През последните години разходите за използване на изкуствен интелект рязко спаднаха – по-бързо от тези на всяка друга революционна технология през миналия век. Анализатори от Epoch AI изчисляват, че разходите за AI намаляват с близо 50% всяко тримесечие. Това е довело до тринадесеткратно понижение в рамките на една година. Дори литиево-йонните батерии, технологиите за секвениране на ДНК и изчислителната мощ – които се развиваха стремително в съответствие със закона на Мур – не отбелязаха толкова бърз спад на цените.
Макар спадът на разходите да стимулира навлизането на технологиите, той повдига и трудни въпроси относно инвестициите в най-съвременните разработки в сферата на AI. Същевременно доставчиците на услуги се сблъскват с предизвикателства при изграждането на лоялност у клиентите и осигуряването на стабилни приходи.
Ако потребителят знае, че дадена услуга, от която се интересува, ще стане по-функционална и по-достъпна само след няколко седмици или месеци, какъв е смисълът да започне да я използва веднага? А ако конкурент предложи по-добро и по-евтино решение, защо да остане при настоящия доставчик?
Лидери в бранша като OpenAI и Anthropic се оказват в несигурна позиция: трудно е да се разчита на значителни печалби от най-съвременни модели, превъзхождащи конкуренцията, ако това предимство се окаже краткотрайно.
Само за пет години цената на AI е спаднала стотици хиляди пъти. За сравнение, цената на литиево-йонните батерии е намаляла „само“ стократно в периода между 1991 и 2024 г. Изчислителният хардуер е поевтинял стотици милиарди пъти през 60-те години след 1940 г.
През по-голямата част от този период законът на Мур е бил в сила: изчислителната производителност и ефективност са нараствали значително година след година, което означава, че съвременните компютри не само работят по-бързо от своите предшественици, но и експлоатацията им излиза по-евтино.
Секвенирането на ДНК показва подобна тенденция на спад в цените – относителната стойност на тази процедура е намаляла дори по-рязко от тази при AI, макар процесът да е отнел малко повече от 20 години.
Разходите за изкуствен разум спадат с близо 50% на тримесечие – тринадесеткратно намаление на годишна база; този темп на понижаване на разходите е четири пъти по-бърз отколкото при секвенирането на ДНК и осемнадесет пъти по-бърз от този при литиево-йонните батерии.
Съществуват някои уговорки относно тези статистически данни. Информацията за компютърния хардуер обхваща периода само до 2001 г., докато данните за електроенергията стигат едва до 1973 г., като по този начин не отчитат бурното развитие на слънчевата енергетика през последните години.
Проследяването на разходите за изкуствен интелект пък датира от едва от 2023 г., а по-ранните стойности са изведени въз основа на актуални краткосрочни тенденции и проучвания на трети страни.
Анализът на Epoch AI не се базира на един конкретен модел, а на съвкупност от модели, постигнали резултат от поне 81,25% на теста GPQA (Graduate-Level Google-Proof Q&A) от „диамантено“ ниво – по-конкретно чрез измерване на разходите за получаване на отговор на въпрос с три възможни опции. Макар това да помага за оценката на възможностите на AI в различни области на знанието, то не обхваща непременно пълния спектър от способности на технологията.
Данните ясно показват, че новите модели се справят с тези задачи с лекота, постигайки високи резултати на тестовете при по-ниски разходи. Например, моделът OpenAI o3, пуснат през януари 2025 г., постигна резултат от 75% на теста GPQA Diamond при цена от 0,30 долара на въпрос. Само година и половина по-късно беше пуснат OpenAI GPT-5.6 Luna; той постигна същите резултати на същия тест, но при цена от 0,0004 долара на въпрос.
Разходите за изкуствен интелект не намаляват равномерно. Бенчмаркът GPQA Diamond показа периоди на рязко понижаване на разходите, последвани от фази на стагнация и плата, докато математическият тест AIME OTIS и задачите по шахмат демонстрираха по-стабилни тенденции. Напредъкът във висшата математика беше незначителен в периода 2025-2026 г., като разходите спаднаха рязко едва в средата на годината.
В повечето дисциплини темпът на намаляване на разходите се забавя: първоначално цените при петте бенчмарк теста спадаха с 66% на тримесечие, но две години по-късно този показател беше спаднал до 32% на тримесечие. Това предполага или че напредъкът в областта на AI се забавя, или че намаляването на оперативните разходи става по-трудно – особено през 2026 г., на фона на растящите цени на електроенергията и компютърния хардуер. Трудно е да се понижат цените на услугите, когато ресурсите, необходими за работата на AI, струват повече отпреди.
Основно предизвикателство при анализа на тези статистически данни е т.нар. „манипулиране на бенчмаркове“, при което разработчиците целенасочено обучават моделите си да се представят отлично на тестове, предназначени за измерване на общи способности.
За да противодействат на това по време на тестването, специалистите от Epoch AI въведоха елементи на случайност, така че моделите да не „разберат“, че биват тествани, което попречи на разработчиците да ги обучават специално за преминаване на външни бенчмаркове.
Този подход не беше приложен при всеки тест; там, където липсваше, се наблюдаваше по-рязко намаляване на разходите, което косвено подсказва за известна степен на оптимизация спрямо конкретни бенчмаркове. Макар това да не обезсилва резултатите, то налага известна доза скептицизъм.
Разработчиците на AI – особено онези, които стоят зад най-съвременните модели и са готови да инвестират стотици милиарди долари в инфраструктура – се опасяват, че обосновката за високите цени може да бъде поставена под въпрос. Използването на модели като Mythos и Fable на Anthropic, както и на най-новите предложения на OpenAI, струва повече в сравнение с алтернативни варианти, макар цената за обработка на токени постепенно да спада.
Водещите разработчици вече се конкурират по т.нар. „граница на Парето“ – точката, която представлява оптималния баланс между икономическа ефективност и нивото на „интелигентност“ на модела.
Ако други модели могат да осигурят 90% от производителността на пазарните лидери на малка част от цената, заслужава ли си да се плаща по-висока сума за най-съвременни възможности? Този въпрос е особено актуален предвид възхода на моделите с отворени тегла (open-weight models), които позволяват на външни доставчици да се конкурират, като предлагат най-ефективните и достъпни версии на тези системи.
Навиците на клиентите играят съществена роля – включително утвърдените интерфейси, работните процеси и съществуващата софтуерна екосистема на организацията. Доверието също е ключов фактор, особено що се отнася до дългосрочни финансови ангажименти.
Преминаването към нов модел изисква проверка на твърденията за производителност и гаранции, че цените няма да се променят драстично в бъдеще, което би обезсмислило евентуалните спестявания. Клиентите се нуждаят от увереност, че настоящата им система няма да бъде изместена от конкурентно решение с по-добри технически характеристики само след седмица, както и че новата система е изчистена от грешки или уязвимости, които биха могли да застрашат поверителността на данните.
В крайна сметка изборът зависи от повече фактори от просто цената или интелектуалните възможности на модела. Изкуственият интелект става по-евтин, но това не означава, че абонаментният модел е загубил своето предназначение – просто става по-трудно да се обоснове стойността, която той предлага.
