[{"data":1,"prerenderedAt":29},["ShallowReactive",2],{"nr-de-subquadratic-llm-56x-faster-context":3},{"slug":4,"title":5,"dek":6,"date":7,"time":8,"publishedAt":9,"updated":10,"updatedAt":10,"dateFmt":11,"updatedFmt":10,"kind":12,"tier":13,"author":14,"authorName":15,"topics":16,"tracker":22,"trackerLabel":23,"headlineStat":24,"image":25,"ogImage":25,"imageAlt":5,"csv":10,"minutes":26,"words":27,"html":28},"subquadratic-llm-56x-faster-context","Subquadratic verspricht 56x schnellere LLMs – aber Beweis steht aus","Das US-Startup behauptet, einen mathematischen Engpass gelöst zu haben, der große Sprachmodelle seit Jahren bremst. Experten bleiben skeptisch – zu sehr erinnert das an Theranos.","2026-07-11","04:58","2026-07-11T04:58:00+02:00","","11. Juli 2026","news","standard","ideal-syka","Ideal Syka",[17,18,19,20,21],"LLM","Kontext-Skalierung","KI-Performance","Transformer","Sparse Attention","\u002Fstand-der-ki","KI-Fortschritt","56x schneller laut Startup-Behauptung","\u002Fog-nr\u002Fsubquadratic-llm-56x-faster-context.de.png",2,395,"\u003Cp>Das in Miami ansässige KI-Startup Subquadratic ist mit einer spektakulären Behauptung aus der Deckung gekommen: Das neue Modell SubQ soll bis zu \u003Cstrong>56-mal schneller\u003C\u002Fstrong> arbeiten als etablierte LLMs, dabei deutlich weniger Energie verbrauchen und gleichzeitig kostengünstiger sein. Dazu könne es bis zu \u003Cstrong>zwölfmal so viel Text\u003C\u002Fstrong> auf einmal verarbeiten wie Konkurrenzmodelle – ein entscheidender Vorteil für datenintensive Aufgaben wie Dokumentenanalyse oder Code-Reviews.\u003C\u002Fp>\n\u003Ch2>Kurz & knapp\u003C\u002Fh2>\n\u003Cul>\n\u003Cli>\u003Cstrong>Subquadratic\u003C\u002Fstrong> hat das LLM \u003Cstrong>SubQ\u003C\u002Fstrong> entwickelt, das laut Eigenangaben einen mathematischen Engpass bei der Kontext-Skalierung gelöst hat\u003C\u002Fli>\n\u003Cli>Behauptete Vorteile: \u003Cstrong>56x schneller\u003C\u002Fstrong>, \u003Cstrong>12x größerer Kontext\u003C\u002Fstrong>, gleiche Leistung bei Programmieraufgaben wie OpenAI, Google DeepMind und Anthropic\u003C\u002Fli>\n\u003Cli>Bislang nur \u003Cstrong>selbst veröffentlichte Testergebnisse\u003C\u002Fstrong> und unabhängige Bewertungen verfügbar; SubQ ist nicht öffentlich zugänglich\u003C\u002Fli>\n\u003Cli>Experten vergleichen die Situation mit \u003Cstrong>Theranos\u003C\u002Fstrong> – entweder revolutionär oder massive Falschbehauptung\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Ch2>Das Problem: Kontext-Skalierung als KI-Bottleneck\u003C\u002Fh2>\n\u003Cp>Grande Sprachmodelle werden mit wachsendem Kontext exponentiell teurer, langsamer und energiehungriger. Das ist ein bekanntes Problem der Transformer-Architektur, das die Branche seit etwa einem Jahrzehnt beschäftigt. Subquadratic behauptet, diesen Engpass durch eine Technik namens \u003Cstrong>Sparse Attention\u003C\u002Fstrong> gelöst zu haben – ein Ansatz, der nur die relevantesten Token verarbeitet, statt alle durchzurechnen.\u003C\u002Fp>\n\u003Ch2>Beweis ja, Verifikation nein\u003C\u002Fh2>\n\u003Cp>Das Unternehmen hat begonnen, Beweise vorzulegen: unabhängige Bewertungen seiner Technologie wurden veröffentlicht, und die Ergebnisse deuten laut t3n darauf hin, dass die Behauptungen "Beachtung verdienen könnten". Allerdings bleibt SubQ selbst nicht öffentlich zugänglich – niemand außerhalb von Subquadratic kann das Modell derzeit testen.\u003C\u002Fp>\n\u003Cp>Die Skepsis in der KI-Community ist groß. Der KI-Ingenieur Dan McAteer fasste die allgemeine Reaktion zusammen:\u003C\u002Fp>\n\u003Cblockquote>\n\u003Cp>"SubQ ist entweder der größte Durchbruch seit dem Transformer … oder es ist das ‚Theranos der KI'."\u003C\u002Fp>\n\u003C\u002Fblockquote>\n\u003Cp>Der Vergleich zielt auf das Biotechnologie-Unternehmen Theranos ab, das 900 Millionen Dollar von Investoren einsammelte, indem es revolutionäre Bluttests versprach – die es nie gab. Nach 15 Jahren flog der Betrug auf.\u003C\u002Fp>\n\u003Ch2>Was das für dich bedeutet\u003C\u002Fh2>\n\u003Cp>Falls Subquadratic's Behauptungen sich bewahrheiten, würde das einen der größten Engpässe moderner KI-Systeme lösen. Deutsche Unternehmen, die mit großen Dokumentmengen arbeiten – Versicherungen, Rechtsanwaltskanzleien, Forschungsinstitute – könnten dann erheblich günstiger und schneller KI-Systeme betreiben. Allerdings: Ohne öffentliche Zugänglichkeit und unabhängige Laborbestätigung bleiben die Versprechungen vorerst Marketing. Die nächsten Wochen werden zeigen, ob Subquadratic tatsächlich einen Durchbruch hat oder ob die KI-Community einem neuen Fall von Hype-getriebener Falschbehauptung aufsitzt.\u003C\u002Fp>\n\u003Ch2>Quellen\u003C\u002Fh2>\n\u003Cul>\n\u003Cli>\u003Ca href=\"https:\u002F\u002Ft3n.de\u002Fnews\u002Fus-startup-ki-56-mal-schneller-als-llms-1748987\">t3n\u003C\u002Fa>\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>\u003Cem>Redaktionell verantwortet von \u003Ca href=\"\u002Fautor\u002Fideal-syka\">Ideal Syka\u003C\u002Fa>. Quellen und Arbeitsweise: \u003Ca href=\"\u002Fredaktion\">Redaktion & Methode\u003C\u002Fa>. Hinweise und Korrekturen: \u003Ca href=\"mailto:ai@i6eal.de\">ai@i6eal.de\u003C\u002Fa>.\u003C\u002Fem>\u003C\u002Fp>\n",1783755181787]