Epoch AI acaba de medir el costo del “pensamiento” de la IA, y la caída es la más rápida que cualquier tecnología transformadora haya tenido jamás. Epoch es un instituto de investigación independiente que rastrea el progreso de la IA con datos propios: desempeño del modelo, costo de entrenamiento, chips y centros de datos. En el informe del 22 de septiembre, Luke Emberson y David Roodman analizaron el costo de alcanzar el mismo nivel de desempeño en cinco benchmarks (matemáticas, ciencias duras y juegos de habilidad) durante aproximadamente tres años. El número clave: desde 2023, el costo de un nivel determinado de desempeño ha caído aproximadamente un 47% por trimestre. Eso equivale a 13 veces más barato por año. En comparación histórica, cuatro veces más rápido que el secuenciamiento del ADN, seis veces más rápido que la computación, 18 veces más rápido que las baterías de litio y 54 veces más rápido que la electricidad hasta 1973. Las evidencias sugieren que este ritmo ya venía al menos desde noviembre de 2021, cuando OpenAI lanzó completamente la API de GPT-3. El 31 de enero de 2025, o3 de OpenAI obtenía un 75% en GPQA Diamond (examen de opción múltiple tipo doctorado en física, química y biología) por unos 30 centavos de dólar por pregunta. Menos de 18 meses después, GPT-5.6 Luna logra el mismo resultado por cuatro centésimos de centavo ($0,0004). Caída de 725 veces. Epoch compara esto con el precio de un automóvil nuevo cayendo de 50 mil dólares a 69. La velocidad varía por dominio: más lenta en rompecabezas de juegos (39% a 43% por trimestre), más rápida en matemáticas (50% a 52%). Y el precio cae con mayor fuerza justo después de que un nivel se convierte en el mejor del momento. En promedio de los cinco benchmarks principales, 66% por trimestre (75 veces por año) en el lanzamiento del estado del arte; dos años después, la mitad, 32% por trimestre (4,7 veces por año). Su hipótesis: al principio, el laboratorio cobra prima, luego la competencia abierta y cerrada reduce el precio. Ellos mismos enumeran las limitaciones. Los laboratorios podrían estar entrenando demasiado para el benchmark. Aprobar un examen no es un trabajo útil. El usuario real no siempre opta por el modelo más barato de la frontera. La ventana tiene solo tres años. Se puede calcular este promedio de varias maneras a partir de los datos. Para el stack de IA, la lectura es clara: la capacidad que ayer era prima se convierte rápidamente en commodity, y lo que habilita el uso masivo es el costo por tarea, no solo el modelo nuevo. Para quienes venden API, las ganancias anormales sobre un modelo específico parecen transitorias. La propia Epoch dice que esto es al mismo tiempo causa y consecuencia de la carrera. En su gráfico, la competencia más feroz cerca de la cima aparece principalmente entre modelos cerrados. Para el inversionista, la margen de inferencia se comprime. Quien gana volumen y quien se mantiene un trimestre por delante en costo importa más que la narrativa de un modelo eterno. La prima de ser el más barato en la cima desaparece rápidamente. El costo de los chips y la energía aumentó. El costo del “pensamiento” se abarató.