一句话看懂：Epoch AI 的最新研究显示，过去三年中，达到同等 AI 性能水平的成本平均每季度下降约 47%，相当于每年便宜约 13 倍。这意味着同样能力的 AI 调用正以远超历史任何通用技术的速度变便宜。
事件核心：发生了什么
Epoch AI 基于过去三年数学、硬科学和技巧类游戏等五个能力基准的数据分析发现：获得某一固定水平 AI 表现所需的成本，平均每季度下降约 47%，约合每年下降 13 倍。
不同任务类型的降幅并不一致。基于游戏的谜题类任务降速稍慢，每季度约 39% 至 43%；数学问题的成本下降更快，每季度约 50% 至 52%。报告还指出，成本下降最快往往出现在某一性能水平刚被最先进模型（SOTA）实现之后。五个基准平均来看，刚达到 SOTA 时成本每季度下降约 66%，两年后降幅放缓至约 32%。
报告举了一个具体例子：2025 年 1 月 31 日 OpenAI 发布 o3 时，在 GPQA Diamond 测试中拿到 75% 分数平均每题成本约 30 美分；不到 18 个月后，GPT-5.6 Luna 达到同等成绩，每题成本仅约 0.0004 美元，下降约 725 倍。
为什么重要
这组数据揭示了 AI 商业化中一个容易被忽视的侧面：算力、芯片和电力等投入价格在涨，但同等智能水平的输出价格却在快速塌缩。这意味着 AI 能力正在从稀缺资源变成越来越廉价的公共品。
成本下降对竞争格局有直接影响。闭源大模型厂商靠性能领先获取溢价的窗口期正在缩短，开源模型和推理优化方案会更快蚕食价格空间。对训练侧而言，持续推出更强模型以维持高价仍是主要策略，但推理侧的利润会越来越薄。
Epoch AI 也提醒，即便单价下降，AI 总支出未必减少。如果一项重要任务需要百万次级别的推理调用，即使每次只要一美分，总成本依然可观。同时，价格下降的同时能力还在上升，真正困难的任务仍不便宜。
对用户/开发者/创作者的影响
对开发者和 API 使用者来说，同样性能的推理成本快速走低，意味着可以把更多 AI 功能放进产品而不用太担心账单。过去因为成本被砍掉的功能，比如批量文档分析、多轮推理、图像生成预处理，现在有了重新评估的空间。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
对创作者和企业采购而言，值得重新算一笔账：以前觉得贵而没上线的 AI 应用，可能已经进入可承受区间。但也要注意，Epoch AI 的分析假设用户会持续寻找每个任务最便宜的模型，而现实中多数用户并不会频繁切换，实际节省可能低于理论值。基准表现强也不等于真实工作任务完成得好。
值得关注的后续
一是看这种降价速度能否延续。目前数据只有约三年，时间窗口偏短，且存在厂商针对基准优化（benchmaxxing）的可能，真实任务上的成本下降或许没这么快。
二是关注主流厂商的定价策略。若同等能力的 API 价格继续快速下探，闭源模型的溢价空间会被进一步压缩，开源与闭源的竞争会更直接体现在单位智能成本上。
三是留意真实工作负载的成本。基准测试便宜了，但复杂推理、长上下文、多模态任务的实际账单是否同步下降，才是开发者和企业最该盯住的指标。
