Altmanは、AIのコスト低下がムーアの法則の20倍の速さで進んでいると主張している

Why it matters

OpenAI is using its flagship model to optimize the infrastructure that serves it, then directing the savings toward cheaper agent workloads while preserving Sol's premium pricing.

Sam Altman (@sama) said AI costs are falling faster than Moore's law as he amplified OpenAI's latest efficiency claim on July 31st. 「i see your moore's law and i raise you 20x」とAltmanは書き込み、OpenAIがGPT-5.6 Solが自身のサービングコストを20%削減するのに役立ったと述べた後にその言葉を強調した。

Altmanの一言は、OpenAIの7月30日の発表の根底にある賭けを端的に表している：より高性能なモデルが、次世代のAIシステムの構築と運用のコストを下げうる、というものだ。開示された結果は20倍の改善ではなく20%の削減だった。OpenAIはまた、Solを用いた実験がトークン生成効率を15%超向上させたと帰属させている。

OpenAIは、GPT-5.6 Solが人間主導のエンジニアリングプロセスの中で自律的に本番用GPUカーネルを書き換え最適化したと述べた。OpenAIはさらに、Solに数百の実験の設計と実行、トレーニングランの監視、ハードウェア障害や学習の不安定性が出た際の介入を任せたとも述べている。

これらはOpenAIの社内本番向け数値だ。OpenAIは基礎となるサービングコストのベースラインや独立した評価を公開しておらず、他のモデル提供者の効率主張と直接比較することを制限している。それでも、この数値はフロンティアモデルが同じモデルを稼働させるためのインフラ上でエンジニアリング作業を行った具体的な例を示している。

OpenAI passes selective savings to customers

OpenAIはインフラに関する開示とあわせて、GPT-5.6ファミリーの小さいメンバーに対する大幅な値下げを発表した。LunaのAPI価格は入力トークンあたり100万トークンにつき$0.20、出力トークンあたり100万トークンにつき$1.20へと80%下落した。Terraは20%下げて入力$2、出力$12となった。

Developer Nic Dunz (@nicdunz)は、Luna Maxが約4か月後にあるベンチマークでGPT-5.4 Fullと同等の結果を出し、トークン単価は約13分の1だったと述べた。この狭い比較はワークロード全体での同等性を立証するものではないが、低価格が有能なモデルの経済性をどれだけ速く変えうるかを示している。別の開発者、@signulllは、価格の下落でようやくAPIの導入に価値が出たと返信した。

Solの標準API価格は変更されなかった。代わりに、OpenAIは基礎モデルを変更せずに標準リクエストの最大2.5倍の処理速度を約2倍の価格で約束するFast modeを導入した。Fast modeはOpenAIのPriority Processingオプションに替わるもので、既存のPriority Processingにタグ付けされたリクエストは引き続き動作する。

選択的な値下げは、OpenAIが効率向上をどのようにパッケージするつもりかを示している。Solはプレミアムな推論層として残り、価格が大きく下がったLunaは定型的なエージェント作業、テスト、分類、明確に定義された実装タスク向けの量産モデルになる。OpenAIはSolのプレミアム価格を維持しつつ、より低コストのモデルを用いてスループットや単位当たりの経済性を重視するワークロードで競争できる。

OpenAIはまた、TerraとLunaの低価格化がCodexやChatGPT Workでのクレジット消費の速度を下げるだろうと述べた。サブスクリプション価格と総クォータ予算は変更されない。その違いは、GPT-5.6をより有能なモデルファミリーとして体験した開発者にとって重要であり、必ずしも総サブスクリプション容量が増えたわけではない。

これらの値下げは、OpenAIがGPT-5.6を一般提供してから3週間後に行われた。7月9日のローンチ時、OpenAIはLunaを入力100万トークンあたり$1、出力$6、Terraを$2.50と$15、Solを$5と$30に価格設定していた。OpenAIは当時、内部のエージェント的トークン使用量が過去6か月で約22倍に増加し、内部コーディング推論に割り当てられる研究用コンピュートの比率が100倍に増えたと述べていた。

その内部での成長は、推論効率を改善する直接的な財務インセンティブを生む。サービングコストの削減はどれも、OpenAIに対して利用を増やす、価格を下げる、あるいはエージェントがより長時間稼働しツール呼び出しが増える中でマージンを保護する余地を与える。OpenAIはその余地の多くをLunaに投じ、GPT-5.6で最小のモデルを大量展開向けに再ポジショニングした。

タイミング的には、小規模および中規模モデルを販売する競合にも圧力をかける。Axiosは、より安価な中国製のオープンウェイトモデルがOpenAIとAnthropicに対して独自提供の経済性を守らせる状況を生んでいると報じた。OpenAIの答えは階層化されたシステムで、Solが計画と不確実性を扱い、Lunaがより安価で反復的な手順を実行するというものだ。

Altmanのムーアの法則への言及は、より大きな戦略的主張を指し示している。OpenAIは、チップやデータセンターからの改善と並んでソフトウェア主導の最適化が複利的に積み上がることを望んでいる。モデルが人間の監督下で繰り返し自らの推論コストを削減できるなら、OpenAIは主要なハードウェア世代間で経済性を改善できる。直近の結果はより限定的だ：社内報告でのサービングコスト20%削減、トークン効率15%超の向上、そしてOpenAIが開発者に最も頻繁に使ってほしいと考えるモデルに集中した低価格、である。