El coste de la IA cae un 47% cada trimestre, 13 veces más barata cada año, según Epoch AI

Rendimiento por dólar: el verdadero abaratamiento de la IA

Epoch AI, un instituto de investigación independiente y sin ánimo de lucro con sede en San Francisco, sostiene que desde 2023 el coste necesario para alcanzar un determinado nivel de rendimiento se ha reducido drásticamente y a una velocidad nunca vista en la industria de la tecnología. La comparación no se basa en el precio por token, sino en lo que cuesta obtener un resultado concreto: modelos más eficientes logran la misma tarea con menos cómputo, lo que abarata la operación para las empresas.

En la práctica, esto significa que resolver una tarea hoy con un modelo actual es 13 veces más barato que hacerlo con un modelo de hace un año. El abaratamiento no se percibe necesariamente en las tarifas de los planes de pago de OpenAI o Anthropic, que a menudo parecen más caras, sino en el rendimiento obtenido por dólar invertido. Epoch AI ha elaborado su informe usando cinco tests de matemáticas, ciencias y juegos de habilidad, calculando cuánto hay que gastar para obtener un resultado determinado, teniendo en cuenta también los modelos de razonamiento y el número de tokens que necesitan.

Los investigadores reconocen que los laboratorios pueden optimizar deliberadamente sus modelos para obtener mejores resultados en determinados tests sin que eso implique una mejora equivalente en tareas reales. A pesar de esta advertencia, la tendencia que sostienen es sólida, aunque las cifras del estudio deben tomarse como una aproximación y no como una medición exacta del abaratamiento de la IA.

La Ley de Moore se queda atrás frente a la IA

La observación de Gordon Moore de 1965 preveía que el número de transistores de los circuitos integrados se duplicaría cada año, con una reducción proporcional del coste relativo. Diez años después, Moore amplió el plazo a 24 meses, y desde entonces su pronóstico se ha cumplido con una precisión más que razonable. Durante décadas, esa predicción ha guiado a la industria de los semiconductores para prever el ritmo de desarrollo a medio y corto plazo.

Epoch AI compara la evolución de la IA con la de otras tecnologías: el coste de la IA cae cuatro veces más rápido que el de la secuenciación del ADN y 18 veces más rápido que el de las baterías de litio. Frente a la computación clásica, la IA se abarata seis veces más deprisa. El estudio señala que el desarrollo de la IA depende en gran parte de la mejora de los chips utilizados en el entrenamiento y la inferencia de los modelos, pero la eficiencia algorítmica ha logrado desacoplar parcialmente el coste de la inferencia del avance puramente hardware.

Implicaciones para las empresas: el coste real de adoptar IA

Las cifras de Epoch AI tienen implicaciones directas para las compañías que adoptan IA: el coste por tarea se reduce drásticamente en pocos trimestres, lo que permite escalar casos de uso que antes resultaban inviables. Para los responsables de tecnología, la recomendación práctica es revisar periódicamente la eficiencia de los modelos contratados.

Un ejemplo citado por Anthropic es el de su Opus 5.5, que rinde como el modelo Fable 5.1 en una amplia variedad de tareas, pero a un coste menor que el Opus 5: 4 dólares por millón de tokens de entrada y 20 por millón de salida. Esta dinámica de mejora continua es clave para la planificación de costes en las empresas, que pueden esperar reducciones de coste por rendimiento a medida que se lancen nuevas versiones de los modelos.

La percepción de los usuarios puede chocar con estos datos, ya que los créditos de los planes de pago de OpenAI o Anthropic parecen cundir menos a medida que estos laboratorios van lanzando nuevos modelos de vanguardia. Sin embargo, el abaratamiento se sostiene al comparar las prestaciones de los modelos cuando alcanzan un determinado nivel de rendimiento, no al comparar tarifas planas.