ხელოვნური ინტელექტის ფასი მურის კანონზე სწრაფად ეცემა

Epoch AI-ის შედეგები ერთ კონკრეტულ მოდელს არ ეფუძნება. მკვლევრებმა შეაფასეს მოდელები, რომლებმაც უმაღლესი განათლების დონის, Google-ით ძნელად მოსაძებნ კითხვებზე პასუხის GPQA Diamond ტესტში 81,25% ან მეტი მიიღეს. ისინი თითო მრავალვარიანტიან კითხვაზე პასუხის ღირებულებას აკვირდებოდნენ.

ეს სხვადასხვა ცოდნის სფეროში შესაძლებლობებს ზომავს, თუმცა ხელოვნური ინტელექტის ყველა უნარს არ მოიცავს. ტესტი მაინც აჩვენებს, რომ ახალი მოდელები ასეთ ამოცანებს უფრო მაღალი შედეგით და გაცილებით იაფად ასრულებენ.

Epoch AI-ის ცნობით, OpenAI-ის GPT o3-მა, რომელიც 2025 წლის იანვარში გამოვიდა, GPQA Diamond-ში 75% მიიღო. თითო კითხვაზე პასუხი 0,30 დოლარი ღირდა. წელიწად-ნახევრის შემდეგ OpenAI-მა GPT-5.6 Luna გამოუშვა. მან იმავე შედეგს მიაღწია, თუმცა თითო პასუხი მხოლოდ 0,0004 დოლარი დაჯდა.

ღირებულების შემცირება ყველა სფეროში ერთნაირი და თანაბარი არ ყოფილა. ჭადრაკისა და მათემატიკის ტესტების დამატების შემდეგ Epoch AI-მ ეფექტიანობის გაუმჯობესების მნიშვნელოვნად განსხვავებული ტემპები აღმოაჩინა. GPQA Diamond-ში სწრაფ გაიაფებას უძრაობისა და სტაბილიზაციის პერიოდები მოჰყვა. AIME OTIS Mock-ის შედეგები უფრო თანაბრად უმჯობესდებოდა. ჭადრაკის ამოცანებშიც წინსვლა უფრო რეგულარული იყო.

Frontier Math-ის შედეგები 2025-დან 2026 წლამდე თითქმის არ გაუმჯობესებულა, თუმცა წლის შუაში ღირებულება მკვეთრად დაეცა.

Epoch AI ასევე აღნიშნავს, რომ გაიაფების ტემპი ნელდება. ხუთ ტესტში საწყისი კვარტალური შემცირება 66% იყო, ორი წლის შემდეგ კი 32%-მდე დაეცა. ეს შესაძლოა პროგრესის შენელებას ან გამოყენების ხარჯების შემცირების გართულებას მიუთითებდეს. პრობლემა განსაკუთრებით 2026 წელს გამწვავდა, როცა ენერგიისა და გამოთვლითი მოწყობილობების ფასი მკვეთრად გაიზარდა.

მონაცემების ერთ-ერთი მთავარი შესაძლო პრობლემა „ტესტებზე მორგებაა“. ამ დროს დეველოპერები მოდელებს სპეციალურად იმ ტესტებში წარმატებისთვის წვრთნიან, რომლებიც ზოგადი შესაძლებლობების გასაზომად შეიქმნა. პროგრამული კომპანიები ტესტებით მანიპულირებას ადრეც მიმართავდნენ. 2003 წელს Nvidia და ATI 3DMark-თან დაკავშირებულ ასეთ შემთხვევაზე გამოიჭირეს. 2024 წელს კი მსგავსი მიზეზით Intel-ის ათასობით შედეგი გაუქმდა.

Epoch AI-მ შემთხვევითი ელემენტები გამოიყენა, რათა მოდელებს ტესტი ვერ ამოეცნოთ და დეველოპერებს მათი წინასწარ მორგება გასჭირვებოდათ. ეს მიდგომა ყველა ტესტში არ გამოუყენებიათ. შემთხვევითი ელემენტების გარეშე ღირებულება უფრო სწრაფად მცირდებოდა, რაც მონაცემებში ტესტებზე გარკვეულ მორგებაზე მიუთითებს. ეს შედეგებს არ აუქმებს, თუმცა მათ სიფრთხილით შეფასებას მოითხოვს.

მოწინავე მოდელების შემქმნელები ინფრასტრუქტურაზე ასობით მილიარდ დოლარს ხარჯავენ. ანგარიშის შედეგები მიანიშნებს, რომ ძვირად ღირებულ უპირატესობაში გადახდას შესაძლოა მცირე აზრი ჰქონდეს. Fable-ის, Mythos-ისა და OpenAI-ის უახლესი მოდელების მუშაობა კონკურენტებთან შედარებით კვლავ ძვირია. თუმცა წამყვანი დეველოპერების კონკურენციის ფონზე ტოკენის ღირებულება მუდმივად მცირდება.

თუ სხვა მოდელები იმავე ინტელექტის 90%-ს ფასის მცირე ნაწილად უზრუნველყოფენ, უახლეს შესაძლებლობებში გადახდის საჭიროება მცირდება. ეს განსაკუთრებით მნიშვნელოვანია, თუ მოდელებს ღია წონები ექნებათ და დამოუკიდებელი კომპანიები მათ ყველაზე ეფექტიან და ხელმისაწვდომ ვერსიებს შესთავაზებენ.

თუმცა გამოწერა მხოლოდ ფასსა და შესაძლებლობებზე დამოკიდებული არ არის. მნიშვნელოვანია ნაცნობი ინტერფეისი, სამუშაო პროცესი და ორგანიზაციის სხვა სისტემებთან თავსებადობა. გრძელვადიანი, განსაკუთრებით ფინანსური ვალდებულებისთვის ნდობაც გადამწყვეტია. ახალი, იაფი მომწოდებლის არჩევა შესაძლოა რისკად აღიქმებოდეს.

ახალ მოდელზე გადასვლისას მომხმარებელმა ტესტების სანდოობა უნდა გადაამოწმოს. მან ასევე უნდა გაითვალისწინოს, რომ ფასები შესაძლოა მკვეთრად შეიცვალოს და დანაზოგი გააქროს. არსებული სისტემა შეიძლება ერთ კვირაში კონკურენტს დაეწიოს, ხოლო ახალ სისტემას ხარვეზები ან კონფიდენციალურობის პრობლემები აღმოაჩნდეს.

ხელოვნური ინტელექტის ხელსაწყოს შეცვლა მხოლოდ ფასისა და შესაძლებლობების შედარებით არ წყდება. ფასების მკვეთრი ვარდნა გამოწერის მოდელს შეუძლებელს არ ხდის, თუმცა მის გამართლებას ართულებს.

თემებიAnthropicATIEpoch AIIntelNvidiaOpenAIGPQA DiamondGPT o3GPT-5.6 Lunaმურის კანონი

გამოქვეყნდა 30 სექტემბერი, 2026