24小时热文
AI 行业正在出现一幅颇为反常的画面。芯片、电力和数据中心越来越贵,连建设数据中心所需的电工也更难请了;与此同时,让 AI 完成同等难度任务的成本,却正以前所未有的速度下降。 Epoch AI 统计了过去三年数学、科学与游戏等五类基准,发现达到同等模型性能所需的成本,平均每季度下降约 47%,相当于每年便宜 13 倍。它的降价速度是 DNA 测序的 4 倍、计算成本的 6 倍、锂电池的 18 倍,也是电力的 54 倍,可能超过人类历史上任何一种通用技术。(图片放评论区了)一个更直观的例子来自 OpenAI。2025 年初,o3 在 GPQA Diamond 上取得特定水平的成绩,平均每道题需要 0.3 美元。不到 18 个月后,GPT 5.6 Luna 达到相同水平,每道题只需 0.0004 美元,成本下降了 725 倍。更值得关注的规律是,越靠近模型能力前沿,降价通常越快。一项能力刚刚成为 SOTA 时,相关成本平均每季度下降 66%,换算下来一年可降低约 75 倍。两年之后,降幅才逐渐放缓。今天还被当作旗舰卖点的能力,几个月后就可能进入小模型,随后变成云服务里的普通选项。这也解释了为什么大模型公司不断发布新模型、降价、再发布新模型。训练前沿模型仍然需要不断增加资本投入,但领先能力能够维持高价的时间越来越短。每次突破都会短暂制造溢价,竞争对手、开源模型和工程优化随后迅速抹平差距。到了今年,卷性价比几乎已经成为行业共识,模型发布也越来越像只剩下两种有效打法。要么把用捅破天花板的代际差距证明高价合理;要么把已经成熟的能力压到足够低的价格,用极致性价比重新划定市场的「斩杀线」。夹在两者中间会越来越难。能力没有明显领先,价格又没有足够优势,一款模型即使榜单成绩不错,也很容易在密集发布周期里迅速失去存在感。当然,基准成绩不等于真实工作的表现,用户也不会为了每个任务都寻找最便宜的模型。Epoch AI 自己也提醒,部分模型可能针对基准训练,三年数据也不足以精确刻画所有趋势。即便如此,方向已经很难忽视:AI 的「生产端」越来越贵,「输出端」却越来越便宜。过去几年,行业习惯用更大的参数、更高的榜单成绩定义竞争。但接下来更重要的问题,可能是谁能把迅速贬值的模型能力尽快商品化。模型越来越像电力,真正值钱的部分,将是围绕它建立的工作流、数据、用户关系和交付能力。智能终将免费,价值仍需创造。 全世界最不可能失业的1000多人,这几天都在上海了 AI不会毁灭人类,只是加速人类的自毁 Claude Opus 5.5 vs GPT 6 Sol:8 轮中文写作实测,谁最夯? 中金|资产配置:美联储加息后的市场方向 30家中国科技公司高管薪酬表:谁在拿最高的薪水 广汽,解铃还须系铃人 轮月,一壶茶,千里共此香 闲鱼上的ChatGPT代充暗号,已经进化到我看不懂的程度了。 09月24日(勤商日历卡片):普通人想全职做自媒体,怎么决策?
年费限时8折
所有数据均采集于网络,如有侵权请联系站长删除
粤ICP备18050166号-1