Epoch数据：AI基准测试成本季度下降47%，18个月降725倍
AI costs are indeed dropping dramatically.
这份报告用实打实的美元成本量化了AI能力的“摩尔定律”，揭示了推理成本指数级下降的趋势，对评估模型商业化前景和算力投入策略极具参考价值，建议从业者重点关注。
AI costs are indeed dropping dramatically.
AI 成本确实在急剧下降。
On GPQA Diamond, Epoch estimates OpenAI's o3 model needed about $0.30 per question to reach a 75% score.
在 GPQA Diamond 基准上，Epoch 估计 OpenAI 的 o3 模型需要每题约 0.30 美元才能达到 75% 的得分。
Under 18 months later, GPT-5.6 Luna matched that level for $0.0004, a 725x cost drop.
不到 18 个月后，GPT-5.6 Luna 以 0.0004 美元的成本达到了同等水平，成本下降了 725 倍。
Overall, Epoch estimates matching a fixed benchmark score has become about 47% cheaper each quarter since 2023.
总体而言，Epoch 估计自 2023 年以来，每个季度达到固定基准分数所需的成本降低了约 47%。
That works out to roughly a 13x annual cost reduction across its five primary benchmarks.
在其五个主要基准测试中，这相当于每年成本降低约 13 倍。
Unlike earlier token-price studies, Epoch measures the dollars needed to reach the same benchmark accuracy over time.
与早期的 token 价格研究不同，Epoch 衡量的是随时间推移达到相同基准准确率所需的美元金额。
It estimates each model’s cost-performance curve by replaying benchmark transcripts under tighter token budgets, using a method adapted from CAISI.
它通过采用源自 CAISI 的方法，在更严格的 token 预算下重放基准测试转录内容，来估算每个模型的成本-性能曲线。
AI’s decline is 54x faster than electricity, 18x than batteries, 6x than compute and 4x than DNA sequencing.
AI 成本的下降速度是电力的 54 倍、电池的 18 倍、算力的 6 倍以及 DNA 测序的 4 倍。
更进一步：量化金融体系
看懂新闻只是起点——沿量化金融路径，把它变成能交付的工程能力