Epoch AI 追踪 5 项 AI 基准近三年价格曲线：同等能力的单次成本每季度降约 47%，年化接近 13 倍。2025 年 1 月 o3 答对一道 PhD 级多选题要 30 美分，到 GPT-5.6 Luna 只值 0.04 美分，18 个月 725 倍。但新晋 SOTA 能力的季度跌幅两年内已从 66% 腰斩到 32%。最狠的跳水期过去了。
30 美分做对 PhD 物理题，18 个月后只花 4 厘钱
2025 年 1 月底，OpenAI 发了一个叫 o3 的模型，在博士级物理化学生物多选题上拿到 75% 准确率，单题成本 30 美分。不到 18 个月，GPT-5.6 Luna 同一分数，单题只要 0.04 美分。725 倍，Epoch AI 把它叫作"思考的标价"。
GPQA Diamond 是 448 道多选题，覆盖博士级物理、化学、生物，门外汉连题目都未必读得懂。o3 在 2025 年 1 月 31 日放出时，平均每道题要烧掉 30 美分——差不多够买两个麦当劳巨无霸套餐。
Epoch AI 把 OpenAI 公布的 API 价格和模型在基准上的得分拉到同一坐标系上，算出这条"单次正确思考"的开销曲线。18 个月不到，同一条 75% 分数线，单题成本砸到 0.04 美分，也就是四厘钱。
换算成生活里的东西更扎眼：一辆标价 5 万美元的新车，18 个月后标 69 美元，还包过户。这是 AI 推理（让模型一步步"想"再给答案，而非一次吐字）的真实价格。Epoch AI 在 2026 年 9 月发布的报告里把这条曲线正式命名——思考的标价（price of thought），用来和"算力"这类输入侧成本区分开。
725 倍只是起点和终点之间的距离。Epoch AI 用三年数据算出，同等能力的 AI 性能成本平均每个季度跌 47%，一年掉 13 倍，快过蒸汽机、电力和互联网。这条平均线怎么来的，后面会拆。
但 725 倍是终点，47% 是平均速度。Epoch AI 的数据显示，降价在减速：一项能力刚成为 SOTA（state-of-the-art，即当前最强水平）时，成本每个季度跌 66%，两年后只剩 32%。新能力的降价红利，正在变薄。
五项基准、三年数据，怎么拼出 47% 的季度跌幅
研究者盯的不是绝对价格，而是同一道题要做到某个分数，模型成本随时间怎么走——这条曲线三年来每个季度往下掉 47%。
Epoch AI 团队 Luke Emberson 和 David Roodman 把过去三年能拿到的数据全部拢起来：数学、硬科学（涵盖化学、物理、生物）、博弈类共五项 AI 能力基准，每一项都同时记录模型的得分和当时跑这个得分花了多少钱。
横轴是时间，纵轴是达到某条分数线所需的最低模型价格。这样切一刀，同等能力的边际成本（按季度计算）的下降速度就被剥离出来，不被新模型涨价、新基准难度的变化干扰。
五条线合在一起看，每季度成本下滑 47%，相当于每年 13 倍。从来没有哪项通用技术——蒸汽机、电力、互联网——的降价速度能跟上。分项之间的差距不小：游戏类谜题最慢，季度跌幅 39% 到 43%，折合每年 7 到 10 倍；数学题最快，季度跌幅 50% 到 52%，折合每年 16 到 19 倍。研究者给出的解释是，数学题的解法有强对错信号，训练时改进一寸就能在评测里兑现一寸；博弈类问题则更吃策略搜索与算力堆叠，算法层面的优化空间相对小。
这五条基准数据回溯到 GPT-3 商业推理开放前都不完整，但研究者认为 47% 的季度速度大概率从 2021 年 11 月就已启动——只是早期没有连续的模型价格信息，没法在论文里精确还原那段曲线。
研究者用的成本数据来自模型 API（按调用次数付费的云端接口）公开定价表与官方技术报告，属于厂商自报口径，未经独立第三方复测，读者读这条数字时需要把它当厂商自己跑出来的成绩单。
这个数字本身留了一个问号：基准能代表真实工作吗？研究者自己也在论文里承认了这条线最大的不确定性——基准上的成本曲线，等不等同于生产环境里做实际任务的成本曲线。