Цена фиксированного уровня производительности ИИ упала примерно в 1,000x за три года (a16z, LLMflation 2024) - вывод с качеством GPT-3, который стоил $60 за миллион токенов в конце 2021 года, продавался за $0.06 к концу 2024 года. AI Index 2025 от Stanford HAI зафиксировал 280-кратное падение для качества, эквивалентного GPT-3.5, примерно за 18 месяцев (Stanford HAI, AI Index 2025). Epoch AI отслеживает медианное снижение около 50x в год по всем бенчмаркам, ускоряющееся до 200x в год с января 2024 года (Epoch AI, LLM Inference Price Trends 2025). Тем не менее общие расходы движутся в противоположную сторону: The Information сообщила, что счет OpenAI за инференс в 2025 году составил около $8.4 миллиарда - примерно в четыре раза больше, чем годом ранее. Этот анализ объединяет данные Epoch AI, Stanford HAI, a16z, Google, NVIDIA, Menlo Ventures и еще 12 других первичных источников о том, в каком состоянии находится экономика инференса в середине 2026 года.
Кратко
- Вывод, эквивалентный GPT-3, подешевел с $60 за миллион токенов в 2021 году до $0.06 к 2024 году - падение в 1,000x (a16z, LLMflation 2024).
- Запрос качества, эквивалентного GPT-3.5, подешевел с $20 до $0.07 за миллион токенов - сокращение в 280 раз примерно за 18 месяцев (Stanford HAI, AI Index 2025).
- Снижение цены за производительность по бенчмаркам варьируется от 9x до 900x в год; медиана 50x, поднимаясь до 200x с января 2024 года (Epoch AI, 2025).
- Изолированный прогресс алгоритмической эффективности идет со скоростью около 3x в год, поверх выигрышей от железа (The Price of Progress, arXiv 2025).
- Среднерыночная аренда NVIDIA H100 по требованию составляла около $3.61 за GPU-час у 42 провайдеров в 2026 году (getdeploying, 2026).
- GB300 NVL72 от NVIDIA достигла $0.12 за миллион токенов - описывается как стоимость за токен в 35x ниже, чем у Hopper (NVIDIA, InferenceMAX 2025).
- Google обработал 3.2 квадриллиона токенов в месяц к середине 2026 года, примерно в 7x больше в годовом исчислении (Google I/O 2026).
- Корпоративные расходы на API LLM удвоились с $3.5 миллиарда до $8.4 миллиарда за шесть месяцев (Menlo Ventures, 2025).
- Стоимость инференса OpenAI за 2025 год достигла примерно $8.4 миллиарда - примерно в 4x больше, чем годом ранее (The Information, 2025).
- Совокупная инфраструктура обучения и инференса была оценена в $251 миллиард в 2025 году с ростом до $672 миллиардов к 2029 году (Bloomberg Intelligence, via Cerebras S-1 2026).
- Медианный текстовый промпт Gemini потребляет 0.24 ватт-часа - снижение в 33x за 12 месяцев (Google, 2025).
1. Обвал цен при эквивалентной производительности
Заголовочная цифра в экономике инференса - это не какая-то отдельная цена, а наклон кривой. При фиксированной планке качества стоимость запуска модели сокращается вдвое в масштабе месяцев, а не лет, и падение усилилось с начала 2024 года. Важна расходимость между бенчмарками: дешевое коммодити-качество падает быстрее всего, тогда как качество передового рассуждения удерживает свою цену. Epoch AI измеряет медианное снижение в 50x в год, подскакивающее до 200x в год при ограничении данными с января 2024 года. Дно продолжает опускаться, потому что складываются три силы: конкуренция, лучший кремний и лучшие алгоритмы. Изолируя последний фактор, исследовательская группа оценила чистый прогресс алгоритмической эффективности примерно в 3x в год.
| Показатель | Значение | Источник |
|---|---|---|
| Цена качества, эквивалентного GPT-3 (MMLU ~42) | $60/M tokens (Nov 2021) to $0.06/M (2024), a 1,000x drop | a16z, LLMflation (2024) |
| Темп LLMflation для равной производительности | ~10x cheaper per year | a16z, LLMflation (2024) |
| Цена качества, эквивалентного GPT-3.5 (MMLU 64.8%) | $20/M (Nov 2022) to $0.07/M (Oct 2024), 280-fold | Stanford HAI, AI Index (2025) |
| Снижение цены за производительность по бенчмаркам | 9x to 900x per year; median 50x | Epoch AI, Inference Price Trends (2025) |
| Ускорение после января 2024 года | Median 200x per year | Epoch AI, Inference Price Trends (2025) |
| Качество GPT-4 на GPQA Diamond | 40x per year price drop | Epoch AI, Inference Price Trends (2025) |
| Снижение цены по передовым бенчмаркам | 5x to 10x per year | The Price of Progress (arXiv, 2025) |
| Изолированный прогресс алгоритмической эффективности | ~3x per year | The Price of Progress (arXiv, 2025) |
Отклонение: собственный набор данных Epoch, лежащий в основе этих цифр, опирается на 36 уникальных наблюдений цен по шести бенчмаркам, поэтому темпы по отдельному бенчмарку (крайний случай 900x) более шумные, чем объединенная медиана.
2. Железо и экономика GPU
Падающие цены на токены едут на падающих ценах на вычисления. Ставки аренды рабочей лошадки NVIDIA H100 продолжали скользить вниз в течение 2025 года и в 2026 году, поскольку специализированные облака демпинговали цены против гиперскейлеров, а каждое новое поколение ускорителей заново задает дно стоимости за токен. Бенчмарки InferenceMAX от NVIDIA, опубликованные в октябре 2025 года, оценивают GB300 NVL72 в $0.12 за миллион токенов - стоимость за токен в 35x ниже, чем у поколения Hopper. Подача информации от производителя носит рекламный характер, поэтому эти множители стоит рассматривать как оптимистичный сценарий, но направление совпадает с независимыми трекерами цен ниже. Gartner прогнозирует, что тенденция сохранится годами: инференс на модели с триллионом параметров должен стоить более чем на 90% меньше в 2030 году, чем в 2025 году.
| Показатель | Значение | Источник |
|---|---|---|
| Средняя цена H100 по требованию, 42 провайдера | ~$3.61 per GPU-hour | getdeploying (2026) |
| Падение облачной цены H100 от пика | 64% to 75% | GPU price trackers (2026) |
| Снижение цены H100 в AWS, июнь 2025 | ~44% | GPU price trackers (2026) |
| Рост производительности ML-железа | 43% per year, doubling every 1.9 years | Stanford HAI, AI Index (2025) |
| Снижение стоимости ML-железа / энергоэффективность | -30% per year / +40% per year | Stanford HAI, AI Index (2025) |
| Стоимость за токен NVIDIA GB300 NVL72 | $0.12/M, 35x lower than Hopper | NVIDIA, InferenceMAX (2025) |
| Стоимость за миллион токенов у Blackwell | 15x lower than prior generation | NVIDIA, InferenceMAX (2025) |
| Прогнозируемая стоимость на 2030 год, инференс модели 1T параметров | >90% lower vs 2025 | Gartner (2025) |
Контекст: то же раскрытие информации NVIDIA утверждает, что развертывание GB200 NVL72 стоимостью $5 миллионов генерирует около $75 миллионов выручки от токенов - доходность 15x, - это питч поставщика об окупаемости, а не независимый аудит. Более широкую картину по кремнию см. в нашей статье статистика чипов ИИ.
3. Взрыв токенов
Более дешевые токены не сократили счет - они взорвали спрос. По мере падения цен за токен провайдеры начали измерять пропускную способность в квадриллионах, а агентные нагрузки, выполняющие десятки вызовов на задачу, толкают объем еще выше. Google сообщил об обработке 3.2 квадриллиона токенов в месяц к середине 2026 года, примерно в 7x больше показателя годом ранее. Это парадокс Джевонса в реальном времени: чем эффективнее ресурс, тем больше его потребляется. Gartner отмечает, что одни только агентные запросы потребляют в 5-30 раз больше токенов, чем стандартный ход чат-бота, поэтому кривая объема становится круче по мере перехода продуктов от единичных ответов к многошаговым агентам.
| Показатель | Значение | Источник |
|---|---|---|
| Пропускная способность токенов Google | 3.2 quadrillion/month (mid-2026), 7x YoY | Google I/O (2026) |
| Рост токенов Google | 480T/month (May 2025) to 980T (July 2025) | T. Tunguz, Token Race (2025) |
| Пропускная способность Microsoft Foundry | 100T tokens in a quarter; 50T single-month record | T. Tunguz, Token Race (2025) |
| Число крупных клиентов Microsoft | 250+ customers on track for >1T tokens/year each | Microsoft, via T. Tunguz (2025) |
| Пропускная способность Together.ai | 2 trillion tokens/day (Sept 2025) | T. Tunguz, Token Race (2025) |
| Доля open-source в объеме инференса | ~1% to 3% | T. Tunguz, Token Race (2025) |
| Множитель токенов для агентных запросов | 5x to 30x more tokens than a chatbot query | Gartner (2025) |
Контекст: агентный ИИ составил менее 1% от общей активности инференса Azure в указанном окне, поэтому множитель 5x-30x применяется к небольшой, но быстро растущей базе. Куда движутся эти нагрузки дальше, см. в нашей статье статистика ИИ-агентов.
4. Корпоративные расходы и парадокс маржи
Вот парадокс в одной строке: удельные цены рушатся, но и покупатели, и продавцы тратят больше. Компании перенесли бюджет с экспериментов на постоянно работающее производство, где инференс никогда не останавливается. Menlo Ventures обнаружила, что 74% разработчиков ИИ теперь говорят, что большинство их нагрузок приходится на инференс - рост с 48% годом ранее. Со стороны поставщика инференс - доминирующая статья расходов: The Information сообщила, что счет OpenAI за инференс в 2025 году составил около $8.4 миллиарда - примерно в четыре раза больше, чем годом ранее, и значительно выше собственного прогноза в $6.6 миллиарда. Точка давления - маржа: та же публикация оценила валовую маржу OpenAI в 33%, ниже ее цели в 46%.
| Показатель | Значение | Источник |
|---|---|---|
| Корпоративные расходы на API LLM | $3.5B (late 2024) to $8.4B (mid-2025) | Menlo Ventures (2025) |
| Разработчики с нагрузками, где преобладает инференс | 74%, up from 48% a year earlier | Menlo Ventures (2025) |
| Корпоративные инвестиции в генеративный ИИ | $1.7B (2023) to $37B (2025) | Menlo Ventures (2025) |
| Стоимость инференса OpenAI за 2025 год | ~$8.4B, ~4x YoY (vs $6.6B forecast) | The Information (2025) |
| Прогноз стоимости инференса OpenAI на 2026 год | ~$14.1B | The Information (2025) |
| Стоимость инференса Anthropic за 2025 год | ~$2.7B, >3x growth | The Information (2025) |
| Валовая маржа OpenAI | 33% (fell from 40%, missed 46% target) | The Information (2025) |
| Капекс Barclays на потребительские чипы инференса, 2026 | ~$120 billion | Barclays Research (2025) |
Контекст: по имеющимся данным, API-бизнес Anthropic работает с валовой маржой выше 80% - напоминание о том, что история “инференс убыточен” зависит от микса моделей и ценообразования, а не универсальна. Об экономике софта, лежащей в основе этого, см. в нашей статье статистика SaaS.
5. Рычаги снижения стоимости: открытые модели, кеширование и батчинг
Прайсовые цены завышают то, что на самом деле платят дисциплинированные команды. Модели с открытыми весами, кеширование промптов и асинхронный батчинг каждый по отдельности снижают эффективную стоимость на порядок, и эти эффекты складываются. R1 от DeepSeek работает примерно на 96% дешевле, чем o1 от OpenAI, в пересчете на токен - разрыв примерно в 27x. Передовой уровень рассказывает противоположную историю: цена вывода o1 от OpenAI, $60 за миллион токенов, идентична тому, что стоил GPT-3 при запуске в 2021 году, - то есть премиальное рассуждение не подешевело, даже когда коммодити-качество рухнуло. Экономия кроется в рычагах ниже.
| Показатель | Значение | Источник |
|---|---|---|
| Цена API DeepSeek R1 | $0.55/M input, $2.19/M output | DeepSeek pricing (2026) |
| Цена API OpenAI o1 | $15/M input, $60/M output | pricepertoken (2026) |
| DeepSeek R1 против OpenAI o1 | ~96% cheaper (~27x) | pricepertoken (2026) |
| Вывод OpenAI o1 против запуска GPT-3 | $60/M, identical to 2021 GPT-3 | a16z, LLMflation (2024) |
| Кешированный ввод DeepSeek R1 | $0.14/M tokens | DeepSeek pricing (2026) |
| Кешированный ввод DeepSeek V4 | $0.03/M tokens, a 90% discount | DeepSeek pricing (2026) |
| Скидка Batch API от OpenAI | Flat 50% for a 24-hour window | OpenAI Batch API (2026) |
| Кеш + батч, кешированный ввод GPT-5.4 | $0.625/M, 75% below standard | OpenAI Batch API (2026) |
Отклонение: токены вывода у крупных провайдеров стоят в 3x-5x дороже токенов ввода, потому что генерация последовательна, тогда как обработка ввода распараллеливается, поэтому кеширование больше всего помогает нагрузкам с большим объемом ввода. О том, как модели с открытыми весами меняют эту картину, см. в нашей статье статистика облачных вычислений.
6. Размер рынка и прогнозы
Совокупная оценка размера рынка инференса ИИ сильно разбросана, потому что аналитики проводят границы по-разному - одни считают только чипы инференса, другие всю связку софта плюс услуги. Относитесь к разбросу как к диапазону, а не как к противоречию. Bloomberg Intelligence, процитированная в S-1 Cerebras, оценила совокупный рынок инфраструктуры обучения плюс инференса в $251 миллиард в 2025 году с ростом до $672 миллиардов к 2029 году, при этом инференс расширяется более чем в два раза быстрее обучения. Более узкий сегмент чипов инференса растет стабильно, а не взрывообразно, тогда как широкие определения “инференса ИИ” приближаются к четверти триллиона долларов к 2030 году.
| Показатель | Значение | Источник |
|---|---|---|
| Рынок инференса ИИ, 2025-2030 | $106.15B to $254.98B, 19.2% CAGR | MarketsandMarkets (2025) |
| Рынок инференса ИИ, 2024-2030 | $97.24B to $253.75B, 17.5% CAGR | Grand View Research (2025) |
| Рынок инференса ИИ, 2026-2034 | $117.80B to $312.64B, 12.98% CAGR | Fortune Business Insights (2026) |
| Рынок чипов инференса ИИ, 2026-2030 | $20.51B to $36.97B, 15.9% CAGR | The Business Research Company (2026) |
| Совокупная инфраструктура обучения + инференса, 2025-2029 | $251B to $672B, ~28% CAGR | Bloomberg Intelligence, via Cerebras S-1 (2026) |
| Рост инференса против обучения | Inference grows >2x faster | Bloomberg Intelligence, via Cerebras S-1 (2026) |
Расхождение: оценки на 2030 год для “инференса ИИ” варьируются примерно от $255B (MarketsandMarkets) до $313B к 2034 году (Fortune Business Insights); разрыв отражает различия в охвате и базовом годе, а не ошибку в данных.
7. Энергия и стоимость запроса
Ресурсный след на запрос падает так же быстро, как и цена в долларах, и 2025 год стал годом, когда крупнейший провайдер наконец опубликовал цифры. Google раскрыл, что его медианный текстовый промпт Gemini потребляет 0.24 ватт-часа электроэнергии - и что этот показатель упал в 33x за предыдущие 12 месяцев. Независимые оценки находятся в том же диапазоне, что служит полезной перекрестной проверкой расчетов поставщика. Оговорка имеет вес: это медианные значения, а сложные задачи рассуждения или агентные задачи потребляют от нескольких до десятков ватт-часов, поэтому средний счет растет по мере смещения продуктов к более тяжелым нагрузкам.
| Показатель | Значение | Источник |
|---|---|---|
| Энергия медианного текстового промпта Gemini | 0.24 watt-hours | Google Cloud (2025) |
| Вода / углерод медианного промпта Gemini | 0.26 mL / 0.03 gCO2e | Google Cloud (2025) |
| Энергия на медианный промпт Gemini, изменение за 12 месяцев | Fell 33x | Google Cloud (2025) |
| Углерод на медианный промпт Gemini, изменение за 12 месяцев | Fell 44x | Google Cloud (2025) |
| Средняя энергия запроса ChatGPT | ~0.34 watt-hours | OpenAI (Sam Altman, 2025) |
| Оценка для типичного запроса | ~0.3 watt-hours | Epoch AI (2025) |
| Энергия сложного / агентного запроса | Several to tens of watt-hours | Google Cloud (2025) |
Контекст: раскрытие информации Google охватывает энергопотребление всей системы, включая простаивающие мощности и накладные расходы дата-центра (PUE) - более широкую границу, чем часто цитируемые в других местах цифры только по чипу, поэтому оно не сопоставимо напрямую с приблизительными оценками “на коленке”.
Резюме: стоимость инференса ИИ в цифрах
| Показатель | Значение | Источник |
|---|---|---|
| Цена, эквивалентная GPT-3 | $60/M (2021) to $0.06/M (2024), 1,000x | a16z, LLMflation (2024) |
| Цена, эквивалентная GPT-3.5 | 280-fold drop, late 2022 to Oct 2024 | Stanford HAI, AI Index (2025) |
| Снижение цены по бенчмаркам | Median 50x/year; 200x/year since Jan 2024 | Epoch AI (2025) |
| Прогресс алгоритмической эффективности | ~3x per year | The Price of Progress (arXiv, 2025) |
| Средняя цена H100 по требованию | ~$3.61 per GPU-hour, 42 providers | getdeploying (2026) |
| Падение цены H100 от пика | 64% to 75% | GPU price trackers (2026) |
| Стоимость ML-железа / энергоэффективность | -30% / +40% per year | Stanford HAI, AI Index (2025) |
| Стоимость за токен NVIDIA GB300 NVL72 | $0.12/M, 35x lower than Hopper | NVIDIA, InferenceMAX (2025) |
| Пропускная способность токенов Google | 3.2 quadrillion/month, 7x YoY | Google I/O (2026) |
| Корпоративные расходы на API LLM | $3.5B to $8.4B in six months | Menlo Ventures (2025) |
| Нагрузки, где преобладает инференс | 74% of builders, up from 48% | Menlo Ventures (2025) |
| Стоимость инференса OpenAI за 2025 год | ~$8.4B, ~4x YoY | The Information (2025) |
| Стоимость инференса Anthropic за 2025 год | ~$2.7B, >3x growth | The Information (2025) |
| DeepSeek R1 против OpenAI o1 | ~96% cheaper (~27x) | pricepertoken (2026) |
| Рынок инференса ИИ | $106B (2025) to $255B (2030), 19.2% CAGR | MarketsandMarkets (2025) |
| Совокупная инфраструктура обучения + инференса | $251B (2025) to $672B (2029) | Bloomberg Intelligence, via Cerebras S-1 (2026) |
| Энергия медианного промпта Gemini | 0.24 Wh, down 33x in 12 months | Google Cloud (2025) |
| Прогноз Gartner по стоимости на 2030 год | 1T-param inference >90% cheaper vs 2025 | Gartner (2025) |
| Множитель токенов для агентных запросов | 5x to 30x more tokens | Gartner (2025) |
| Скидка Batch API от OpenAI | Flat 50% for 24-hour window | OpenAI (2026) |
Методология и источники
Данные были собраны путем агрегации показателей из первичных отчетов, раскрытий информации компаний, регуляторных подач, именованных трекеров цен с публичной методологией и рецензируемых анализов, опубликованных с 2024 по 2026 год, с приоритетом данных 2025-2026 годов и отслеживанием упоминаний в отраслевой прессе до первоисточника.
- Andreessen Horowitz (a16z), Welcome to LLMflation (2024) - a16z.com
- Epoch AI, LLM Inference Price Trends и How Much Energy Does ChatGPT Use? (2025) - epoch.ai
- Stanford HAI, 2025 AI Index Report, глава Research and Development (2025) - hai.stanford.edu
- The Price of Progress: Algorithmic Efficiency and the Falling Cost of AI Inference (arXiv:2511.23455, 2025)
- Gartner, прогноз стоимости инференса ИИ, со ссылкой через CIO Dive (2025)
- NVIDIA, Blackwell InferenceMAX Benchmark Results (октябрь 2025)
- Google / Google Cloud, Measuring the Environmental Impact of AI Inference (2025); материалы MIT Technology Review (2025)
- Tomasz Tunguz, The Trillion Token Race (2025); keynote Google I/O 2026 (Sundar Pichai)
- Menlo Ventures, 2025: The State of Generative AI in the Enterprise (2025)
- The Information, материалы о стоимости инференса OpenAI и Anthropic (2025)
- Bloomberg Intelligence, оценка размера рынка, процитированная в подаче S-1 Cerebras Systems, SEC США (2026)
- Barclays Research, оценка капекса на потребительский инференс ИИ (2025)
- DeepSeek, документация по ценам API (2026); ценообразование моделей pricepertoken.com (2026)
- OpenAI, документация Batch API (2026); публичное заявление Сэма Альтмана об энергии запроса (2025)
- getdeploying и другие трекеры облачных цен NVIDIA H100 (2026)
- MarketsandMarkets, Grand View Research и Fortune Business Insights, отчеты о рынке инференса ИИ (2024-2026); The Business Research Company, рынок чипов инференса ИИ (2026, via GlobeNewswire)
Data watch: Stanford HAI публикует AI Index ежегодно (следующее издание ожидается около апреля 2027 года); Menlo Ventures обновляет свой отчет State of Generative AI ежегодно; Epoch AI непрерывно обновляет свои трекеры цен инференса и трендов; ожидается, что Google будет ежегодно обновлять раскрытие информации о воздействии на окружающую среду; а Gartner и рыночно-исследовательские фирмы переиздают свои прогнозы по инференсу на скользящей основе. Цены API передовых моделей меняются часто, поэтому цифры за токен актуальны на конкретный момент времени.
Последнее обновление: 10 июля 2026 г. Мы пересматриваем и обновляем эту страницу ежеквартально по мере публикации новых данных.