تكلفة استخدام نماذج الذكاء الاصطناعي تشهد هبوطاً سريعاً؛ اتجاه قد يغيّر سوق البرمجيات المتقدّمة بشكل جدي.
وفقاً لتقرير نشرته TechSpot نقلًا عن Epoch AI، يُظهر تقرير جديد للمؤسسة أن تكلفة بلوغ مستوى محدّد من قدرات الذكاء الاصطناعي تنخفض بنحو ٥٠٪ تقريباً كل فصل؛ بمعنى أن تكلفة الوصول إلى نفس مستوى الأداء تنخفض بحوالي ١٣ مرة سنوياً.
بدلاً من فحص متوسط أسعار منتجات الذكاء الاصطناعي، يقيس هذا التقرير تكلفة وصول النماذج إلى مستوى محدّد من الأداء. أحد المعايير الرئيسية هو اختبار GPQA Diamond الذي يتضمن أسئلة علمية على مستوى الدراسات العليا.
الفرق بين النماذج الجديدة والقديمة يوضح سرعة هذا الانخفاض في التكلفة. وفقاً للتقرير، النموذج GPT o3 الذي طرح في يناير ٢٠٢٥ كان يكلف نحو ٠٫٣٠ دولار لكل سؤال للوصول إلى نتيجة ٧٥٪ في هذا الاختبار. وبعد نحو سنة ونصف، استطاع GPT-5.6 Luna أن يوفّر نفس مستوى الأداء بتكلفة تقارب ٠٫٠٠٠٤ دولار لكل سؤال.
قارن Epoch AI هذا الاتجاه بتقنيات أخرى مثل بطاريات الليثيوم أيون والحوسبة وتسلسل الحمض النووي. وفقاً لهذا المقارنة، فقد انخفضت تكلفة قدرات الذكاء الاصطناعي بمعدل أسرع بحوالي أربعة أضعاف من تسلسل الحمض النووي و١٨ ضعفا مقارنةً ببطاريات الليثيوم. ومع ذلك، لهذه المقارنة حدود؛ لأن الفترات الزمنية وطرق القياس للتقنيات المختلفة ليست متطابقة.
كما أن الانخفاض في التكلفة ليس متماثلاً عبر جميع مهام الذكاء الاصطناعي. أظهر فحص معايير مثل الرياضيات ومسائل الشطرنج أن بعض المهام تشهد انخفاضاً تدريجياً في التكلفة، بينما يمر البعض الآخر بفترات طويلة من الثبات تليها هبوطات مفاجئة.
يبدو أيضاً أن سرعة انخفاض التكلفة تتباطأ. كان متوسط الانخفاض في التكلفة عبر المعايير الخمسة التي فُحصت في البداية نحو ٦٦٪ لكل فصل، لكنه تراجع إلى ٣٢٪ بعد عامين. تُعد تكلفة الطاقة وسعة مراكز البيانات والأجهزة الخاصة بالذكاء الاصطناعي من العوامل التي قد تصعّب تحقيق المزيد من الانخفاض في التكلفة.
يحذر التقرير أيضاً من ظاهرة «تحسين المعايير» أو Benchmaxxing؛ أي تحسين النموذج للحصول على درجات عالية في الاختبارات من دون أن يتحسّن أداؤه بالضرورة بنفس القدر في العالم الحقيقي. ومع كل هذه القيود، قد يتيح رخص الذكاء الاصطناعي خيارات أكثر للشركات ويزيد الضغط على مزوّدي النماذج المتقدّمة.