简单说，牛顿模型与次等模型之间的基本差别是这样的：在牛顿模型中，联结论网络本身能在理想化条件下，以语言能力理论规定的所有方式起作用。与之呈对照的是，在次等模型中，基本的联结论网络本身(即使加工时间和提得恰当的问题都处于理想状态时)并没有能力产生出语言能力理论所要求的(即可从中推导出的)全部结果。其实，应该看到，就人类实际上表现出全面的经典语言能力而论，他们能这样做只是因为利用了其他资源(例如，用来操纵符号的连接式符号加工或现实世界结构像笔和纸)。这样，由次等方法产生的对语言能力模型的看法就是：在这一领域中的快速日常问题求解中它们有暂时使用并非在线的附加资源的情况。
在鲁梅哈特、斯莫伦斯基、麦克莱兰和欣顿(1986)的著作中有一个次级模型的例子。该例子同我们做乘法运算的能力有关。我们可以设想这里有一个用到算术定律的符号语言能力理论。但是基本的联结论模型不同于这样一种符号存储器。更确切地说，它是一个训练有素的模式匹配器，它能立刻“看出”某个乘法运算的结果。例如，我们大都能“看出”7×7的答案，但“看”不出7984×5431的答案。那么我们是怎样解决后一类问题的呢？
推测是这样的：“答案来自我们创造人工制品的能力，即我们有这样一种能力，能创造出一些有形的表述方式，使我们能以简单方式进行操作，以获得对十分困难和抽象的问题的解答”（Rumelhart，Smolensky，McClelland，and Hinton1986：ii. 44)。于是，为了求解7984 ×5431，我们可以把这个问题写出来，然后小心地运用一系列我们擅长的简单模式匹配步骤来解决它，例如从4与1相乘开始，继续做下去。
12 联结论、语言能力和解释方式
315