قامت Epoch AI مؤخرًا بقياس تكلفة "التفكير" الخاص بالذكاء الاصطناعي، وقد كان الانخفاض الأسرع الذي شهدته أي تقنية مُحولة على الإطلاق. Epoch هي معهد بحثي مستقل يتبع تطور الذكاء الاصطناعي باستخدام بيانات خاصة به: أداء النموذج، تكلفة التدريب، الرقائق ومراكز البيانات. في تقريرهم الصادر في 22 سبتمبر، تابع لوك إمبيرسون وديفيد رودمان تكلفة تحقيق نفس مستوى الأداء على خمسة معايير (الرياضيات، العلوم الدقيقة، وألعاب المهارة) على مدار حوالي ثلاث سنوات. الرقم الأساسي: منذ عام 2023، انخفضت تكلفة مستوى أداء معين بنسبة حوالي 47% لكل ربع سنة. وهذا يعني أن التكلفة أصبحت أرخص بـ13 مرة سنويًا. مقارنةً تاريخيًا، فإن هذا أسرع بأربع مرات من تسلسل الحمض النووي، وست مرات أسرع من الحوسبة، و18 مرة أسرع من بطاريات الليثيوم، و54 مرة أسرع من الكهرباء منذ بداية القرن حتى عام 1973. تشير الأدلة إلى أن هذا المعدل كان مستمرًا على الأقل منذ نوفمبر 2021، عندما فتحت OpenAI واجهة برمجة التطبيقات الخاصة بـ GPT-3 بالكامل. في 31 يناير 2025، حقق نموذج o3 من OpenAI درجة 75% في GPQA Diamond (امتحان اختيار من متعدد على مستوى الدكتوراه في الفيزياء والكيمياء والأحياء) بتكلفة حوالي 30 سنتًا أمريكيًا لكل سؤال. وبعد أقل من 18 شهرًا، حقق نموذج GPT-5.6 Luna نفس النتيجة بتكلفة أربع جزء من السنت (0.0004 دولار). أي انخفاض بمقدار 725 مرة. تقارن Epoch هذا بانخفاض سعر سيارة جديدة من 50 ألف دولار إلى 69 دولارًا! تختلف السرعة حسب المجال: أبطأ في ألغاز الألعاب (39% إلى 43% لكل ربع سنة)، وأسرع في الرياضيات (50% إلى 52%). وتنخفض التكلفة بشكل أقوى مباشرة بعد أن يصبح مستوى معين الأفضل في ذلك الوقت. في المتوسط بين أهم خمسة معايير، كان الانخفاض 66% لكل ربع سنة (75 مرة سنويًا) عند الإطلاق الأول للنموذج الرائد؛ وبعد عامين، انخفض إلى النصف، أي 32% لكل ربع سنة (4.7 مرة سنويًا). فرضيتهم: في البداية، يفرض المختبر رسومًا إضافية، ثم تُخفض الأسعار بسبب المنافسة المفتوحة والمغلقة. إنهم أنفسهم يشيرون إلى عيوب هذه الملاحظات. فقد يكون المختبرات قد درّبت نماذجها بشكل مفرط على المعايير. التوصل إلى إجابات صحيحة في الامتحان لا يُعد عملًا مفيدًا بالضرورة. المستخدم الحقيقي لا يبقى دائمًا على أرخص نموذج في الحدود. النافذة الزمنية لا تتعدى ثلاث سنوات فقط. ويمكن حساب هذه المتوسطات بعدة طرق مختلفة من البيانات. بالنسبة لبيئة الذكاء الاصطناعي، فإن الاستنتاج واضح: القدرة التي كانت يومًا ما متميزة تتحول بسرعة إلى سلعة عادية، وما يفتح الباب للاستخدام الجماعي هو التكلفة لكل مهمة، وليس فقط النموذج الجديد. بالنسبة للشركات التي تبيع واجهات برمجة التطبيقات، يبدو أن الأرباح الفائقة على نموذج معين مؤقتة. تقول Epoch نفسها إن هذا هو في الوقت نفسه سبب ونتيجة للسباق. في رسمهم البياني، تظهر المنافسة الأكثر شراسة بالقرب من القمة بشكل رئيسي بين النماذج المغلقة. بالنسبة للمستثمر، تتقلص هوامش الاستنتاج. من يحقق حجمًا أكبر ومن يبقى خطوة واحدة أمام في التكلفة أهم من سردية نموذج "أبدي". يختفي المكافأة المرتبطة بأن تكون الأرخص في القمة بسرعة كبيرة. ارتفعت تكاليف الرقائق والطاقة، لكن تكلفة "التفكير" انخفضت.