Quanto costa davvero l’intelligenza artificiale?

Intelligenza artificiale: un nuovo modo per misurare quanto costano i suoi servizi.
I prezzi pubblicati per i servizi di IA sono scesi dal 2024.
La velocità di questa discesa dipende da come la misuriamo.
Un gruppo di ricercatori ha raccolto 21.024 prezzi da 86 fornitori e 3.208 modelli diversi.
Li ha poi collegati a 4.605 punteggi di benchmark, creando un indice di qualità nascosto.
Il metodo “matched-model”, usato dalle agenzie statistiche per i software, ha mostrato un calo dei prezzi dello 0,10% all’anno.
Ma l’indice che tiene conto della qualità è sceso del 0,73%, nascondendo l’87% del calo reale.
I modelli di ragionamento consumano più token, mentre i prezzi dei token calano lentamente.
Così il prezzo per chi compra e quello per chi vende si allontanano.
Uno studio di validazione pre-registrato controlla i dati e conferma i risultati.
Tutto è riproducibile gratis, senza costi.
Questo studio mostra quanto sia importante considerare la qualità quando si misura il mercato dell’IA.
Capire questi numeri aiuta a vedere la concorrenza, la concentrazione e la produttività in modo più chiaro.
I giovani interessati a tecnologia e economia possono seguire questi studi per scoprire come l’IA cambia il mondo del lavoro.

Il lavoro presenta un indice di prezzo aggiustato per la qualità per il mercato dell’inferenza dell’IA, superando i limiti dei metodi di misurazione tradizionali. I ricercatori hanno raccolto 21.024 osservazioni di prezzi pubblicati da 86 provider e 3.208 modelli, estraendo 4.605 punteggi di benchmark attraverso fonti pubbliche come HELM, BIG‑bench e ML‑Perf. Utilizzando un modello fattoriale latente sui modelli di risposta ai benchmark, hanno stimato una scala di qualità nascosta che sostituisce le caratteristiche esplicite del prodotto della tradizione edonica. Applicando il metodo matched‑model—simile a quello usato dalle agenzie statistiche per i software—hanno calcolato un calo dei prezzi grezzi dello 0,10% all’anno. Tuttavia, l’indice aggiustato per la qualità ha rivelato un calo dello 0,73%, indicando che l’87% della vera flessione dei prezzi è invisibile ai metodi attuali. Un’analisi di validazione pre-registrata (preregistered on OpenScience) ha identificato benchmark contaminati; escluderli sposta l’indice di 0,49 punti log all’anno, pur mantenendo le classifiche dei modelli stabili al 99,8%. I modelli di ragionamento (es. GPT‑4, Claude) hanno aumentato il consumo di token più velocemente del calo dei prezzi dei token, causando una divergenza tra il prezzo per token e il prezzo per compito completato. Questi risultati hanno implicazioni dirette per le statistiche sulla concorrenza, la concentrazione e la produttività, poiché i metodi attuali sottostimano i cambiamenti di prezzo. Tutti i dati, il codice e i risultati sono ospitati pubblicamente su GitHub e Zenodo, garantendo una riproducibilità completa e gratuita.