AI 成本下降速度史上最快：三年来每季度降 47%

一项基于五年基准数据的最新分析显示，过去三年中，AI 达到某一性能水平所需支付的成本平均每季度下降约 47%，相当于每年下降超过 13 倍。这一速度被研究者称为「历史上任何通用目的技术都未曾达到过的水平」，可与蒸汽机、电力、互联网等变革性技术相较。数据与代码已在 GitHub 公开。

分析方法与基准覆盖

研究团队构建了一套新的、更全面的数据集，覆盖过去三年内五项具有最佳数据的 AI 性能基准，涵盖数学、硬科学以及技巧类游戏。研究者追踪每一档性能水平出现时市场上最便宜模型的定价，从而测算「同等性能单位价格」的下降速度。研究同时指出，自 2021 年 11 月 OpenAI 全面发布 GPT-3、开启商业化大语言模型推理以来，成本很可能一直以这一速度下降。

不同任务类型下降速率不一

数学类问题：成本下降最快，每季度约 50%–52%，相当于每年下降 16–19 倍。
游戏类谜题：下降相对较慢，每季度约 39%–43%，年降幅 7–10 倍。
五项基准平均：每季度下降约 47%，年降幅约 13 倍。

新晋 SOTA 阶段降价最猛

研究发现，「同等性能的价格」在某一性能水平刚刚达到最先进水平（SOTA）时下降速度最快，此时厂商可短暂收取溢价，随后被竞争和技术迭代迅速压低。

五项基准平均：SOTA 刚刚达成阶段，成本每季度下降约 66%（每年约 75 倍）。
两年后：下降速度减半至每季度约 32%（每年约 4.7 倍）。

研究者将这一规律归因于「前沿折扣」：用户始终选用当下最具性价比模型时享受的红利最大；离前沿越远，价格趋于稳定。

一个具象案例

以 GPQA Diamond（覆盖物理学、化学、生物学博士级内容的选择题基准）为例：

2025 年 1 月 31 日：OpenAI 发布 o3 推理模型，单题平均成本约 30 美分，可达到 75% 得分。
约 18 个月后：OpenAI 发布 GPT-5.6「Luna」模型，达到同样分数单题成本仅 4 / 100 美分（0.0004 美元）。
降幅：18 个月内约 725 倍，相当于新车标价从 5 万美元跌至 69 美元。

重要警示与局限

作者强调，这一结论需被审慎解读：

AI 公司可能在部分基准上存在「刷榜」行为，使基准改进速度超过真实任务改进。
基准成绩好并不等同于实用价值高。
数据仅覆盖三年，样本并不涵盖全部模型与基准组合。
分析假设用户始终为每项任务切换至当下最便宜的模型，而实际用户并不会如此频繁地迁移，因此享受的折扣要打折扣。
不同模型、基准、时间段、性能区间的降价节奏差异显著，多种平均方式均可被合理采用。

即使价格走低，AI 总支出仍可能上升：若一份重要工作（例如审查数千篇科学论文的错误）的认知量等同于将该基准跑一百万次，即便单次成本降至一分钱，总开销依然可观。与此同时，AI 能力本身仍在持续攀升——通过小学数学题测试的价格如今已近乎为零，但证明高难度数学定理的代价并非如此。