AIの性能レベルあたりの推論コストが四半期ごとに47%減少、Epoch AIのレポートが発表

この調査は、推論モデルの経済性における劇的な変化を浮き彫りにしています。例えば、GPQA Diamondベンチマークで75%のスコアを達成するコストは、2025年1月時点のOpenAIのo3では1問あたり約0.30ドルでした。しかし、2026年中盤には、OpenAIのGPT-5.6 Lunaが同程度のスコアを1問あたり約0.0004ドルで達成しており、18ヶ月足らずでコストが725分の1に削減されたことになります。

低下のペースはタスクによって異なります。数学の問題は四半期あたり50〜52%と最も速い進歩を見せ、ゲームベースのパズルは約39〜43%の低下となりました。平均して、低下率は最先端（SOTA）の性能レベルに近いほど高く、SOTAデビュー時の四半期平均66%の低下から、2年後には四半期32%へと鈍化します。

この低下率は、他の変革的な技術と比較して著しく速いものです。観察されたAIコストの低下は、DNAシーケンシングの低下よりも4倍速く、電気の価格低下よりも54倍速いものです。レポートでは、フロンティアモデルの間で価格競争が特に激化していることが指摘されています。

PLUS ULTRAby Amenoyomi

この低下は、トークンあたりの価格ではなく、特定のベンチマークスコアに到達するために必要なコストによって測定されています。この区別は、推論モデルにおいて極めて重要です。推論モデルは、高い性能を達成するために大幅に多くのトークンを消費することが多い一方で、トークンあたりの実行コストはより小さく安価な基礎モデルを利用している場合があるためです。

コストの削減は、最先端（SOTA）のフロンティアに関連した特定のサイクルに従います。新しい性能レベルが初めて達成されると、プロバイダーは一時的にプレミアム価格を課すことができます。しかし、競合他社が追いつき、技術革新が加速するにつれて価格は急落します。SOTAデビュー時には四半期平均66%の低下となり、2年後には四半期約32%まで鈍化します。