AI热榜 人工智能和云成本 人工智能存在成本问题。
即将出现的解决方案将比我们预期的更简单。
许多公司都受到人工智能成本高昂的困扰。
Uber 在短短 4 个月内就耗尽了全年的 AI 预算，微软、Salesforce 和 Github 正在采取措施减少员工的 AI 支出。
另一方面，人工智能使许多编程任务变得非常容易，并且还在其他领域不断提供帮助，例如数据解释、制作精美的幻灯片以及设计应用程序和网站。
目前，大型人工智能实验室拥有我们所说的前沿模型，这些模型在各种任务中都表现得非常出色。
前沿人工智能实验室正在自行进行研究和托管，因此这些模型的成本最高。
例如，GPT 5.5 每百万输入代币的成本为 5 美元，每百万输出代币的成本为 30 美元。
根据 OpenRouter 的说法，这是目前最昂贵的模型。
举个例子，今天下午仅用这个模型在 50 个文件中进行 Typescript 类型修复就花费了我 54 美元。
模型性能稳定、开放权重模型发布、芯片和模型改进、零转换成本和本地模型是人工智能实验室可能无法维持目前要价的高价格的原因。
模型性能平台 这些天我们看到每个模型版本都有改进，但很明显改进越来越小。
除非发明全新的突破，否则当前的学习和推理能力只能扩展这么多。
还有一个训练数据的问题。
大多数人工智能实验室可能已经吸收了数字和印刷媒体中可用的所有内容来进行模型训练。
改进训练数据集将被证明是非常困难的。
这意味着由于性能更好而导致型号价格持续上涨的趋势并不容易。
我们看到了证据，Claude Opus 4.8 的价格与 Claude Opus 4.7 相同。
一旦模型停止大幅改进并且训练数据和方法相似，模型价格可能会因竞争而下降。
开放重量模型 OpenAI 在 2022 年推出 ChatGPT 时拥有巨大领先优势，但这种领先优势正在慢慢消失，我们看到 Anthropic 在 2025-26 年占据了榜首。
现在，像 GLM-5.2 这样的开放权重模型，在编码基准测试中击败了 GPT 和 Opus。
与 GPT 5.5 相比，该模型的成本只有 1/10。
🔗 原始来源
如果你要核对细节，可以再看原文： Hacker News AI原文链接