📉 سقوط قیمت تفکر: چرا هوش مصنوعی این‌قدر سریع ارزان می‌شود؟
گزارش جدیدی از Epoch AI نشان می‌دهد هزینه دستیابی به یک سطح مشخص از عملکرد هوش مصنوعی، در سه سال گذشته هر فصل حدود ۴۷٪ کاهش یافته است — یعنی سالانه ۱۳ برابر ارزان‌تر شده است. این سرعت کاهش، از هر فناوری تحول‌آفرین دیگری در تاریخ سریع‌تر است.
📊 مقایسه با سایر فناوری‌ها
برای درک بزرگی این عدد، مقایسه‌اش با نرخ کاهش قیمت فناوری‌های دیگر مفید است:
· توالی‌یابی DNA: ۴ برابر کندتر
· توان محاسباتی: ۶ برابر کندتر
· باتری‌های لیتیومی: ۱۸ برابر کندتر
· برق (در قرن منتهی به ۱۹۷۳): ۵۴ برابر کندتر
🔍 یک مثال ملموس
در ژانویه ۲۰۲۵، مدل o3 شرکت OpenAI با هزینه‌ای حدود ۳۰ سنت برای هر پرسش، امتیاز ۷۵٪ را در بنچمارک GPQA Diamond (آزمونی در سطح دکتری فیزیک، شیمی و زیست‌شناسی) کسب می‌کرد.
کمتر از ۱۸ ماه بعد، مدل GPT-5.6 Luna همان امتیاز را با هزینه‌ای معادل چهار صدم یک سنت (۰.۰۰۰۴ دلار) برای هر پرسش به دست آورد. یعنی قیمت تفکر در کمتر از ۱۸ ماه ۷۲۵ برابر کاهش یافت.
📈 کاهش قیمت در حوزه‌های مختلف
نرخ کاهش قیمت بسته به نوع وظیفه متفاوت است:
· معماهای مبتنی بر بازی: کندتر، حدود ۳۹ تا ۴۳ درصد در هر فصل
· مسائل ریاضی: سریع‌تر، حدود ۵۰ تا ۵۲ درصد در هر فصل
⏳ یک الگوی جالب
هزینه زمانی که یک سطح عملکرد برای اولین بار به دست می‌آید (یعنی مدل SOTA آن را ارائه می‌دهد) سریع‌ترین کاهش را دارد: ۶۶٪ در هر فصل (۷۵ برابر در سال). اما دو سال بعد، سرعت کاهش به ۳۲٪ در هر فصل (۴.۷ برابر در سال) کاهش می‌یابد.
⚠️ چند نکته مهم درباره این آمار
محققان خودشان به محدودیت‌هایی اشاره کرده‌اند که باید در نظر گرفت:
· «بنچ‌مکس‌سازی» (Benchmaxxing): شرکت‌ها ممکن است مدل‌هایشان را عمداً برای عملکرد خوب در بنچمارک‌ها آموزش دهند، بنابراین بهبود در بنچمارک می‌تواند سریع‌تر از بهبود در وظایف واقعی جهان باشد.
· تفاوت کاربر واقعی با فرض تحلیل: این تحلیل فرض می‌کند کاربری وجود دارد که همیشه ارزان‌ترین مدل را برای هر وظیفه پیدا می‌کند، در حالی که کاربران واقعی این‌قدر مدل عوض نمی‌کنند و در نتیجه صرفه‌جویی کمتری می‌کنند.
· داده‌های نویزی: بازه زمانی فقط سه سال است و همه ترکیب‌های مدل و بنچمارک در داده‌ها وجود ندارند.
🎯 چرا این مهم است؟
کاهش سریع قیمت تفکر یعنی کارهایی که قبلاً به‌خاطر هزینه بالا غیرممکن بودند، اکنون در دسترس قرار می‌گیرند. این روند می‌تواند الگوی استفاده از هوش مصنوعی در کسب‌وکارها و زندگی روزمره را به‌طور بنیادی تغییر دهد.
📄 منبع:
Epoch AI — The Plunging Price of Thought
#AI #EpochAI #InferenceCost #AIEconomics #Research
🆔 @asrgooyeshpardaz
گزارش جدیدی از Epoch AI نشان می‌دهد هزینه دستیابی به یک سطح مشخص از عملکرد هوش مصنوعی، در سه سال گذشته هر فصل حدود ۴۷٪ کاهش یافته است — یعنی سالانه ۱۳ برابر ارزان‌تر شده است. این سرعت کاهش، از هر فناوری تحول‌آفرین دیگری در تاریخ سریع‌تر است.
📊 مقایسه با سایر فناوری‌ها
برای درک بزرگی این عدد، مقایسه‌اش با نرخ کاهش قیمت فناوری‌های دیگر مفید است:
· توالی‌یابی DNA: ۴ برابر کندتر
· توان محاسباتی: ۶ برابر کندتر
· باتری‌های لیتیومی: ۱۸ برابر کندتر
· برق (در قرن منتهی به ۱۹۷۳): ۵۴ برابر کندتر
🔍 یک مثال ملموس
در ژانویه ۲۰۲۵، مدل o3 شرکت OpenAI با هزینه‌ای حدود ۳۰ سنت برای هر پرسش، امتیاز ۷۵٪ را در بنچمارک GPQA Diamond (آزمونی در سطح دکتری فیزیک، شیمی و زیست‌شناسی) کسب می‌کرد.
کمتر از ۱۸ ماه بعد، مدل GPT-5.6 Luna همان امتیاز را با هزینه‌ای معادل چهار صدم یک سنت (۰.۰۰۰۴ دلار) برای هر پرسش به دست آورد. یعنی قیمت تفکر در کمتر از ۱۸ ماه ۷۲۵ برابر کاهش یافت.
📈 کاهش قیمت در حوزه‌های مختلف
نرخ کاهش قیمت بسته به نوع وظیفه متفاوت است:
· معماهای مبتنی بر بازی: کندتر، حدود ۳۹ تا ۴۳ درصد در هر فصل
· مسائل ریاضی: سریع‌تر، حدود ۵۰ تا ۵۲ درصد در هر فصل
⏳ یک الگوی جالب
هزینه زمانی که یک سطح عملکرد برای اولین بار به دست می‌آید (یعنی مدل SOTA آن را ارائه می‌دهد) سریع‌ترین کاهش را دارد: ۶۶٪ در هر فصل (۷۵ برابر در سال). اما دو سال بعد، سرعت کاهش به ۳۲٪ در هر فصل (۴.۷ برابر در سال) کاهش می‌یابد.
⚠️ چند نکته مهم درباره این آمار
محققان خودشان به محدودیت‌هایی اشاره کرده‌اند که باید در نظر گرفت:
· «بنچ‌مکس‌سازی» (Benchmaxxing): شرکت‌ها ممکن است مدل‌هایشان را عمداً برای عملکرد خوب در بنچمارک‌ها آموزش دهند، بنابراین بهبود در بنچمارک می‌تواند سریع‌تر از بهبود در وظایف واقعی جهان باشد.
· تفاوت کاربر واقعی با فرض تحلیل: این تحلیل فرض می‌کند کاربری وجود دارد که همیشه ارزان‌ترین مدل را برای هر وظیفه پیدا می‌کند، در حالی که کاربران واقعی این‌قدر مدل عوض نمی‌کنند و در نتیجه صرفه‌جویی کمتری می‌کنند.
· داده‌های نویزی: بازه زمانی فقط سه سال است و همه ترکیب‌های مدل و بنچمارک در داده‌ها وجود ندارند.
🎯 چرا این مهم است؟
کاهش سریع قیمت تفکر یعنی کارهایی که قبلاً به‌خاطر هزینه بالا غیرممکن بودند، اکنون در دسترس قرار می‌گیرند. این روند می‌تواند الگوی استفاده از هوش مصنوعی در کسب‌وکارها و زندگی روزمره را به‌طور بنیادی تغییر دهد.
📄 منبع:
Epoch AI — The Plunging Price of Thought
#AI #EpochAI #InferenceCost #AIEconomics #Research
🆔 @asrgooyeshpardaz
Epoch AI
The plunging price of thought
Epoch AI measures how fast the cost of a given level of AI performance is falling across five benchmarks covering math, science and games of skill: about 47% per quarter, or 13x per year, since 2023, faster than electricity, compute, batteries or DNA sequencing…
❤5👍1