal əvəz etsin. Amma müəyyən tapşırıqlarda xərcləri əhəmiyyətli dərəcədə azaltmaqla yanaşı, işi dəfələrlə sürətləndirə bilər. Subquadratic-in fikrincə, uzunmüddətli perspektivdə bu sıçrayış böyük dil modellərinin yaradılmasına yanaşmanın özünü dəyişə bilər. “Biz inanırıq ki, süni intellektdə səmərəliliyin yeni dövrünü açırıq”, — şirkətin həmtəsisçisi və baş direktoru Castin Dancel deyir. “Bizim proqnozumuza görə, artıq bir neçə ildən sonra Transformer arxitekturası yeni dil modellərinin əsasını təşkil etməyəcək.” Diqqət! Subquadratic-in iddialarının miqyasını anlamaq üçün böyük dil modellərinin əksəriyyətinin necə işlədiyinə nəzər salaq. Belə modellərin daxilindəki əsas mexanizm “Transformer” adlanan xüsusi neyron şəbəkəsidir. O, “sıx diqqət” kimi tanınan prosesdən istifadə edir. Müasir böyük dil modelləri adətən bu cür bir neçə arxitekturanı birləşdirir. Böyük dil modelləri dövrünün simvolik məqaləsi olan və Google tədqiqatçıları tərəfindən 2017-ci ildə dərc edilən iş də “Attention Is All You Need” — “Diqqət sizə lazım olan hər şeydir” adlanırdı. “Sıx diqqət” necə işləyir? Transformer mətn fraqmentini emal edəndə əvvəlcə hər sözü və ya sözün hissəsini, yəni tokenləri rəqəm vektorları formasında kodlaşdırır. Bütün mətnin mənasını anlamaq üçün model hər bir tokeni bütün digər tokenlərlə müqayisə edir. Bu səbəbdən hesablama mürəkkəbliyi mətnin uzunluğuna nisbətdə kvadratik artır. Məsələn, 10 000 sözdən ibarət mətn üçün hesablama əməliyyatlarının sayı yüz milyonlarla ölçülə bilər. Bu, nəhəng hesablama gücü tələb edir və böyük dil modellərinin yüksək enerji istehlakı ilə tanınmasının səbəblərindən biri də məhz budur. “Təsəvvür edin ki, ‘Böyük Getsbi’ romanını qısa şəkildə xülasə etməlisiniz”, — Dancel izah edir. “Bunun üçün birinci sözü ikinci ilə, birincini üçüncü ilə, ikincini üçüncü ilə müqayisə etməli və bu qaydada bütün mümkün cütlükləri yoxlamalısınız. Müasir dil modeli də məhz belə işləyir: o, mətndəki bütün sözlər arasındakı əlaqələri təhlil edir.” Mətn uzandıqca tapşırıq da mürəkkəbləşir. Hər yeni məlumat vahidi, yəni token bütün əvvəlkilərlə müqayisə olunmalıdır. Deməli, əməliyyatların sayı xətti deyil, kvadratik prinsip üzrə artır. Mətnin uzunluğu iki dəfə artdıqda hesablamaların sayı təxminən dörd dəfə çoxalır. Bu effekti vizual təsəvvür etmək üçün çevrəsi boyunca nöqtələr olan bir dairə düşünün. Hər nöqtə bir tokendir. Sonra həmin nöqtələri cüt-cüt xətlərlə birləşdirin: 5 nöqtə → 10 xətt; 10 nöqtə → 45 xətt; 20 nöqtə → 190 xətt. Əlaqələrin sayı sürətlə və demək olar ki, uçqunvari artır. Hesablama sistemlərinə böyük yük yaradan da məhz budur. Xərclərin azaldılması Subquadratic-in həlli Transformer-in əsas mexanizmi olan “sıx diqqət”dən imtina edib, onun əvəzinə “seyrək diqqət”dən istifadə etməkdir. Bu yanaşma tələb olunan hesablamaların sayını kəskin azaldır. “Seyrək diqqət” hər tokenin dəyərini bütün digərləri ilə vurmaq əvəzinə, yalnız müəyyən cütlükləri seçir. Buradakı əsas fikir ondan ibarətdir ki, mətndəki sözlər arasındakı bütün əlaqələr eyni dərəcədə vacib deyil. “‘Seyrək diqqət’ ideyası sadə bir müşahidəyə əsaslanır: sözlər arasındakı bütün əlaqələr eyni dərəcədə vacib deyil”, — Uedon izah edir. “Kitab oxuyanda siz birinci sözün ikinci ilə, birincinin üçüncü ilə əlaqəsini ayrıca təhlil etmirsiniz. Bunun mənası yoxdur. Siz mənanı bütöv fraqmentlər şəklində qavrayırsınız.” Bu yanaşma əslində yeni deyil. Hesablamaların sayını azaltmaq cəhdləri əvvəllər də edilib. “Demək olar ki, bütün mümkün variantlar artıq sınaqdan keçirilib”, — əvvəllər OpenAI-da işləmiş müstəqil süni intellekt tədqiqatçısı Uill Depyu qeyd edir. “Belə modeli reallaşdırmaq asan deyil. Bu, idman rekordu kimidir: nəzəri olaraq mümkündür, amma praktikada qeyri-adi səviyyədə səy tələb edir. Məsələn, bir mili dörd dəqiqəyə qaçmaq kimi.” Əvvəlki üsullarda vurulacaq rəqəmlərin seçilməsi mexanizmi mətnin mənasını “sıx diqqət” qədər yaxşı tuta bilmirdi. Subquadratic isə iddia edir ki, nəhayət, bu problemi həll edib. Şirkət SubQ-nu ənənəvi “sıx diqqət” modelləri ilə performans baxımından rəqabət apara bilən ilk “seyrək diqqət” əsaslı böyük dil modeli kimi təqdim edir. “Tarixən əksər mexanizmlər sabit şablonlardan istifadə edirdi. Məsələn, həmişə birinci söz beşinci ilə müqayisə olunurdu”, — Uedon izah edir. “Bu, imkanları ciddi şəkildə məhdudlaşdırırdı, çünki dil belə şablonlar üçün həddən artıq mürəkkəbdir. Bizim hazırladığımız texnologiyanın əsas fərqlərindən biri budur ki, hansı əlaqələrin vacib olduğunu dinamik şəkildə müəyyənləşdiririk.” Şirkət SubQ-nun analiz üçün sözləri dəqiq necə seçdiyini açıqlamır. Amma seçim prosesinin “işləmə anında” aparıldığı və hər mətn üçün unikal olduğu bildirilir. “Bizim sirrimiz də məhz budur”, — Uedon deyir. Sınaqlar Nəticə belədir: müəyyən tapşırıqlarda SubQ analoqların əksəriyyətindən daha sürətli və daha ucuz ola bilər. Appen modeli bir neçə standart metodika üzrə sınaqdan keçirib. Nəzəri maksimum məhsuldarlığı ölçən, amma tətbiqi imkanları qiymətləndirməyən sürət testində SubQ “seyrək diqqət” əsasında hazırlanmış əvvəlki həll olan FlashAttention texnologiyasından istifadə edən modellərdən 56 dəfə sürətli olub. Modellərin real proqramlaşdırma yarışlarından götürülmüş tapşırıqları həll etmək qabiliyyətini ölçən LiveCodeBench testində SubQ 89.7% nəticə göstərib və kod yazmaq üçün ən qabaqcıl həllər səviyyəsinə çatıb. Appen-dən Sinanan-Sinq qeyd edir: “Bu model proqramlaşdırma tapşırıqlarında qabaqcıl səviyyədə məhsuldarlıq göstərməkdə davam edir.” Subquadratic-in modeldən istifadə xərcləri ilə bağlı iddialarını yoxlamaq hələ çətindir, çünki model geniş yayılmayıb. Amma şirkətin öz məlumatlarından bəzi rəqəmlər məlumdur. Anthropic-in Opus 4.6 modelini RULER 128 testini yerinə yetirmək üçün işə salmaq 2600 dollara başa gəlir. Bu test Nvidia tərəfindən süni intellektin böyük məlumat toplularından məlumat çıxarma qabiliyyətini qiymətləndirmək üçün hazırlanıb. SubQ isə eyni tapşırığı cəmi 8 dollara yerinə yetirib. Fərq 300 dəfədən çoxdur. SubQ-nun digər mühüm üstünlüyü onun “işçi yaddaşı”, yəni kontekst pəncərəsidir. Əksər qabaqcıl modellərdə bu göstərici 1 milyon tokenlə məhdudlaşır. SubQ-da isə kontekst pəncərəsi 12 milyon tokenə çatır. Nümayiş zamanı Aleks Uedon modelin 400 sənəddəki məlumatı saniyələr ərzində necə təhlil etdiyini göstərib. Eyni tapşırıq böyük dil modeli əsasında işləyən populyar axtarış sistemi Perplexity-yə verildikdə, sistem bütün sənədləri yükləyə belə bilməyib. Müstəqil Appen şirkəti SubQ-nu “samanlıqda iynə” testi ilə də yoxlayıb. Bu test süni intellektin nəhəng məlumat massivində lazım olan informasiyanı nə dərəcədə yaxşı tapa bildiyini ölçür. Nəticələr təsirlidir: SubQ 6 milyon və 12 milyon tokenlik kontekst pəncərələri ilə işləyərkən 98% dəqiqlik göstərib. Appen-in hesabatında ayrıca qeyd olunur ki, model “çox uzun kontekstlərdə, yəni yalnız az sayda modelin sınaqdan keçirildiyi miqyaslarda məlumatın çıxarılması üzrə demək olar ki, ideal dəqiqliyi qoruyur”. Həqiqət olmaq üçün həddən artıq yaxşıdır? Yüksək nəticələrə baxmayaraq, bençmarklar modelin imkanlarının tam mənzərəsini vermir. Sərt şəkildə müəyyən edilmiş şərtlər altında aparılan testlər müxtəlif real tapşırıqlarda genişmiqyaslı istifadənin yerini verə bilməz. Subquadratic SubQ-nu proqramlaşdırma və nəhəng məlumat massivlərində axtarış üçün optimallaşdırılmış model kimi təqdim edir. Şirkət iddia edir ki, on minlərlə potensial istifadəçi erkən çıxış üçün növbəyə yazılıb. Onların arasında 500-dən çox korporativ müştəri də var. Amma gözləmə siyahısı uzundur və hələlik modelə yalnız az sayda istifadəçi çıxış əldə edib. Subquadratic bunu şirkətin gənc və kiçik olması, resurslarının məhdudluğu ilə izah edir. Şirkət sadəcə eyni vaxtda həddən artıq çox istifadəçiyə xidmət göstərə bilmir. Daha çox insan modeli müstəqil şəkildə sınaqdan keçirmək imkanı əldə edənədək müəyyən skeptisizm əsaslı olaraq qalır. Sual doğuran məqamlardan biri odur ki, Subquadratic SubQ-nu işə salmaq üçün modeli sıfırdan öyrətmək əvəzinə, Çin istehsalı açıq Qwen modelinin bir versiyasından götürülmüş çəkilərdən istifadə edib. Çəkilər modelin təlim prosesi zamanı müəyyən olunan və onun davranışını formalaşdıran dəyərlərdir. Bu, model tərtibatçıları arasında geniş yayılmış təcrübədir. Amma bu yanaşma Subquadratic-in böyük dil modellərinin iş prinsiplərini tamamilə yenidən düşündüyünə dair iddiası ilə müəyyən ziddiyyət yaradır. “Ola bilsin ki, onlar həqiqətən real və faydalı bir şey yaradıblar”, — Depyu qeyd edir. “Amma diqqətin kvadratik məhdudiyyəti problemini həll etdiklərinə dair daha böyük iddianı təsdiqləmək üçün ictimaiyyətə açıq sübutlar hələ kifayət deyil.” Bu arada Subquadratic-in həmtəsisçisi Uedon israr edir ki, prinsipial olaraq yeni yanaşma axtarmaq onlar üçün yeganə seçim idi. Onun sözlərinə görə, rəqabətqabiliyyətli model yaratmaq üçün tamamilə yeni ideyalara ehtiyac var: “Biz OpenAI-dan daha çətin şəraitdəyik.” Taglarsüni intellekt Son xəbərlər Ölkə xarici Financial Times: $125 milyard dəyərində yük daşıyan 1,2 min gəmi Fars körfəzində ilişib qalıb 24/06/2026 Nəqliyyat Bakı–Tbilisi qatarına biletlərin qiymətləri ucuzlaşdı 24/06/2026 Aqrarbiznes Məcnun Məmmədov: “Pambıqçılıq 200-300 min nəfərin gəlirlərinə birbaşa təsir göstərir” 24/06/2026 Sığorta xəbərləri AMB sığorta sektoru üçün yeni inkişaf strategiyası hazırlayır 24/06/2026 Digər xəbərlər Ölkə xarici Financial Times: $125 milyard dəyərində yük daşıyan 1,2 min gəmi Fars körfəzində ilişib qalıb 24/06/2026 Nəqliyyat Bakı–Tbilisi qatarına biletlərin qiymətləri ucuzlaşdı 24/06/2026 Aqrarbiznes Məcnun Məmmədov: “Pambıqçılıq 200-300 min nəfərin gəlirlərinə birbaşa təsir göstərir” 24/06/2026 Sığorta xəbərləri AMB sığorta sektoru üçün yeni inkişaf strategiyası hazırlayır 24/06/2026