OpenAI در مسیری گام برمیدارد که برای شرکتی که میلیاردها دلار صرف هزینههای محاسباتی میکند، به طور متناقضی ساده به نظر میرسد: همزمان مدلهای هوش مصنوعی خود را بهتر و ارزانتر کند. سم آلتمن، مدیرعامل این شرکت، چشماندازی را ترسیم کرده است که در آن OpenAI “بزرگترین و ارزانترین” را در حوزه هوش مصنوعی ارائه میدهد.
این استراتژی در حال حاضر نتایج ملموسی به بار آورده است. در تاریخ ۳۰ ژوئیه ۲۰۲۶، OpenAI قیمتگذاری API خود را برای خانواده مدلهای GPT-5.6 کاهش داد و هزینههای مدل Luna را ۸۰ درصد و مدل Terra را ۲۰ درصد کاهش داد. اکنون، استفاده از Luna با هزینه ۰.۲۰ دلار به ازای هر میلیون توکن ورودی و ۱.۲۰ دلار به ازای هر میلیون توکن خروجی انجام میشود. مدل Terra نیز به ترتیب با قیمتهای ۲ دلار و ۱۲ دلار ارائه میشود.
پس از کاهش قیمتها، مصرف Luna تقریباً ۱۴ برابر افزایش یافت، در حالی که قیمت مؤثر حدود ۱۰ برابر کاهش یافت. این محاسبات منجر به افزایشی تقریباً ۳۴ درصدی در درآمد Luna شده است، حتی با وجود اینکه هزینه هر فراخوانی API به کسری از آنچه در گذشته بود، کاهش یافته است.
آلتمن منطق این اقدام را در یک پادکست در اواخر ژوئیه ۲۰۲۶ توضیح داد و خاطرنشان کرد که OpenAI بر تقطیر مدلهای بزرگتر خود به نسخههای کوچکتر و ارزانتر تمرکز دارد. هدف، حفظ عملکرد رقابتی در حالی است که هزینه ارائه هر درخواست به طور چشمگیری کاهش مییابد. در معیارهای خاص، این شرکت به دستاوردهای بهرهوری با ۵۴ درصد توکن خروجی کمتر و بیش از ۲۰ درصد کاهش در هزینههای ارائه دست یافته است.
OpenAI به کاهشهای ماه ژوئیه بسنده نکرد. تا سپتامبر ۲۰۲۶، این شرکت کاهش قیمتهای بیشتری را برای نسخههای جدیدتر مدل GPT-6 اعلام کرد. این مدلها با قیمتی تقریباً نصف هزینه سری قبلی عرضه شدند؛ کاهشی که این شرکت آن را به بهبود در سیستمهای کشینگ و بهینهسازی استنتاج نسبت داد.
زمینه رقابتی در اینجا اهمیت دارد. اقدامات قیمتگذاری OpenAI در زمانی صورت گرفت که مدلهایی مانند Kimi K3 شروع به اعمال فشار جدی بر مرزهای هزینه-عملکرد کرده بودند.
به نظر میرسد OpenAI موفقیت خود را از طریق معیاری که “هوش مفید به ازای هر دلار” مینامد، اندازهگیری میکند؛ معیاری که بحث را از امتیازات خام معیارها به سمت ارزش عملی ارائه شده نسبت به هزینه سوق میدهد.
