ইপোক এআই সাম্প্রতিক বার্তায় এআই-এর “চিন্তার” খরচ পরিমাপ করেছে, এবং এই পতন কোনো পরিবর্তনকারী প্রযুক্তির চেয়ে সবচেয়ে দ্রুত। ইপোক হল একটি স্বাধীন গবেষণা প্রতিষ্ঠান যা নিজস্ব ডেটা—মডেলের পারফরম্যান্স, ট্রেনিং খরচ, চিপস এবং ডেটা সেন্টার—এর মাধ্যমে এআই-এর উন্নয়নের পথ অনুসরণ করে। ২২ সেপ্টেম্বরের রিপোর্টে, লুক এমবারসন এবং ডেভিড রুডম্যান প্রায় তিন বছরের মধ্যে পাঁচটি বেঞ্চমার্ক (গণিত, কঠিন বিজ্ঞান এবং দক্ষতা-ভিত্তিক গেমস)এর একই পারফরম্যান্স লেভেল অর্জনের খরচের পরিবর্তন পর্যবেক্ষণ করেছেন। কেন্দ্রীয় সংখ্যাটি: ২০২৩-এর পর থেকে, একটি নির্দিষ্ট পারফরম্যান্স লেভেলের খরচ ৩মাসে ৪৭% কমেছে। এটি বছরে ১৩গুণ সস্তা। ঐতিহাসিক তুলনায়, DNA-এর ক্রমানুক্রমিকতা (sequencing)এর চেয়ে ৪গুণ, compute-এর চেয়ে ৬গুণ, লিথিয়াম-ব্যাটারির চেয়ে ১৮গুণ, ১৯৭৩-এর আগেপর্যন্ত ২০শতকের বিদ্যুতের চেয়ে ৫৪গুণ। প্রমাণগুলি ইঙ্গিত দেয় যে ২০২১-এর নভেম্বরে, OpenAI GPT-3-এর API-টি সম্পূর্ণভাবে খুললে, এই গতিটি ít leastএইভাবেইচলছিল। ২০২৫-এর ৩১শে জানুয়ারি, OpenAI-এর o3 GPQA Diamond (ফিজিক্স, kemistry, biology-এর PhD-স্তরের MCQ)এ 75%স্কোরপেয়াছিল,প্রতিপ্রশ্ন 30সেন্ট। 18মাসেরওকমসময়ে, GPT-5.6 Lunaএকইফলাফলপায় $0.0004 (চারশতাংশসেন্ট)। 725গুণপতন।ইপোকএটিকেনতুনগাড়িরদাম50হাজারডলারথেকে69ডলারপর্যন্তপতনদিয়েতুলনাকরছে। গতি ডোমেইনভিত্তিক:গেমপাজলসহজলগন(39%থেকে43%প্রতিতিনমাস),গণিত(50%থেকে52%)এবংদ্রুত।খরচখুবদ্রুতপড়েযখনএকটিলভলসবচেয়েভালদশা(state-of-the-art)হয়।পাঁচটিমূলবেঞ্চমার্কগড়মধ্য,সবচেয়েঅগ্রণীদশা(state-of-the-art)এখনওদশা(debut)এ66%প্রতিতিনমাস(বছরে75গুণ);দুইবছরপর,অর্ধ,32%প্রতিতিনমাস(বছরে4.7গুণ)।তাদেরঅনুমান:শুরুতেল্যাবপ্রিমিয়ামচায়,তারপরখোলাএবংবন্ধপ্রতিযোগিতাদামকমায়। তারা সহজ অসুবিধা উল্লেখ করছে। ল্যাবগুলি বেঞ্চমার্ক জন অতি ট্রেইন করছে। পরীক্ষা পাশ করা উপকারী কাজ নয়। বাস্তব ব্যবহারকারী সবসময় সবচেয়ে সস্তা মডেল ব্যবহার করছে না। জানা�যাওয়া ডেটা শুধু তিন বছর।‏এই গড়টি অনেকভঙ্‌গিতে হিসাব করা যাব। IA-এর স্ট অক জন পড়া: গতকাল প্রিমিয়াম হওয়া ক্ষমতা দ্রুত কমডিটি হয়,‏এবং ভড়াল বহি:উৎপাদন খোলা হয়—খরচ/টাস্‌ক,শুধুমাত্‌র নতুন মডেল�যথথ।API-ওয়ালদ‌্‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● অধিকভবসহজলগন(39%থেকে43%প্রতিতিনমাস),গণিত(50%থেকে52%)এবংদ্রুত।খরচখুবদ্রুতপড়েযখনএকটিলভলসবচেয়েভালদশা(state-of-the-art)হয়।পাঁচটিমূলবেঞ্চমার্কগড়মধ্্্্্্্্্্্্্্্্্্্্্্্্্্্্্্্্্্্্্্্্্্্্্্্্্্্্্্্্্্্্্্্্্্্্্্্্্্্্্্्््্्््््््््््््্्্্्্্্্््্्্্््ৎ উদ উ উ উ উ উ উ উ উ উ উ উ উ উ উ উ উ উ উ উ উ উ উ উ উ উ উ উ উ উ উ উ উ উ উ উ উ উ উ উ উ উ উ উ উ উ উ উ উ উ উ উ উ উ উ উ উ উ উ উ উ উ উ উ উ উ উ উ উ উ উ উ উ উ উ উ উ উ উ উ उ उ The translation was cut off due to an internal error. Let me restart and ensure full accuracy. — ইপোক এআই সাম্প্রতিক বার্তায় এআই-এর “চিন্তার” খরচ পরিমাপ করেছে, এবং এই পতন কোনো পরিবর্তনকারী প্রযুক্তির চেয়ে সবচেয়ে দ্রুত। ইপোক হল একটি স্বাধীন গবেষণা প্রতিষ্ঠান যা নিজস্ব ডেটা—মডেলের পারফরম্যান্স, ট্রেনিং খরচ, চিপস এবং ডেটা সেন্টার—এর মাধ্যমে এআই-এর উন্নয়নের পথ অনুসরণ করে। ২২ সেপ্টেম্বরের রিপোর্টে, লুক এমবারসন এবং ডেভিড রুডম্যান 31.01.2025-এ OpenAI-এর o3 GPQA Diamond (ফিজিকস, kemistry, biology-এর PhD-স্তর MCQ) -এ 75% score-এ 30 cents (0.30$) -এ 18 months later GPT-5.6 Luna same result at $0.0004 (four hundredths of a cent). A drop of 725x. Epoch compares it to a new car dropping from $50k to $69. Speed varies by domain: slower in game puzzles (39–43% per quarter), faster in math (50–52%). Price drops fastest right after a model becomes state-of-the-art. Across the five main benchmarks, the average drop is 66% per quarter (75x/year) at debut; two years later, half that: 32% per quarter (4.7x/year). Their hypothesis: labs charge a premium at first; then open and closed competition drives prices down. They themselves list caveats: labs may over-train for benchmarks; acing tests isn’t useful work; real users don’t always use the cheapest frontier model; the window is only three years; the average can be calculated in multiple ways. For the AI stack, the takeaway is clear: yesterday’s premium capability becomes a commodity quickly—and what unlocks mass adoption is cost per task, not just the new model. For API sellers, abnormal profit margins on a specific model appear temporary. Epoch itself says this is both cause and consequence of the race. In their chart, the fiercest competition near the top occurs mostly among closed models. For investors, inference margins compress. Volume and staying one quarter ahead on cost matter more than narratives of an “eternal” model. The premium of being the cheapest at the top vanishes fast. Chip and energy costs rose. The cost of “thinking” fell.