تقول منظّمة Epoch AI، التي تتتبّع اتجاهات الذكاء الاصطناعي، إن سعر الوصول إلى مستوى أداء ثابت في مجموعة من الاختبارات القياسية ينخفض بنحو 47% كل ربع سنة في المتوسّط، أي نحو 13 ضعفًا في السنة، ولا توجد تقنية تحويلية أخرى انخفضت تكلفتها بهذه السرعة بحسب المنظّمة.
مثال o3
في مطلع 2025، سجّل نموذج o3 من OpenAI نسبة 75% في اختبار GPQA Diamond للعلوم بمستوى الدكتوراه، بتكلفة تقديرية 30 سنتًا للسؤال. بعد 18 شهرًا، حقّق نموذج من عائلة GPT-5.6 الدرجة نفسها بأربعة أجزاء من مئة من السنت، أي 1/725 من السعر الأصلي. وتقول The Decoder إنه لو انخفضت أسعار السيارات بهذه السرعة لصارت سيارة بـ50,000 يورو بأقل من 70 يورو.
تقدير أكثر تحفّظًا من MIT
باحثون في MIT بقيادة Hans Gundlach حلّلوا بيانات أسعار من منصّة Artificial Analysis بين أبريل 2024 ونوفمبر 2025، ووجدوا انخفاضًا من 5 إلى 10 أضعاف سنويًا. وبعد استبعاد أثر العتاد الأرخص والمنافسة، قدّروا المكسب الصافي في الكفاءة الخوارزمية بنحو 3 أضعاف سنويًا. رقم Epoch أعلى لأنه لا يستبعد هذه العوامل.
تحفّظات مهمّة
- الرقم يعكس أسعار السوق لدرجة ثابتة، لا الكفاءة الخوارزمية الخالصة ولا التكلفة في الإنتاجية الواقعية.
- تشغيل أفضل نموذج حالي قد يصبح أغلى لكل طلب، لأن نماذج الاستدلال تستهلك حوسبة أكثر بكثير لكل مهمّة.
- جزء من تحسّن الدرجات يأتي من استخدام حوسبة أكبر لكل سؤال، لا من كفاءة أعلى، بحسب MIT.
- تحليل Epoch مبني على خمسة اختبارات فقط، وتصفه المنظّمة بأنه «قياسات معقولة لكن تقريبية». وأدرجت اختبارًا سريًا للحدّ من «تحسين النماذج للاختبارات المعروفة»، وكان انخفاض التكلفة فيه الأبطأ.
ليه ده مهم؟
الخلاصة العملية ذات وجهين: قدرات الصفّ الأول من العام الماضي صارت رخيصة جدًا، لكن استخدام أفضل نموذج اليوم قد يكلّف أكثر لكل استعلام. وعند اختيار نموذج لمهمّة محدّدة، لا يكفي سعر الرمز، بل يجب النظر إلى الجودة وزمن الاستجابة وعدد المحاولات المعادة.
المصادر: The Decoder — 2026-09-24
