HN 日本語サマリー

← 一覧へ戻る
AI・機械学習

知能のコストが100倍低下すると何が起こるか

What Happens When the Cost of Intelligence Drops 100x (catalystneuro.com)

93 pointsby bkd981 コメント

要約

大規模言語モデル(LLM)の進歩は、単に最高性能モデルができることの拡大だけでなく、特定の能力をどれだけ安価に実現できるかという側面でも進んでいます。この記事では、LLMの知能レベルあたりのコストが過去数ヶ月で劇的に低下しており、この傾向が加速していることを指摘しています。これにより、これまで予算的に不可能だった大規模なタスク(例: 全ての科学論文の読解、大量の契約書のチェック)が現実的になりつつあり、AIの応用範囲を大きく広げる可能性を示唆しています。

全文翻訳

知能のコストが100倍低下するとどうなるか

大規模言語モデル(LLM)の進歩は、通常、これまでどのモデルもできなかったことを最高のモデルが今できるようになっている、という形で報告されます。それがヘッドラインを飾る方向性であり、確かに驚異的でした。最高性能のモデルが一段階上がるごとに、コードベース全体にまたがるバグを修正したり、最近では未解決の数学的問題に進展をもたらしたりと、以前は手の届かなかった種類のタスクを処理できるようになります。

あまり注目されない、もう一つの進歩の方向性は、特定のレベルの能力をどれだけ安価に購入できるかということです。多くの有用な作業には、利用可能な最も賢いモデルは必要なく、十分な性能を持つモデルを数千回適用できれば十分です。あるトピックに関するすべての科学論文を読む、アーカイブ内のすべての契約書から特定の条項をチェックする、あるいは大規模なディスカッションフォーラムのすべてのスレッドを要約するといったタスクがこれに該当します。これらのタスクでは、問題はモデルが存在するかどうかではなく、予算内でそれを1万回実行できるかどうかです。天井は新しい種類のタスクを解き放ち、床はボリュームを解き放ちます。

アプリケーションでモデルを選択する際には、その能力と呼び出しごとのコストをトレードオフします。エージェント型コーディングにおいては、私はほぼ完全に能力に焦点を当ててきました。より安価で十分に能力のあるモデルが存在する場合でも、仕事の質の向上はお金に見合うという一般的な感覚からです。最近、私は「床」のコストに注目しました。DANDIアーカイブで共有されたデータセットが後続の研究でどれだけ再利用されているかを測定しており、これは約1万件の候補論文をモデルで読み込み、それぞれが実際にデータを利用したかどうかを尋ねることを意味します。今日の価格では、このコーパス全体を、春の最先端の能力を持つモデルで処理するのに100ドル強かかります。この3月の価格では、同じ能力レベルで同じ処理を行うには数千ドルかかり、1年前にはその能力はどんな価格でも利用できませんでした。この「床」の変化が、分析をサンプルで行うことから実行可能なプロジェクトへと変えたのです。私は、コストスペクトラム全体での進歩、特に安価なモデルがどれほど賢くなったかに驚いています。

Artificial Analysisは、2年以上にわたり数百のモデルの知能と価格をベンチマークしており、そのデータのかなりの部分にアクセス可能で、トレードオフを再構築できます。特に、このプロットは、知能指数とタスクあたりのコストを示しており、さまざまなレベルのモデル能力に対する現実的なコスト見積もりを提供します。一番上の線は、彼らが「パレート線」と定義しているもので、特定の価格帯で最も能力の高いモデルを表します。この線はLLMの真のフロンティアを表しています。artificialanalysis.aiからデータを抽出し、新しいモデルがリリースされるにつれてパレートフロンティアがどのように移動したかを確認しました。この進歩をレビューし、今後数ヶ月の予測を立てることは価値があると思います。

要約すると、2月にタスクあたり1.22ドルかかっていた知能レベルは、今日では0.022ドルになっており、6ヶ月足らずで56倍の低下です。そして、その低下率は加速しています。測定されたペースでは、特定の能力レベルで100倍の低下には約1年かかります。問うべき価値のある質問は、それが起こるかどうかではなく、それが何を変えるかです。

Artificial Analysis知能指数

この記事全体で能力の軸となっているのはArtificial Analysis知能指数です。したがって、その数値が何であるかを明確にすることは価値があります。現在のバージョンv4.1.1は、4つのカテゴリに分類された9つの評価の加重平均です。エージェントタスクが34%、コーディングが24%、科学的推論が24%、一般的な能力が18%です。重み付けは、分野の関心がどこにあるかを反映しています。スコアの3分の1は、試験問題に答えるのではなく、モデルが多段階のエージェント作業を完了する能力から来ています。コンポーネント評価、その重み、およびスコアリングの詳細は、Artificial Analysisの知能ベンチマーク方法論に文書化されています。

結果として得られるのは、モデルの能力を表す単一の数値です。LLMのIQのようなものです。完璧ではありませんし、同じスコアの2つのモデルが異なる強みを持つこともありますが、このスコアはモデルの能力を示すのにかなり良い仕事をしていると私は考えています。

参考として、Anthropicの「Claude 4.5 Sonnet (Reasoning)」は、私や他の多くの人にとって、コードを書くためのエージェントハーネスで使用できるほど能力が高いと感じた最初のモデルでした。当時私はClineを使用していましたが、このモデルはオートコンプリートやコピー&ペーストのワークフローよりも大幅な生産性向上をもたらしました。そのモデルの知能スコアは37.4でした(今日の知能スコアリングシステムに基づく)。現在のトップモデルはClaude Opus 5 max effortで、63.1です。

異なる指数レベルが何を意味するのかをより感覚的に理解するために、Simon Willisonのpelican benchmarkを借用しました。「自転車に乗るペリカンのSVGを生成してください」とモデルにプロンプトを与え、何が返ってくるかを見ます。これは指数が測定するものではありませんが、誰でも目で判断できるタスクです。以下のパネルは、GPT-5.6ファミリーを指数上の4つのポイントで使用しています。Lunaは低、高、xhighエフォートで、Solはmaxエフォートです。各モデルから3つのサンプルを生成し、最初のものを表示します。すべてサイトリポジトリにあります。

[画像: GPT-5.6 Luna at low effortで生成された自転車に乗るペリカンのSVG]

指数 33.9
GPT-5.6 Luna (low)

[画像: GPT-5.6 Luna at high effortで生成された自転車に乗るペリカンのSVG]

指数 47.0
GPT-5.6 Luna (high)

[画像: GPT-5.6 Luna at xhigh effortで生成された自転車に乗るペリカンのSVG]

指数 50.1
GPT-5.6 Luna (xhigh)

[画像: GPT-5.6 Sol at max effortで生成された自転車に乗るペリカンのSVG]

指数 60.9
GPT-5.6 Sol (max)

2026年8月20日にOpenRouter経由で生成された、「自転車に乗るペリカンのSVGを生成してください」というプロンプトに対する各モデルの3つのサンプルのうち最初のもの。知能指数スコアはArtificial Analysisによるものです。

進行は明らかです。より詳細になり、プロポーションが改善され、ペリカンが単に自転車の上を浮いているのではなく、明らかに自転車に乗っています。

タスクあたりのコスト測定

トークンあたりのコストは容易に入手できますが、異なるモデルは非常に異なる数のトークンを使用する可能性があるため、モデルのコストをより良く示すにはこれを考慮する必要があります。タスクあたりのコストはArtificial Analysis独自の測定値です。知能指数評価スイートのタスクを1つ実行するためにかかる平均コスト(USD)で、実行中に請求された入力、推論、および回答トークンが含まれます。ウェブサイトに表示されますが、無料APIティアには含まれていないため、サイト上の各モデルのページに埋め込まれたデータからスクレイピングしました。これには、現在ベンチマークされているモデルと、ページにまだ測定値が残っている引退したモデル(古いClaude OpusおよびSonnetバージョン、GPT-5.xラインなど)の両方が含まれます。これにより、2024年12月のDeepSeek V3まで遡る137モデルの測定コストが得られ、それぞれにリリース日と現在のスケールでの知能指数スコアがペアになっています。

フロンティアはどのように移動したか

このセクションのチャートは、この記事が書かれた日である2026年8月19日のスナップショットです。両方のチャートとティアテーブルのライブバージョンは、同じソースから毎週更新され、LLMコストフロンティアダッシュボードで利用できます。

下のチャートは、知能と測定されたタスクあたりのコストをプロットし、各知能レベルに到達するための最も安価な方法であるパレートフロンティアを、今日の状態と過去1年間の2ヶ月ごとの状態をトレースしています。各モデルのリリース日を使用して、利用可能だったものを再構築しています。チャートは、フロンティアを1つずつ構築し、全体像で一時停止し、繰り返します。停止するにはボタンを使用してください。ポイントにカーソルを合わせると、その背後にあるモデルが表示されます。

知能指数対測定された知能指数タスクあたりのコスト(対数スケール)。小さな点は、最後の測定コストでの137の測定済みモデルすべてで、リリースされた2ヶ月間のウィンドウで色付けされています(2025年8月より前のモデルは2025年8月のウィンドウにグループ化されています)。小さな点と大きな点の両方の空の点はオープンウェイトモデル、塗りつぶされた点はプロプライエタリです。ポイントにカーソルを合わせると、Artificial Analysisがライブベンチマークから引退させたかどうかを含む詳細が表示されます。各線は、スナップショット日までにリリースされたモデルの中で、特定の知能指数に到達するための最も安価な方法をトレースしています。マーカーはフロンティアモデル自体です。連続するフロンティアがセグメントを共有する場合、古い線が上に描画されるため、新しい線はフロンティアが実際に移動した場所でのみ表示されます。ページに測定コストがなくなったモデル(o3やGPT-5.3 Codexなど)は除外されています(注意点参照)。

各連続するフロンティアは、最後のものの上にあり、左にあります。同じコストでより高い知能、またはより少ないコストで同じ知能です。その移動のペースは加速しています。2025年後半、フロンティアはわずかに前進しました。8月から10月の間に2つの小さな隆起があり、10月から12月の間に1つの隆起がありました。2月と4月のフロンティアはそれぞれカーブの大部分を移動させ、最後の2つのスナップショットはフロンティアをほぼ完全に置き換えました。6月のフロンティアモデル11個のうち10個が4月以降に新しく、今日の16個のうち15個が6月以降に新しくなっています。

右端が能力のストーリーを語ります。フロンティアの天井は、2025年8月の指数35.3(GPT-5、$0.26/タスク)から、10月の37.4(Claude 4.5 Sonnet)、2月の48.4(Claude Sonnet 4.6)、4月の55.0(Claude Opus 4.7、$2.23)、6月の62.1(Claude Fable 5、$3.14)、そして今日の63.1(Claude Opus 5、$2.34)へと上昇しました。1年間で28の知能指数ポイントです。左半分は、安価なモデルの知能の上昇を示しています。2026年8月19日現在、GPT-5.6 Lunaのエフォートラダーは、指数52以下のほぼすべてを所有しており、2025年8月の天井だったレベルはタスクあたり0.0088ドルで利用可能です。2026年6月のフロンティアは、オープンウェイトモデルに異常に支配されていました。その11個のモデルのうち6個がオープン(MiMo-V2.5、DeepSeek V4 Pro、MiniMax-M3、GLM-5.2など)であり、指数38から53の範囲の中央全体を占めていました。以前のスナップショットでは、オープンモデルは範囲の下部にのみ現れていましたが、今日、GPT-5.6 Lunaのリリース後、フロンティアモデル16個のうちオープンなのはわずか2個です。

単一のモデルが異なる推論レベルを通じてこの範囲の大部分をカバーできることに注意してください。GPT-5.6 Lunaラダーは、低エフォートで0.0088ドルからマックスエフォートで0.047ドルまで実行され、フロンティアの下半分全体をカバーします。一方、Claude Opus 5は、低エフォートで0.43ドルからマックスエフォートで2.34ドルまでをカバーし、その過程で約10の知能指数ポイントを購入します。エフォートは現在、コスト/知能トレードオフの重要なダイヤルであり、その結果、コストと知能は不可分に結びついています。

下のレコードプロットは、特定の知能指数ティア以上で、リリースされた任意のモデルが達成したタスクあたりの最も安価な測定コストを追跡しています。シリーズは、下位ティアについては2025年半ばまで遡り、上位ティアは利用可能になると現れます。

各ステップは、そのティアの新しい低価格を設定したリリースモデルです。空のマーカーはオープンウェイトモデル、塗りつぶされたマーカーはプロプライエタリです。ティアの線は、測定コストを持つ最初のモデルがその知能指数しきい値を超えたときに始まります。GPT-5.6 Lunaは、7月9日の発売価格と7月30日の値下げ後の現在の価格で配置されています。他のすべてのコストは現在の価格を反映しています(注意点参照)。

ティア最初の測定クロスコスト崩壊半減期
指数 ≥ 302025年8月 (GPT-5 high)29倍約73日
指数 ≥ 402026年2月 (Claude Sonnet 4.6)56倍約28日
指数 ≥ 502026年3月 (GPT-5.4 xhigh)35倍約29日
指数 ≥ 602026年6月 (Claude Fable 5 max)3.8倍約34日

能力レベルは、まずプレミアム価格の大規模フロンティアモデルによって到達されます。その後、より安価なモデルが同じレベルに到達し、レコードは1桁以上低下します。≥ 40ティアは2月にClaude Sonnet 4.6でタスクあたり1.22ドルで開かれましたが、2日以内にGemini 3.1 Pro Previewが0.33ドルでそれを下回りました。オープンウェイトモデルであるMiMo-V2.5-Proは、4月にレコードを0.034ドルに引き下げ、GPT-5.6 Luna(high effort)は今日0.022ドルでそれを保持しています。≥ 50ティアは1ヶ月遅れて同じ軌道をたどります。GPT-5.4は3月に1.10ドルでそれを超え、GPT-5.5、そしてGLM-5.2とGrok 4.5が春にかけてレコードを引き下げ、GPT-5.6 Lunaのxhigh設定は7月9日の発売時に0.16ドルでレコードを打ち立て、OpenAIの7月30日の80%値下げにより0.032ドルとなり、5ヶ月で35倍の低下となりました。

最初のクロスは、発売時のプレミアム価格の最大エフォートフロンティアモデルであり、多くの場合AnthropicまたはOpenAI製です。これに続いて、大手ラボの小型ディスティルドモデル(GPT-5.6 Lunaラインが現在の4つのレコードのうち3つを保持)、およびオープンウェイトリリース(MiMo、DeepSeek V4、GLM、Hy3)が劇的に価格を引き下げます。履歴が十分で測定可能なティア全体で、レコードは4〜10週間ごとに約半減します。

トップティアはプレミアムが生き残る場所です。60以上のスコアを持つモデルはわずか6つで、その中で最も安価なGrok 4.6でもタスクあたり0.84ドルかかります。しかし、そのレコードは6月以来3.8倍低下しており、下位ティアのパターンが当てはまるなら、このレベルのディスティルドモデルは数四半期以内に価格を崩壊させるはずです。

私にとって最も印象的な結果は、OpenAIの「GPT-5.6 Luna」の知能を考慮した低価格です。今や、10ヶ月前にコーディングハーネス革命を引き起こしたAnthropicの「Claude 4.5 Sonnet (Reasoning)」の知能が、「GPT-5.6 Luna (medium)」を使用してそのコストの1/40で利用可能になりました!この数字は7月30日の値下げに基づいています。3週間前のLunaの発売価格では、1/8でした。

注意点

最も重要な制限は、コストがリリース日をインデックスとする最新の測定値であり、リリース時に測定された履歴測定値ではないことです。モデルの寿命中に価格は引き下げられるため、初期のポイントは発売以降の値下げを反映しており、分析は崩壊を過小評価し、時期を早める方向に偏っています。私が修正した唯一のカットは、最近最大のものです。OpenAIは2026年7月30日、7月9日の発売から3週間後にGPT-5.6 Lunaの価格を80%引き下げました(Terraは同日に20%引き下げられ、Solは変更なし)。価格引き下げはタスクあたりのトークン数を変えないため、私は発売時のタスクあたりのコストを測定値を価格比でスケーリングして再構築しました。レコードチャートとテーブルでは、Lunaのレコードは発売日ではなく値下げ日に日付が付けられています。これにより、3つの下位ティアの測定半減期がそれぞれ数日間長くなります。他のモデルにも私が発見できなかった値下げがあった可能性があり、引退したモデルの最後の測定価格は発売時の価格ではないかもしれません。カバレッジが2番目の問題です。引退したモデルは、ページにまだ測定値が残っている場合にのみ含まれます。これにより、価格とスコアを持つ228の引退モデルのうち44が回復しましたが、残りのo3、GPT-5.3 Codex、およびGPT-4時代のすべてのモデルは不可視であるため、最も古いフロンティアは実際に存在したモデルよりも少ないモデルに基づいています。そして、下位ティアの真の開始価格は、この分析では見えないモデルによって設定された可能性が高いです。

引退したモデルの知能指数スコアは現在のスケールですが、指数自体は多くの評価の1つの集計です。そして、評価スイートのタスクあたりのコストは、推論中心のワークロードで長いプロンプトを使用します。短いプロンプトと短い回答を持つチャットワークロードは、特に推論と非推論のバリアント間で、モデル間で異なるようにスケーリングされるでしょう。

予測

測定されたレートを外挿するのは危険です。なぜなら、各崩壊は競争イベントであり、法則ではないからです。しかし、その軌跡は数値化する価値があるほど規則的でした。≥ 60ティアの現在の半減期である約34日間では、Grok 4.6の0.84ドルのレコードは12月上旬までに10セントを下回るでしょう。指数55は、今日Grok 4.5が0.36ドルで保持していますが、10月中旬までに10セントを下回るはずです。天井を予測するのはより困難です。1年間で28ポイント上昇しましたが、6月以降はわずか1ポイントの上昇であり、これはモデルの減速ではなく、現在の指数の飽和と読めます。そのため、そこでの次のマイルストーンは、大きな数字ではなく、指数の改訂になると予想しています。そして、過去4つのティアのパターンが当てはまるなら、改訂された指数がフロンティアと呼ぶものは何であれ、タスクあたり数ドルでデビューし、四半期以内にコモディティ化されるでしょう。

進歩の二つの方向性

進歩の二つの方向性は、異なる種類の仕事に役立ちます。より高い天井は、何が可能かを根本的に変えます。昨年はどのモデルもできなかったタスクが、今では1つのモデルでできるようになります。より低い床は、スケールで何が手頃になるかを変えます。1つのモデルがすでにできていたタスクが、1万回実行できるようになります。この記事の動機となった文献スキャンは、床の問題です。モデルは単に論文を読み、明確に定義された質問に答えるだけでよく、現在のフロンティアよりもはるかに低いモデルでも確実に処理できますが、それをすべての候補論文に対して行う必要があり、論文あたり1ドルと0.02ドルの違いは、パイロットスタディと完全な国勢調査の違いです。法的開示、系統的レビュー、大規模なデータキュレーション、コンテンツモデレーション、カスタマーサポートのトリアージは同じ形状をしており、それらはすべて、作業自体に変更なしに、数ヶ月ごとに1桁以上安価になります。実際的な結果として、モデルで試みる価値のある問題のセットが両端から同時に拡大しており、安価な端での拡大は、見落としやすいものです。

より安価な知能は、それへの支出を増やす

これらのチャートの自然な読み方は、LLMへの支出が減少するはずだということです。逆が起こっています。1865年、William Stanley Jevonsは、より効率的な蒸気機関は、仕事あたりの石炭消費量が少なかったにもかかわらず、安価な仕事がはるかに多くの用途を見つけたため、イギリスの総石炭消費量を減らすのではなく増加させたと観察しました。知能の単位コストが30倍低下した場合も同じダイナミクスが適用されます。すでに実行されていた仕事は安価になりますが、はるかに大きな影響は、バーをクリアしなかったためにまったく行われていなかった仕事です。この現象はJevonsのパラドックスとして知られるようになりました。私たちの文献スキャンは小さな例です。昨年の価格では、サンプルで一度実行されたでしょう(もし実行されたとしても)。今年の価格では、私たちはコーパス全体でそれを実行し、パイプラインが変更されたときにそれを繰り返し、ノイズを減らすために肯定的な結果を3回実行することを計画しています。論文あたりのコストは1桁以上低下し、プロジェクトへの総支出は増加しました。特定の価格での知能に対する需要は非常に弾力的であるように見え、それが続く限り、低下するフロンティアは、より少ないドルが費やされるのではなく、より多くのトークンが消費されることを意味します。

フロンティアの動きは、個々のリリースよりも予測可能です。これまでのすべての能力ティアは同じ軌跡をたどってきました。プレミアムデビュー、急速なコモディティ化、デビュー価格の数パーセントでのディスティルドまたはオープンウェイトモデルによる安定したレコード。今日、ある能力がどんな価格でも存在するなら、賢明な計画の仮定は、それが数ヶ月以内にコモディティ価格で存在するようになるということです。システム設計においては、モデルが交換可能なコンポーネントであり、能力ティア間のルーティングが明示的であるアーキテクチャを推奨します。なぜなら、ティア境界自体は安定しておらず、すぐに安定する兆候もないからです。

市場に出現しているモデルルーターは、これが運用化されている兆候です。OpenRouterは現在、最小能力スコアを受け取り、それをクリアするArtificial Analysisフロンティア上の最も安価なモデルに各リクエストを送信するルーターを提供しています。これにより、開発者が追跡することなく、システムは自動的に移動するフロンティアの恩恵を受けます。アプリケーションにモデル名をハードコーディングすることは、過払いを最も速く行う方法となっています。

100倍で何が変わるか

もし昨年のペースが続けば、2026年初頭にタスクあたり1ドルかかっていた能力は、年末には1セントになり、今日数ドルかかる指数60モデルは、数四半期以内に10セントを下回るでしょう。1年間のデータから過度に推測しないように注意したいと思いますが、いくつかの結果は数字から直接導き出されます。

すべてを読むことがデフォルトになります。文書あたり1セントで、モデルは、ある分野のすべての論文、アーカイブのすべての記録、すべてのメール、またはサポートキューのすべてのメッセージを日常的に読むことができ、問題はどの文書を見るかから、それらすべてにどのような質問をするかにシフトします。私たちの再利用センサスのようなプロジェクトはプロジェクトではなくなり、監視になります。スキャンは、出現するすべての新しい出版物で実行できます。マルチパスワークフローが標準になります。なぜなら、タスクを3回実行してコンセンサスを取るコストは、数ヶ月前の1回実行するコストよりも安価であり、それによる精度向上は大きいからです。そして、能力ティア自体は、システムを説明するための意味のある方法ではなくなります。なぜなら、パイプラインは各ステップをその週のコストで必要な知能レベルにルーティングするからです。その世界で希少なリソースは知能ではなく、それをどこに向けるかについての判断、それをチェックするためのグラウンドトゥルース、そしてそれを大規模に実行するためのシステムです。これらは、安価になっていない仕事の部分です。

モデルメタデータはArtificial Analysisの無料APIから取得され、測定されたタスクあたりのコストは2026年8月19日にartificialanalysis.aiのモデルページからスクレイピングされました。これらの数値はLLMコストフロンティアダッシュボードで最新の状態に保たれています。修正を歓迎します。

著者について

[画像: Ben Dichter]

Ben Dichter, PhD はCatalystNeuroの創設者です。彼はUC Berkeley – UCSF合同バイオエンジニアリングプログラムでバイオエンジニアリングの博士号を取得しました。彼は、NWB標準、DANDIアーカイブ、およびそれらを取り巻くオープンソースソフトウェアを含む、神経生理学のためのデータ標準とデータ共有に関するCatalystNeuroの作業を主導しています。

GitHub • Twitter • Website • ORCID