Giá của một mức hiệu năng AI cố định đã giảm khoảng 1,000x trong ba năm (a16z, LLMflation 2024) — đầu ra chất lượng GPT-3 từng có giá $60 mỗi million token vào cuối năm 2021 đã được bán với giá $0.06 vào cuối năm 2024. AI Index 2025 của Stanford HAI đo được mức giảm 280 lần đối với chất lượng tương đương GPT-3.5 trong khoảng 18 tháng (Stanford HAI, AI Index 2025). Epoch AI theo dõi mức giảm trung vị gần 50x mỗi năm trên các benchmark, tăng tốc lên 200x mỗi năm kể từ tháng 1 năm 2024 (Epoch AI, LLM Inference Price Trends 2025). Tuy nhiên, tổng chi tiêu lại đang leo thang theo hướng ngược lại: The Information báo cáo hóa đơn suy luận năm 2025 của OpenAI vào khoảng $8.4 billion, gấp khoảng bốn lần năm trước. Phân tích này tổng hợp dữ liệu từ Epoch AI, Stanford HAI, a16z, Google, NVIDIA, Menlo Ventures và 12 nguồn chính khác về vị trí của kinh tế suy luận vào giữa năm 2026.
TL;DR
- Đầu ra tương đương GPT-3 giảm từ $60 mỗi million token vào năm 2021 xuống còn $0.06 vào năm 2024, mức giảm 1,000x (a16z, LLMflation 2024).
- Truy vấn chất lượng tương đương GPT-3.5 giảm từ $20 xuống $0.07 mỗi million token, mức cắt giảm 280 lần trong khoảng 18 tháng (Stanford HAI, AI Index 2025).
- Mức giảm giá-hiệu năng theo benchmark dao động từ 9x đến 900x mỗi năm; trung vị 50x, tăng lên 200x kể từ tháng 1 năm 2024 (Epoch AI, 2025).
- Tiến bộ hiệu quả thuật toán được tách riêng đạt khoảng 3x mỗi năm, cộng thêm vào mức tăng của phần cứng (The Price of Progress, arXiv 2025).
- Giá thuê theo yêu cầu trung bình thị trường cho NVIDIA H100 vào khoảng $3.61 mỗi giờ GPU trên 42 nhà cung cấp vào năm 2026 (getdeploying, 2026).
- GB300 NVL72 của NVIDIA đạt $0.12 mỗi million token, được mô tả là chi phí mỗi token thấp hơn 35x so với Hopper (NVIDIA, InferenceMAX 2025).
- Google xử lý 3.2 quadrillion token mỗi tháng vào giữa năm 2026, cao hơn khoảng 7 lần theo năm (Google I/O 2026).
- Chi tiêu API LLM của doanh nghiệp tăng gấp đôi từ $3.5 billion lên $8.4 billion trong sáu tháng (Menlo Ventures, 2025).
- Chi phí suy luận năm 2025 của OpenAI đạt khoảng $8.4 billion, gấp khoảng 4 lần năm trước (The Information, 2025).
- Cơ sở hạ tầng đào tạo cộng suy luận kết hợp được định lượng ở mức $251 billion vào năm 2025, tăng lên $672 billion vào năm 2029 (Bloomberg Intelligence, thông qua Cerebras S-1 2026).
- Câu lệnh văn bản Gemini trung vị sử dụng 0.24 watt-giờ, giảm 33x trong 12 tháng (Google, 2025).
1. Sự Sụp Đổ Giá Đối Với Hiệu Năng Tương Đương
Con số nổi bật trong kinh tế suy luận không phải là một mức giá đơn lẻ — mà là độ dốc. Đối với một tiêu chuẩn chất lượng cố định, chi phí vận hành một mô hình đã giảm một nửa theo quy mô tháng, không phải năm, và mức giảm này đã trở nên dốc hơn kể từ đầu năm 2024. Sự phân kỳ giữa các benchmark có ý nghĩa quan trọng: chất lượng hàng hóa giá rẻ giảm nhanh nhất, trong khi chất lượng suy luận tiên phong vẫn giữ giá của mình. Epoch AI đo được mức giảm trung vị 50x mỗi năm, tăng vọt lên 200x mỗi năm khi giới hạn ở dữ liệu kể từ tháng 1 năm 2024. Mức sàn tiếp tục giảm vì ba yếu tố cộng dồn: cạnh tranh, silicon tốt hơn và thuật toán tốt hơn. Khi tách riêng yếu tố cuối cùng, một nhóm nghiên cứu đặt hiệu quả thuật toán thuần túy ở mức khoảng 3x mỗi năm.
| Chỉ Số | Giá Trị | Nguồn |
|---|---|---|
| Giá chất lượng tương đương GPT-3 (MMLU ~42) | $60/M tokens (Nov 2021) to $0.06/M (2024), a 1,000x drop | a16z, LLMflation (2024) |
| Tỷ lệ LLMflation cho hiệu năng tương đương | ~10x cheaper per year | a16z, LLMflation (2024) |
| Giá chất lượng tương đương GPT-3.5 (MMLU 64.8%) | $20/M (Nov 2022) to $0.07/M (Oct 2024), 280-fold | Stanford HAI, AI Index (2025) |
| Mức giảm giá-hiệu năng theo benchmark | 9x to 900x per year; median 50x | Epoch AI, Inference Price Trends (2025) |
| Tăng tốc sau tháng 1 năm 2024 | Median 200x per year | Epoch AI, Inference Price Trends (2025) |
| Chất lượng GPT-4 trên GPQA Diamond | 40x per year price drop | Epoch AI, Inference Price Trends (2025) |
| Mức giảm giá benchmark tiên phong | 5x to 10x per year | The Price of Progress (arXiv, 2025) |
| Tiến bộ hiệu quả thuật toán được tách riêng | ~3x per year | The Price of Progress (arXiv, 2025) |
Lưu ý ngoại lệ: Bộ dữ liệu riêng của Epoch đằng sau những con số này dựa trên 36 quan sát giá độc nhất trên sáu benchmark, vì vậy tỷ lệ của một benchmark đơn lẻ (mức cực đoan 900x) nhiễu hơn so với trung vị tổng hợp.
2. Phần Cứng và Kinh Tế GPU
Giá token giảm dựa trên nền tảng giá tính toán giảm. Mức giá thuê cho con ngựa thồ NVIDIA H100 tiếp tục trượt dốc suốt năm 2025 đến năm 2026 khi các cloud chuyên biệt hạ giá thấp hơn các hyperscaler, và mỗi thế hệ bộ tăng tốc mới lại thiết lập lại mức sàn chi phí mỗi token. Các benchmark InferenceMAX của NVIDIA, công bố vào tháng 10 năm 2025, đặt GB300 NVL72 ở mức $0.12 mỗi million token — chi phí mỗi token thấp hơn 35x so với thế hệ Hopper. Cách trình bày của nhà cung cấp mang tính quảng bá, vì vậy nên coi các hệ số nhân này là kịch bản tốt nhất, nhưng xu hướng này khớp với các công cụ theo dõi giá độc lập bên dưới. Gartner dự báo xu hướng này sẽ kéo dài trong nhiều năm: suy luận trên một mô hình nghìn tỷ tham số sẽ tốn chi phí thấp hơn hơn 90 phần trăm vào năm 2030 so với năm 2025.
| Chỉ Số | Giá Trị | Nguồn |
|---|---|---|
| Mức trung bình H100 theo yêu cầu, 42 nhà cung cấp | ~$3.61 per GPU-hour | getdeploying (2026) |
| Mức giảm giá cloud H100 từ đỉnh điểm | 64% to 75% | GPU price trackers (2026) |
| Mức cắt giảm giá H100 của AWS, tháng 6 năm 2025 | ~44% | GPU price trackers (2026) |
| Tăng trưởng hiệu năng phần cứng ML | 43% per year, doubling every 1.9 years | Stanford HAI, AI Index (2025) |
| Mức giảm chi phí phần cứng ML / hiệu quả năng lượng | -30% per year / +40% per year | Stanford HAI, AI Index (2025) |
| Chi phí mỗi token của NVIDIA GB300 NVL72 | $0.12/M, 35x lower than Hopper | NVIDIA, InferenceMAX (2025) |
| Chi phí mỗi million token của Blackwell | 15x lower than prior generation | NVIDIA, InferenceMAX (2025) |
| Chi phí dự kiến năm 2030, suy luận 1T tham số | >90% lower vs 2025 | Gartner (2025) |
Bối cảnh: Cùng thông tin công bố của NVIDIA khẳng định rằng một hệ thống GB200 NVL72 trị giá $5 million tạo ra khoảng $75 million doanh thu token, mức lợi nhuận 15x — đây là một bài thuyết trình ROI của nhà cung cấp, không phải một cuộc kiểm toán độc lập. Để có bức tranh rộng hơn về silicon, xem thống kê chip AI của chúng tôi.
3. Sự Bùng Nổ Token
Token rẻ hơn không làm giảm hóa đơn; chúng đã làm bùng nổ nhu cầu. Khi giá mỗi token giảm, các nhà cung cấp bắt đầu đo lường thông lượng bằng quadrillion, và các khối lượng công việc dựa trên agent kích hoạt hàng chục lệnh gọi mỗi tác vụ đẩy khối lượng lên cao hơn nữa. Google báo cáo xử lý 3.2 quadrillion token mỗi tháng vào giữa năm 2026, cao hơn khoảng 7 lần so với tỷ lệ của một năm trước đó. Đây là nghịch lý Jevons diễn ra trong thời gian thực: một nguồn lực càng hiệu quả, nó càng được tiêu thụ nhiều hơn. Gartner lưu ý rằng riêng các truy vấn dựa trên agent tiêu thụ nhiều hơn 5 đến 30 lần số token so với một lượt chatbot tiêu chuẩn, vì vậy đường cong khối lượng đang trở nên dốc hơn khi các sản phẩm chuyển từ câu trả lời đơn lẻ sang các agent nhiều bước.
| Chỉ Số | Giá Trị | Nguồn |
|---|---|---|
| Thông lượng token của Google | 3.2 quadrillion/month (mid-2026), 7x YoY | Google I/O (2026) |
| Tăng trưởng token của Google | 480T/month (May 2025) to 980T (July 2025) | T. Tunguz, Token Race (2025) |
| Thông lượng của Microsoft Foundry | 100T tokens in a quarter; 50T single-month record | T. Tunguz, Token Race (2025) |
| Số lượng khách hàng lớn của Microsoft | 250+ customers on track for >1T tokens/year each | Microsoft, via T. Tunguz (2025) |
| Thông lượng của Together.ai | 2 trillion tokens/day (Sept 2025) | T. Tunguz, Token Race (2025) |
| Tỷ trọng mã nguồn mở trong khối lượng suy luận | ~1% to 3% | T. Tunguz, Token Race (2025) |
| Hệ số nhân token của truy vấn dựa trên agent | 5x to 30x more tokens than a chatbot query | Gartner (2025) |
Bối cảnh: AI dựa trên agent chiếm chưa đến 1 phần trăm tổng hoạt động suy luận của Azure trong khoảng thời gian được trích dẫn, vì vậy hệ số nhân 5x-30x được áp dụng cho một nền tảng nhỏ nhưng đang tăng trưởng nhanh. Để biết những khối lượng công việc đó sẽ đi về đâu tiếp theo, xem thống kê agent AI của chúng tôi.
4. Chi Tiêu Doanh Nghiệp và Nghịch Lý Biên Lợi Nhuận
Đây là nghịch lý trong một câu: giá đơn vị đang sụp đổ, nhưng cả người mua và người bán đều chi tiêu nhiều hơn. Các doanh nghiệp đã chuyển ngân sách từ thử nghiệm sang sản xuất luôn hoạt động, nơi suy luận không bao giờ dừng lại. Menlo Ventures phát hiện 74 phần trăm những người xây dựng AI hiện nói rằng phần lớn khối lượng công việc của họ là suy luận, tăng từ 48 phần trăm một năm trước đó. Về phía nhà cung cấp, suy luận là khoản mục chi phí chiếm ưu thế: The Information báo cáo hóa đơn suy luận năm 2025 của OpenAI vào khoảng $8.4 billion, gấp khoảng bốn lần năm trước và cao hơn nhiều so với dự báo $6.6 billion của chính họ. Biên lợi nhuận là điểm áp lực — cùng báo cáo đó đặt biên lợi nhuận gộp của OpenAI ở mức 33 phần trăm, thấp hơn mục tiêu 46 phần trăm của họ.
| Chỉ Số | Giá Trị | Nguồn |
|---|---|---|
| Chi tiêu API LLM của doanh nghiệp | $3.5B (late 2024) to $8.4B (mid-2025) | Menlo Ventures (2025) |
| Người xây dựng có khối lượng công việc chủ yếu là suy luận | 74%, up from 48% a year earlier | Menlo Ventures (2025) |
| Đầu tư AI tạo sinh của doanh nghiệp | $1.7B (2023) to $37B (2025) | Menlo Ventures (2025) |
| Chi phí suy luận năm 2025 của OpenAI | ~$8.4B, ~4x YoY (vs $6.6B forecast) | The Information (2025) |
| Dự báo chi phí suy luận năm 2026 của OpenAI | ~$14.1B | The Information (2025) |
| Chi phí suy luận năm 2025 của Anthropic | ~$2.7B, >3x growth | The Information (2025) |
| Biên lợi nhuận gộp của OpenAI | 33% (fell from 40%, missed 46% target) | The Information (2025) |
| Capex chip suy luận tiêu dùng của Barclays, 2026 | ~$120 billion | Barclays Research (2025) |
Bối cảnh: Hoạt động kinh doanh API của Anthropic được báo cáo là vận hành với biên lợi nhuận gộp trên 80 phần trăm, một lời nhắc nhở rằng câu chuyện “suy luận thua lỗ” phụ thuộc vào cơ cấu mô hình và định giá, không phải phổ quát. Để biết kinh tế phần mềm bên dưới, xem thống kê SaaS của chúng tôi.
5. Đòn Bẩy Chi Phí: Mô Hình Mở, Caching và Batch
Giá niêm yết thổi phồng những gì các đội ngũ kỷ luật thực sự phải trả. Các mô hình trọng số mở, caching prompt và batching bất đồng bộ đều cắt giảm chi phí hiệu quả xuống một bậc độ lớn, và chúng cộng dồn với nhau. R1 của DeepSeek chạy rẻ hơn khoảng 96 phần trăm so với o1 của OpenAI tính theo mỗi token, một khoảng cách khoảng 27x. Tầng tiên phong lại kể một câu chuyện ngược lại: giá đầu ra o1 của OpenAI là $60 mỗi million token, giống hệt với chi phí của GPT-3 khi ra mắt vào năm 2021, vì vậy suy luận cao cấp không hề rẻ đi ngay cả khi chất lượng hàng hóa sụp đổ. Khoản tiết kiệm nằm ở các đòn bẩy bên dưới.
| Chỉ Số | Giá Trị | Nguồn |
|---|---|---|
| Giá API của DeepSeek R1 | $0.55/M input, $2.19/M output | DeepSeek pricing (2026) |
| Giá API của OpenAI o1 | $15/M input, $60/M output | pricepertoken (2026) |
| DeepSeek R1 vs OpenAI o1 | ~96% cheaper (~27x) | pricepertoken (2026) |
| Đầu ra OpenAI o1 vs ra mắt GPT-3 | $60/M, identical to 2021 GPT-3 | a16z, LLMflation (2024) |
| Đầu vào được cache của DeepSeek R1 | $0.14/M tokens | DeepSeek pricing (2026) |
| Đầu vào được cache của DeepSeek V4 | $0.03/M tokens, a 90% discount | DeepSeek pricing (2026) |
| Chiết khấu Batch API của OpenAI | Flat 50% for a 24-hour window | OpenAI Batch API (2026) |
| Cache + batch, đầu vào được cache của GPT-5.4 | $0.625/M, 75% below standard | OpenAI Batch API (2026) |
Lưu ý ngoại lệ: Token đầu ra được định giá cao hơn 3x đến 5x so với token đầu vào ở các nhà cung cấp lớn vì việc tạo sinh diễn ra tuần tự trong khi xử lý đầu vào được song song hóa, vì vậy caching giúp ích nhiều nhất cho các khối lượng công việc thâm dụng đầu vào. Để biết cách các mô hình trọng số mở định hình lại điều này, xem thống kê điện toán đám mây của chúng tôi.
6. Quy Mô Thị Trường và Dự Báo
Việc định lượng thị trường tổng hợp cho suy luận AI rất rộng, vì các nhà phân tích vẽ ranh giới khác nhau — một số chỉ tính chip suy luận, những người khác tính toàn bộ ngăn xếp phần mềm cộng dịch vụ. Hãy coi sự chênh lệch này là một phạm vi, không phải một mâu thuẫn. Bloomberg Intelligence, được trích dẫn trong S-1 của Cerebras, định lượng thị trường cơ sở hạ tầng đào tạo cộng suy luận kết hợp ở mức $251 billion vào năm 2025, tăng lên $672 billion vào năm 2029, với suy luận mở rộng nhanh hơn hơn gấp đôi so với đào tạo. Phân khúc chip suy luận hẹp hơn tăng trưởng ổn định thay vì bùng nổ, trong khi các định nghĩa rộng về “suy luận AI” đạt gần một phần tư nghìn tỷ đô la vào năm 2030.
| Chỉ Số | Giá Trị | Nguồn |
|---|---|---|
| Thị trường suy luận AI, 2025 đến 2030 | $106.15B to $254.98B, 19.2% CAGR | MarketsandMarkets (2025) |
| Thị trường suy luận AI, 2024 đến 2030 | $97.24B to $253.75B, 17.5% CAGR | Grand View Research (2025) |
| Thị trường suy luận AI, 2026 đến 2034 | $117.80B to $312.64B, 12.98% CAGR | Fortune Business Insights (2026) |
| Thị trường chip suy luận AI, 2026 đến 2030 | $20.51B to $36.97B, 15.9% CAGR | The Business Research Company (2026) |
| Cơ sở hạ tầng đào tạo + suy luận kết hợp, 2025 đến 2029 | $251B to $672B, ~28% CAGR | Bloomberg Intelligence, via Cerebras S-1 (2026) |
| Tăng trưởng suy luận vs đào tạo | Inference grows >2x faster | Bloomberg Intelligence, via Cerebras S-1 (2026) |
Lưu ý phân kỳ: Các ước tính năm 2030 cho “suy luận AI” dao động khoảng $255B (MarketsandMarkets) đến $313B vào năm 2034 (Fortune Business Insights); khoảng cách này phản ánh sự khác biệt về phạm vi và năm cơ sở, không phải lỗi dữ liệu.
7. Năng Lượng và Chi Phí Mỗi Truy Vấn
Dấu chân tài nguyên trên mỗi truy vấn đang giảm nhanh như giá tiền, và năm 2025 là năm mà nhà cung cấp lớn nhất cuối cùng đã công bố số liệu. Google tiết lộ rằng câu lệnh văn bản Gemini trung vị của họ sử dụng 0.24 watt-giờ điện — và con số này đã giảm 33x trong 12 tháng trước đó. Các ước tính độc lập nằm trong cùng phạm vi, đây là một sự đối chiếu chéo hữu ích cho các tính toán của nhà cung cấp. Điều cần lưu ý có trọng lượng đáng kể: đây là các số liệu trung vị, và các tác vụ suy luận phức tạp hoặc dựa trên agent tiêu thụ từ vài đến hàng chục watt-giờ, vì vậy hóa đơn trung bình tăng lên khi các sản phẩm chuyển sang các khối lượng công việc nặng hơn.
| Chỉ Số | Giá Trị | Nguồn |
|---|---|---|
| Năng lượng câu lệnh văn bản Gemini trung vị | 0.24 watt-hours | Google Cloud (2025) |
| Nước / carbon câu lệnh Gemini trung vị | 0.26 mL / 0.03 gCO2e | Google Cloud (2025) |
| Năng lượng mỗi câu lệnh Gemini trung vị, thay đổi 12 tháng | Fell 33x | Google Cloud (2025) |
| Carbon mỗi câu lệnh Gemini trung vị, thay đổi 12 tháng | Fell 44x | Google Cloud (2025) |
| Năng lượng trung bình mỗi truy vấn ChatGPT | ~0.34 watt-hours | OpenAI (Sam Altman, 2025) |
| Ước tính truy vấn điển hình | ~0.3 watt-hours | Epoch AI (2025) |
| Năng lượng truy vấn phức tạp / dựa trên agent | Several to tens of watt-hours | Google Cloud (2025) |
Bối cảnh: Thông tin công bố của Google bao gồm toàn bộ công suất hệ thống, bao gồm cả công suất nhàn rỗi và chi phí quản lý trung tâm dữ liệu (PUE), một ranh giới rộng hơn so với các con số chỉ tính riêng chip thường được trích dẫn ở nơi khác, vì vậy không thể so sánh trực tiếp với các ước tính sơ bộ.
Tóm Tắt: Chi Phí Suy Luận AI Bằng Số Liệu
| Chỉ Số | Giá Trị | Nguồn |
|---|---|---|
| Giá tương đương GPT-3 | $60/M (2021) to $0.06/M (2024), 1,000x | a16z, LLMflation (2024) |
| Giá tương đương GPT-3.5 | 280-fold drop, late 2022 to Oct 2024 | Stanford HAI, AI Index (2025) |
| Mức giảm giá theo benchmark | Median 50x/year; 200x/year since Jan 2024 | Epoch AI (2025) |
| Tiến bộ hiệu quả thuật toán | ~3x per year | The Price of Progress (arXiv, 2025) |
| Mức trung bình H100 theo yêu cầu | ~$3.61 per GPU-hour, 42 providers | getdeploying (2026) |
| Mức giảm giá H100 từ đỉnh điểm | 64% to 75% | GPU price trackers (2026) |
| Chi phí phần cứng ML / hiệu quả năng lượng | -30% / +40% per year | Stanford HAI, AI Index (2025) |
| Chi phí mỗi token của NVIDIA GB300 NVL72 | $0.12/M, 35x lower than Hopper | NVIDIA, InferenceMAX (2025) |
| Thông lượng token của Google | 3.2 quadrillion/month, 7x YoY | Google I/O (2026) |
| Chi tiêu API LLM của doanh nghiệp | $3.5B to $8.4B in six months | Menlo Ventures (2025) |
| Khối lượng công việc chủ yếu là suy luận | 74% of builders, up from 48% | Menlo Ventures (2025) |
| Chi phí suy luận năm 2025 của OpenAI | ~$8.4B, ~4x YoY | The Information (2025) |
| Chi phí suy luận năm 2025 của Anthropic | ~$2.7B, >3x growth | The Information (2025) |
| DeepSeek R1 vs OpenAI o1 | ~96% cheaper (~27x) | pricepertoken (2026) |
| Thị trường suy luận AI | $106B (2025) to $255B (2030), 19.2% CAGR | MarketsandMarkets (2025) |
| Cơ sở hạ tầng đào tạo + suy luận kết hợp | $251B (2025) to $672B (2029) | Bloomberg Intelligence, via Cerebras S-1 (2026) |
| Năng lượng câu lệnh Gemini trung vị | 0.24 Wh, down 33x in 12 months | Google Cloud (2025) |
| Dự báo chi phí Gartner năm 2030 | 1T-param inference >90% cheaper vs 2025 | Gartner (2025) |
| Hệ số nhân token của truy vấn dựa trên agent | 5x to 30x more tokens | Gartner (2025) |
| Chiết khấu Batch API của OpenAI | Flat 50% for 24-hour window | OpenAI (2026) |
Phương Pháp Luận và Nguồn
Dữ liệu được thu thập bằng cách tổng hợp số liệu từ các báo cáo gốc, thông tin công bố của công ty, hồ sơ pháp lý, các công cụ theo dõi giá có tên với phương pháp luận công khai, và các phân tích được bình duyệt xuất bản từ năm 2024 đến năm 2026, ưu tiên dữ liệu 2025-2026 và truy ngược các đề cập trên báo chí thương mại về nguồn gốc.
- Andreessen Horowitz (a16z), Welcome to LLMflation (2024) — a16z.com
- Epoch AI, LLM Inference Price Trends và How Much Energy Does ChatGPT Use? (2025) — epoch.ai
- Stanford HAI, 2025 AI Index Report, chương Nghiên Cứu và Phát Triển (2025) — hai.stanford.edu
- The Price of Progress: Algorithmic Efficiency and the Falling Cost of AI Inference (arXiv:2511.23455, 2025)
- Gartner, dự báo chi phí suy luận AI, được báo cáo qua CIO Dive (2025)
- NVIDIA, Blackwell InferenceMAX Benchmark Results (tháng 10 năm 2025)
- Google / Google Cloud, Measuring the Environmental Impact of AI Inference (2025); đưa tin của MIT Technology Review (2025)
- Tomasz Tunguz, The Trillion Token Race (2025); bài phát biểu khai mạc Google I/O 2026 (Sundar Pichai)
- Menlo Ventures, 2025: The State of Generative AI in the Enterprise (2025)
- The Information, đưa tin về chi phí suy luận của OpenAI và Anthropic (2025)
- Bloomberg Intelligence, định lượng thị trường được trích dẫn trong hồ sơ S-1 của Cerebras Systems, SEC Hoa Kỳ (2026)
- Barclays Research, ước tính capex suy luận AI tiêu dùng (2025)
- DeepSeek, tài liệu định giá API (2026); định giá mô hình của pricepertoken.com (2026)
- OpenAI, tài liệu Batch API (2026); tuyên bố công khai của Sam Altman về năng lượng truy vấn (2025)
- getdeploying và các công cụ theo dõi giá cloud NVIDIA H100 khác (2026)
- MarketsandMarkets, Grand View Research và Fortune Business Insights, báo cáo thị trường suy luận AI (2024-2026); The Business Research Company, thị trường chip suy luận AI (2026, qua GlobeNewswire)
Data watch: Stanford HAI xuất bản AI Index hàng năm (phiên bản tiếp theo dự kiến vào khoảng tháng 4 năm 2027); Menlo Ventures cập nhật báo cáo State of Generative AI hàng năm; Epoch AI cập nhật các công cụ theo dõi giá và xu hướng suy luận của họ liên tục; Google dự kiến sẽ cập nhật thông tin công bố tác động môi trường hàng năm; và Gartner cùng các công ty nghiên cứu thị trường tái xuất bản dự báo suy luận của họ theo các chu kỳ luân phiên. Giá API tiên phong thay đổi thường xuyên, vì vậy các con số mỗi token chỉ mang tính thời điểm.
Cập nhật lần cuối: ngày 10 tháng 7 năm 2026.
Chúng tôi xem xét và cập nhật trang này hàng quý khi có dữ liệu mới được công bố.