Стоимость использования передовых языковых моделей ИИ за последние 18 месяцев снизилась с $20 до $0,07 за миллион токенов — об этом говорится в AI Index Report 2025, подготовленном Стэнфордским университетом. Этот ежегодный отчёт, охватывающий глобальный ландшафт искусственного интеллекта, также поднимает важный вопрос: миру всё острее не хватает чётких и ответственных рамок регулирования ИИ. Кроме того, в отчёте подчёркивается стремительное соперничество между США и Китаем в сфере новых ИИ-технологий.
Стэнфордский Институт человеко-центричного ИИ (HAI) выпускает AI Index Report с 2017 года. Его свежие выпуски регулярно цитируются правительствами по всему миру. В рамках подготовки отчёта HAI собирает и анализирует данные о самых разных аспектах развития искусственного интеллекта — от объёмов инвестиций и сфер применения технологий до пробелов и недостатков в текущей экосистеме. Отчёт за 2025 год предлагает глубокий анализ развития ИИ в 2024 году и делает прогнозы на ближайшее будущее.
Дешевле в использовании — но дороже в разработке
В течение последнего года стоимость эксплуатации моделей искусственного интеллекта значительно снизилась. Однако стоимость их обучения, напротив, заметно возросла. Это на первый взгляд противоречивое явление хорошо иллюстрируется графиками в отчёте: в то время как крупные компании вкладывают рекордные суммы в развитие флагманских моделей, стоимость их использования — то есть обращения к этим моделям — стремительно падает.
OpenAI, Meta и Google значительно увеличили бюджеты на обучение своих ключевых языковых моделей. В среднем каждая из компаний потратила на разработку последней версии своей модели в 28 раз больше, чем на предыдущую. Самый резкий скачок — у Meta: от $3 миллионов до $170 миллионов. Новые игроки вроде Mistral и xAI тоже не отстают: так, на обучение Grok-2 было потрачено около $107 миллионов.
Пока что снижение стоимости обучения таких моделей не предвидится. По данным отчёта, Grok-3 от xAI, вышедший в феврале, потребовал в 10 раз больше графических процессоров, чем его предшественник. Хотя точная сумма не разглашается, считается, что обучение этой модели могло обойтись в $1 миллиард или больше.
Если такие суммы на разработку компьютерной программы кажутся астрономическими — это действительно так. Однако, несмотря на миллиардные вложения со стороны гигантов индустрии, стоимость вывода (inference) моделей с производительностью уровня GPT-3.5 (определённой в отчёте как точность 64,8%) за два года упала в 280 раз — с ноября 2022-го по октябрь 2024-го.
Такое резкое снижение цен объясняется, в частности, удешевлением и повышением энергоэффективности оборудования для ИИ. За последний год стоимость корпоративного ИИ-оборудования снизилась на 30%, а новые чипы стали на 40% эффективнее в плане энергопотребления. Таким образом, хотя ведущие компании продолжат ежегодно тратить всё больше средств на обучение передовых моделей, обычные пользователи, довольствующиеся производительностью уровня GPT-3.5, смогут пользоваться ИИ всё дешевле и дешевле.
Если честно, ощущения двойственные. С одной стороны, круто, что технологии становятся доступнее. То, за что недавно платили кучу денег, теперь стоит копейки — это же отличная новость. Малый бизнес, фрилансеры, даже обычные пользователи получают инструменты, которые раньше были только у крупных корпораций. Это же прямо открывает целую кучу новых возможностей — от автоматизации рутинных задач до крутых креативных штук.
Но с другой — как-то не по себе от того, какие деньги вливаются в обучение новых моделей. Миллиарды долларов, десятки раз больше с каждым новым релизом. Такое ощущение, что это гонка вооружений, где побеждает тот, у кого больше ресурсов. И выигрывают всё те же — крупные компании, у которых и так весь рынок на ладони.
Автор: popotam2
