# 38만 4천 토큰 입력에 대응한 의사결정 모델 “SubQ Snap” 출시, Jev보다 컨텍스트 윈도우가 길거나 짧거나 이미지에도 대응 가능

> https://bookfactory.kr/board/news/21388
> 게시판: 뉴스
> 작성자: tachikoma43
> 작성일: 2026-10-13T05:01:13.845Z

---

미국 AI 기업인 Subquadratic이 Jev의 12배에 해당하며 38만 4천 토큰의 입력을 지원하는 의사결정 모델 “SubQ Snap”를 발표했습니다. Subquadratic — Introducing SubQ Snap: 엔터프라이즈 에이전트를 위한 장기 컨텍스트 의사결정 모델: https://subq.ai/introducing-subq-snap

SubQ Snap는 실제 기업 환경에서 사용하기 위한 최초의 장기 컨텍스트 의사결정 모델입니다. Snap는 컨텍스트가 증가함에 따라 토큰당 컴퓨팅 비용이 일정하게 유지되는 유일한 의사결정 모델 또는 LLM입니다.

* 384K 토큰의 멀티모달 컨텍스트 (Jev의 12배 규모)
* Decision Index v0.2.1에서 61.7점

“SubQ Snap”는 서방급사격(Subquadratic)의 기초 연구에 기반하여 구축된 에이전트 워크플로우를 위한 의사결정 모델입니다. 서방급사격에 따르면, SubQ Snap은 에이전트 워크플로우 내에서 데이터 집약적이면서도 구조화된 의사결정을 수행하기 위해 설계되었습니다. 구체적으로는 “어떤 파일이 관련이 있는가”, “다음으로 어떤 도구를 사용해야 하는가”, “테스트 결과가 합격인가”, “어떤 단계에서 최첨단 모델이 필요한가” 등의 판단을 수행합니다. 에이전트는 거의 모든 상황에서 이러한 판단을 수행하기 때문에, 신속하고 정확하게 판단할 수 있는 의사결정 모델의 존재는 워크플로우 전체의 비용 및 레이턴시 감소에 기여합니다.

Subquadratic는 “적절한 의사 결정은 맥락에 의존합니다. 현실 세계 워크플로우에서는 많은 경우 대량의 정보를 기반으로 추론해야 합니다. 예를 들어, 다음에 취해야 할 적절한 액션은 코드베이스의 나머지 부분, 계약서 이전 페이지, 또는 툴 호출이나 과거 액션의 긴 히스토리에 의존할 수 있습니다. 그러나 맥락이 길어지면 이차 부호화(二次アテンション)에 의해 각 호출이 지연되고 비용도 높아져 의사 결정 모델을 사용하는 의미가 없어집니다. 따라서 오늘의 의사 결정 모델은 3만 2000 토큰에 불과하며, 필요한 정보의 대부분을 보지 않고 의사 결정을 수행합니다.”라며 기존의 의사 결정 모델의 컨텍스트 윈도우가 매우 적음을 문제로 지적했습니다. 그러한 이유로 Subquadratic는 차세대 고속·롱 컨텍스트용 아텐션 메커니즘 “SSA”를 탑재한 SubQ Snap을 구축했습니다. SubQ Snap은 최대 38만 4000 토큰의 텍스트와 이미지를 사용하여 의사 결정을 수행하고, 최대 10만 토큰의 요청을 1초 미만으로 처리할 수 있습니다. 또한, SubQ Snap은 의사 결정 모델의 판단 능력이나 실무 성능을 측정하기 위한 벤치마크인 Decision Index의 버전 0.2.1에서 Jev보다 4포인트도 높은 점수를 얻었습니다. Subquadratic는 현재의 의사 결정 모델에 대해 “LLM의 출력 평가나, 사전에 LLM 선택과 같은 용도에 사용되어 있으며, 태스크 처리 자체는 LLM이 중심이 되고 있습니다.”라고 지적했습니다. 그 위에 “의사 결정 모델이 LLM 워크플로우 내에서 의사 결정을 담당하게 된다면, 경우에 따라서는 대규모의 태스크를 단독으로 완료할 수 있게 되어 훨씬 더 자극적이고 유용해질 것입니다.”라고 밝혔습니다. 롱 컨텍스트에서의 의사 결정 정확성을, 의사 결정 모델용 벤치마크인 Decision RULER 및 Decision LCR에서 평가한 결과는 다음과 같은 그래프에 나타났습니다. SubQ Snap은 입력 토큰이 길어져도 의사 결정 수준이 크게 떨어지지 않습니다. 또한, 의사 결정 모델定番인 Jev와 비교하면, 점수는 훨씬 우수합니다.

입력 토큰이 짧더라도 SubQ Snap이 Jev보다 우수한 의사 결정을 수행한다는 평가입니다.

Decision Index의 각 항목에서 SubQ Snap과 Jev의 점수를 비교한 결과는 다음과 같습니다. AI가 제시된 여러 개의 문서와 텍스트에서 복잡한 속성을 정확하게 분류 및 판단할 수 있는지를 평가하는 “ACOS”, AI가 API를 얼마나 정확하게 활용할 수 있는지를 측정 및 평가하는 “API-Bank”, AI가 API를 호출해야 하는지 호출해서는 안 되는지의 판단력을 측정하는 “When2Call”이라는 벤치마크 외에는 SubQ Snap이 Jev보다 우수한 점수를 기록했습니다.

한편, SubQ Snap은 입력 토큰 100만 건당 0.05달러(약 7.9엔)로 이용 가능하며, 출력 토큰에 대한 요금은 발생하지 않습니다. 기사 작성 시점에서는 퍼블릭 프리뷰 버전이 선착순으로 이용 가능하며, 정원 마감 시 누적 사용자에게는 웨이팅 리스트에 추가됩니다. SubQ Snap — 실제 기업 업무를 위한 첫 번째 의사 결정 모델 | Subquadratic https://subq.ai/

[원문 보기](https://gigazine.net/news/20261013-subq-snap/) | 출처: Gigazine