AI利用コストは年13倍で下落 それでも性能が落ちない理由

AIの動向を追う研究機関Epoch AIが、特定のベンチマークで一定の成績を出すのにかかる費用の推移を分析しました。2023年以降、その費用は四半期あたり平均で約47%下落し、年間では約13倍のペースで安くなっているといいます。Epoch AIは、これまで登場したどの技術よりも速い下落だと指摘しています。

具体例として挙げられているのがOpenAIのo3です。2025年初め、o3は科学分野の難問集GPQA Diamondで75%の正答率を出すのに1問あたり約30セントかかりました。その約18か月後、GPT-5.6系のモデルは同じ正答率を1問0.04セントで達成し、費用は725分の1に下がったといいます。記事の数日前にはOpenAIがさらに費用を抑えたとされるGPT-6 SolとLunaを投入しており、差はさらに広がったと記事は伝えています。

一方、MITの研究者チームは比較サイトArtificial Analysisの2024年4月から2025年11月までの価格データを使い、同様の下落幅を年5倍から10倍と算出しました。Epoch AIの数字とはやや開きがあります。

ここでいう費用とは、モデルを1回呼び出すたびに課金される「トークン」という文字の単位をもとに、一定の正答率を得るのに必要な合計額を指します。近年主流になった「推論モデル」は、答えを出す前に内部で長い思考の連鎖を生成するため、1問あたりのトークン消費量が増える傾向があります。単価そのものが下がっても、難しい問題を解くために使う量が増えれば、1問あたりの実費はむしろ上がることもあります。

MITのハンス・グンドラック氏らのチームは、価格下落の要因を「ハードウェアの低価格化」「企業間の価格競争」「純粋なアルゴリズムの効率化」の3つに分解しました。競争の影響を取り除くためオープンモデルだけを別に分析した結果、アルゴリズムの効率化そのものによる下落分は年約3倍にとどまるとしています。Epoch AIの年13倍という数字は、ハードウェアや競争の効果を差し引いていない市場価格そのものの下落率であり、両者は測っているものが違うため単純には比較できません。

もう一つ押さえておきたいのが「ベンチマクシング」という問題です。AI企業が有名なテストの点数を上げることだけを狙って調整すれば、実務での使い勝手が伴わないまま数字だけが良く見えてしまいます。Epoch AIは、事前に内容が公開されていない「Mystery Game Puzzles」というテストを分析に加え、この対策を試みています。このテストでは費用の下落が他より緩やかで、ベンチマクシングの存在を示唆する結果になっています。