Załamanie kosztów wnioskowania SI
Koszt uruchomienia modelu SI o jakości odpowiadającej GPT-3.5 spadł z około 20 USD za milion tokenów pod koniec 2022 roku do około 0,07 USD za milion tokenów do października 2024 roku — to ponad 280-krotna redukcja w około 18 miesięcy. Wdrażanie wydajnej SI stało się dramatycznie tańsze.
Source: Stanford HAI — AI Index 2025: State of AI in 10 Charts (2025)
What it means
280-krotny spadek kosztu wydajnej SI w niespełna dwa lata to powód, dla którego zastosowania nieopłacalne w 2023 roku — analiza każdego dziennika utrzymania ruchu, każdego strumienia czujnika, każdego obrazu jakości — są teraz na tyle tanie, by działać w sposób ciągły. Dla operatora praktyczne przesłanie jest takie, że bariera budżetowa w stosowaniu SI w całej działalności w dużej mierze zniknęła.
Context
Stanford AI Index śledzi cenę osiągnięcia ustalonego progu jakości (około 64,8% w teście MMLU), a nie cenę pojedynczego nazwanego modelu. W zależności od zadania raport stwierdza spadek cen wnioskowania od 9 do 900 razy rocznie. Ponieważ miernik utrzymuje jakość na stałym poziomie, podczas gdy sprzęt i modele się poprawiają, ujmuje on rzeczywiste korzyści ekonomiczne, a nie zwykłe obniżki cen.
Related charts
How widely manufacturers have adopted AI
Industrial robot installations worldwide
Robot density in manufacturing
Related topics
Generative AI in Manufacturing: Practical Examples · AI Agents for Industrial Maintenance: What They Are and Where They Help · Large Language Model (LLM) · Generative AI · Machine Learning (Industrial)
Relevant to: Chemicals · Food Processing · Pharmaceuticals