Egy friss elemzés szerint az AI által elérhető teljesítményszintek elérésének költsége – a szerzők által használt kifejezéssel a „gondolkodás ára” – az elmúlt öt évben átlagosan évente körülbelül 13×-szere esett. A kutatás azt állítja, hogy ez gyorsabb ütem, mint amit bármelyik összehasonlító technológia elért: körülbelül négyszer gyorsabb, mint a DNS‑szekvenálás, hatszor gyorsabb, mint a számítási teljesítmény költségének csökkenése, 18× gyorsabb, mint a lítium‑akkumulátorok költségcsökkenése, és az 1973‑ig terjedő százéves időszakban nagyjából 54× gyorsabb volt, mint az elektromosság árainek történelmi csökkenése.
Hogyan mérték?
A szerzők öt, matematikát, kemény természettudományokat és készségjátékokat (például sakk) mérő AI‑teljesítmény‑benchmarkon vizsgálták meg az elmúlt körülbelül három évben azt a legolcsóbb módszert, amellyel adott pontszám elérhető. Céljuk az volt, hogy időben kövessék, hogyan változik a minimális költség ugyanazon teljesítményszint eléréséhez.
Példaként a tanulmány egy konkrét esettanulmányt említ: 2025. január 31‑én az OpenAI kiadta az o3 nevű „reasoning” modellt, amelyet a szerzők szerint átlagosan körülbelül 30 cent kérdésenkénti költséggel lehetett használva 75%-os eredményt elérni a GPQA Diamond többválasztós vizsgán (PhD‑szintű fizika, kémia és biológia témák). Nagyjából 18 hónappal később az OpenAI GPT‑5.6 Luna nevű iterációja ugyanezen a teszten ugyanolyan pontszámot ért el, de a költség a szerzők becslése szerint mindössze 0,0004 USD kérdésenként — ez alig negyed század pennynkénti tétel. Ez 725‑szoros csökkenés kevesebb mint másfél év alatt; analógia szerint egy új autó árának 50 000 dollárról 69 dollárra esése egy és fél év alatt.
Hasonló meredek árcsökkenést találtak matematikai és sakk‑benchmarkokon is, és a durvább adatok arra utalnak, hogy ez a trend visszavezethető a kereskedelmi LLM‑inferencia kezdetéig, amikor 2021 novemberében az OpenAI teljesen közzétette a GPT‑3‑at.
Milyen ütemben csökken az ár?
A vizsgálat szerint egy adott teljesítményszint elérésének költsége negyedévente átlagosan körülbelül 47%-kal csökkenett, ami éves szinten hozzávetőleg 13×‑os csökkenésnek felel meg. A különböző feladatcsoportok között eltérő ütemet mértek:
- Játékalapú feladványokon lassabb volt a mérséklődés: nagyjából 39–43% negyedéves csökkenés (éves szinten 7–10×).
- Matematikai problémákon gyorsabb előrelépést mértek: 50–52% negyedéves csökkenés (éves szinten 16–19×).
A költségcsökkenés üteme ugyanakkor tipikusan lassul az idő múlásával. Amikor egy adott teljesítményszintet először elérnek, a költség gyorsan, átlagosan 66%‑kal csökken negyedévről negyedévre (ez körülbelül 75×‑os éves egyenérték), de két évvel később ez az ütem nagyjából félére mérséklődik, körülbelül 32% negyedéves csökkenésre (kb. 4,7× évente). A szerzők szerint ennek egyik lehetséges magyarázata, hogy amikor új teljesítményszintek jelennek meg, az AI‑cégek rövid ideig prémiumot számíthatnak fel, majd a verseny és a technikai fejlődés gyorsan nyomja le az árat.
Mire érdemes figyelni és milyen korlátai vannak az eredményeknek?
A tanulmány hangsúlyozza, hogy a benchmarkok csak közelítik, mit jelent az AI tényleges piaci ára vagy hogy ez hogyan hasonlítható össze más technológiák költségeivel. Az eredményeket a szerzők ésszerűen reprezentatívnak tartják, de nem szabad őket szigorú, pontos értékekként olvasni.
Az elemzés teljes adatkészlete és a kód elérhető a GitHubon, és a cikkhez kapcsolódik egy átfedő (overlay) oldal is, amely sok diagramot és táblázatot kínál további vizsgálódásra.
Következtetés
Az AI „gondolkodásának” ára az elmúlt öt évben példa nélkül álló mértékben zuhant. Hogy ez a trend meddig tart és milyen hatásokkal lesz a gazdaságra és az iparra, azt a következő években tapasztalható fejlemények fogják eldönteni.
