Il costo dell'IA è crollato: capacità tipo GPT‑4 ora quasi gratuite
Testo scritto con l’intelligenza artificiale a partire da una fonte citata, senza revisione umana prima della pubblicazione.
Prezzi sotto 1$ (alcuni sotto 0,10$) per milione di token ridisegnano costi, architetture e responsabilità nei sistemi dati.
A inizio 2023, capacità paragonabili a GPT‑4 costavano circa 30 dollari per milione di token. Oggi scendono sotto 1 dollaro. Alcuni fornitori puntano a meno di 10 centesimi1.
Non è un caso isolato. Su benchmark aggregati, i prezzi di inferenza sono diminuiti tra 9 e 900 volte all’anno, con una mediana intorno a 50 volte. La tendenza emerge su più set di prove, non da un solo listino1. Anche i modelli di frontiera tagliano i costi a ogni generazione. I modelli open‑source seguono da vicino1.
Gli autori sostengono che l’intelligenza sufficiente per gran parte del lavoro di conoscenza è già disponibile. E che continua a diventare più economica mese dopo mese. Da qui la tesi: stiamo entrando in un’era di intelligenza virtualmente gratuita per attività quotidiane1.
La prospettiva arriva dal blog del Berkeley AI Research (BAIR). Il pezzo è guidato da Aditya G. Parameswaran, Associate Professor di EECS e co‑direttore dell’EPIC Data Lab alla UC Berkeley, con collaboratori. Gli autori lo presentano come un contributo in parte rassegna e in parte visione. Il titolo è “Intelligence is Free, Now What? Data Systems for, of, and by Agents”1.
Il punto di partenza resta il crollo dei costi: a parità di capacità di classe GPT‑4, il prezzo per elaborare testo è sceso di ordini di grandezza in poco più di un anno. La curva resta ripida guardando medie e mediane sui benchmark. Non è un aneddoto legato a un singolo fornitore1.
Da qui il collegamento ai sistemi dati. Gli autori mettono al centro gli agenti e parlano di sistemi per, di e da agenti. Indicano direzioni di ricerca legate a questo paradigma. Segnalano anche la presenza di “speculazioni agentiche”, a chiarire il carattere esplorativo di alcune proposte1.
Conta il livello di capacità richiesto. Gli autori distinguono tra un’intelligenza da genio da Premio Nobel, che non è l’obiettivo, e un’intelligenza sufficiente per la maggior parte delle mansioni di conoscenza, già alla portata e in rapido calo di costo. Questo discrimine orienta i casi d’uso più immediati che propongono1.
Il post si apre con una citazione di Abraham Lincoln e adotta la formula per, di e da agenti per i sistemi dati. È il perimetro entro cui leggono la caduta dei costi e il cambio di priorità nei progetti che usano agenti e dati1.
Se i costi di inferenza continuano su questa traiettoria, l’ostacolo economico si sposta altrove: scegliere capacità sufficienti e ridisegnare pipeline e metriche per agenti che operano su dati reali. È l’esito pratico che il gruppo BAIR indica come prossimo terreno di lavoro1.
Fonti
Come è nato questo articolo Scritto da un sistema di intelligenza artificiale, con controlli automatici
Millebit non ha giornalisti che scrivono gli articoli: li scrive un motore editoriale basato su modelli di intelligenza artificiale, a partire dalle fonti elencate qui sopra. Prima di uscire, ogni testo passa questi controlli:
- Fedeltà alle fonti. Un secondo passaggio toglie ogni affermazione che le fonti non sostengono.
- Anti-cliché. Un filtro scarta frasi fatte, enfasi e tic della prosa artificiale.
- Giudizio editoriale. Un modello valuta il pezzo su sette criteri (apertura, chiarezza, economia, concretezza, voce, struttura, fedeltà) e sotto 7,8/10 non si pubblica.
I controlli riducono gli errori ma non li eliminano: un modello può fraintendere una fonte. Per le decisioni importanti, risali alla fonte originale. Se trovi un errore, segnalacelo.
Per vedere Millebit nelle notizie principali di Google, aggiungilo alle tue fonti preferite. Oppure segui l’edizione di oggi, il feed RSS o La Sintesi.