Subquadraticは10月12日、SubQ SnapをAIエージェント内の範囲を限定した判断向けモデルとして発表した。自由回答を書く代わりに、アプリケーションが定義した質問に沿って、与えられたテキストと任意の画像を評価する。公開プレビューAPIは、ソフトウェアが直接利用できる選択肢、スコア、確率を返す。

開発者にとっての実務上の変化は、ルーティングや確認のたびにエージェントが文章を生成しなくても、長い入力を扱う判断呼び出しができる点だ。SubQは393,216-token（384K）のコンテキストと、入力100万tokenあたり0.05米ドル、出力token無料の価格を掲げる。これらは同社の現行プレビュー条件だ。容量が限られる間は先着順で、後から登録した人はウェイトリストに入る可能性がある。

大きな変化

  • 何が変わったか： Snapの公開プレビューは、アプリが定義する回答候補を提供し、テキストと画像を合わせて最大393,216 tokens（384K）のコンテキストを扱う。開発者は文章生成を求めずに、名前付き候補からの選択や結果の採点を依頼できる。
  • なぜ重要か： エージェントの開発者は、ツール選択や結果確認など、範囲を限定した呼び出しを繰り返す。型付き応答は次のソフトウェア処理にそのまま渡せる一方、自由回答が必要な作業には生成モデルを引き続き使える。実際のエージェントでこの分担が有効かは、判断精度と周辺ワークフロー次第だ。
  • 注目点： SubQの発表時ベンチマークでは複数の判断テストでSnapが優位だが、評価は同社が実施した。タスク単位の独立テストと、より広いプレビューアクセスにより、導入済みエージェントのワークフローで速度、コスト、エラー率がどうなるかが分かる。

Snapの呼び出しが返すもの

「Decisions APIのドキュメント」では、subq-snap-previewをPOST /v1/systemone向けモデルとして指定している。リクエストには、テキストまたは構造化データのstateと、1つ以上の名前付き質問を含める。noulは「はい」の確率で表す二択判断だ。choiceは2〜255個の名前付き候補から選び、それぞれの確率を返す。scoreは2〜10段階の順序付き評価を使い、加重スコアと確率分布を返す。

こうした形式は製品名より重要だ。開発者が許容する回答を定義し、アプリがそれをどう使うか決める。APIの確率はモデル出力であり、特定の現実世界の判断がどれほどの頻度で正しいかを検証した測定値ではない。SubQ自身のドキュメントでは、開発者がしきい値を適用し、不確実なケースを人に戻す例が示されているが、全タスク共通のしきい値は定めていない。

Snapはstateに加えて、PNG、JPEG、WebP画像を最大4枚受け付ける。各画像はデコード後4 MiB以下、合計のデコードサイズは8 MiB以下だ。API文書によると、画像tokenとテキストtokenは同じ393,216-tokenのコンテキスト上限に含まれる。動画には対応せず、画像として最大4フレームを抽出する方法が推奨されている。これらはプレビューAPIの具体的な入力上限であり、長い文書や画像をモデルが確実に解釈する保証ではない。

押さえておきたいベンチマーク差

同社のローンチ評価では、Decision Index 0.2.1の公開全体テストでSnapが61.7、Jevが57.9だったと報告している。また、企業向けに選んだ16ベンチマークの平均は67.6対61.6としている。Snapは16件中13件で上回り、3件で下回った。下回った項目には、エージェントが呼び出す、質問する、回答する、または断るべき場面を判定するテストも含まれる。これらはSubQの評価結果であり、BIG CHANGEは再現しておらず、どちらのモデルもエージェントで試していない。

同社は、100万tokenで実施した独自改変版Decision RULERテストでSnapが96.3だったとも報告している。これは別のベンチマーク評価だ。現在のAPIリクエスト上限は393,216 tokensで、上限超過のリクエストは失敗すると文書にある。100万tokenのベンチマークをプレビューAPIの入力仕様として扱うべきではない。

SubQは、Snapが100,000-tokenのリクエストを処理し、約1秒で判断を返せるとしている。この公開主張には、アカウント、同時トラフィック、質問の種類ごとに観測したレイテンシ分布がない。重要なワークフローの一工程を置き換える前に、利用者自身の判断セット、エラーコスト、応答時間要件でプレビューを評価する必要がある。

アクセス、価格、データの扱い

「モデル一覧」ではSnapをテキストと画像入力に対応する公開プレビューとして掲載し、入力100万tokenあたり0.05米ドル、出力無料としている。ローンチページは、容量によって新規利用者がウェイトリストに入る可能性があると説明する。どちらの情報源も、全組織への即時アクセスや特定のレート制限を保証していない。

機微な用途を評価するチームは、文書や画像を送る前にデータ保持ポリシーも確認すべきだ。文書化された組織の既定値では、削除するまでプロンプト、生成結果、会話履歴を保持する。SubQは日数を指定する方針と、申請による組織全体のゼロデータ保持を提供する。同社によると、ゼロ保持でも請求・サポート記録にはモデル、token数、時刻、メタデータタグが残るが、プロンプトや生成内容は含まれない。この組織設定でもDecisionsエンドポイントは利用できる。BIG CHANGEはサービスの保存動作を独立検証していない。

SubQの貢献は、公開上は低いtoken単価で、大きなコンテキストに対する範囲を限定した判断を繰り返すための、具体的なAPI形式だ。未解決なのは、組織が実際に任せる作業で、その判断がどれほど安定して通用するかという点である。答えには、発表時のスコアを超えた独立テストが必要だ。

出典と関連資料

  • SubQの10月12日ローンチ記事は、エージェントで想定する役割、価格、プレビューアクセス、同社実施の評価を説明する。速度とベンチマークは提供元の主張であり、100万tokenのDecision RULER結果はプレビューAPI上限とは別だ。
  • SubQ Decisions APIリファレンスは、エンドポイント、型付き質問と応答、tokenと画像の上限、エラー時の動作を説明する。現行製品の文書であり、導入済みワークフローでの信頼性を示す証拠ではない。
  • SubQモデル一覧は、プレビューモデルID、入力形式、公表価格を示す。プレビュー中は条件と利用可否が変わる可能性がある。
  • SubQのデータ保持ドキュメントは、組織の既定および任意の方針を説明する。方針が示すのは意図されたサービス動作であり、BIG CHANGEは保存や削除を監査していない。