GPT:s kostnadsvägg
Under den senaste veckan har en ny fokuspunkt dykt upp i diskussionerna om GPT på X: inte förmågan, utan kostnaden.
ARC-AGI: Intelligensens gräns
Prestandan för de mest avancerade modellerna på ARC-AGI-2:
| Modell | ARC-AGI-2 Poäng |
|---|---|
| GPT-5.2 Pro | ~54% |
| GPT-5.2 Refine | ~73% |
| Människa | 100% |
Skillnaden mellan 54% och 73% är inte en fråga om intelligens, utan om "förfining" – att få modellen att upprepade gånger kontrollera sina egna svar. Detta kräver mer beräkning, vilket innebär högre kostnader.
Agenters verkliga kostnad
Årskostnaden för 24/7 företagsagenter (20 miljoner inmatningstokens + 20 miljoner utmatningstokens per dag):
| Modell | Årskostnad |
|---|---|
| Palmyra X5 | ~$48K |
| GPT-5.2 Standard | ~$57K |
| Gemini 2.5 Pro | ~$82K |
| Claude Sonnet 4.5 | ~$131K |
| Claude Opus 4.6 | ~$219K |
| GPT-5.2 Pro | ~$690K |
GPT-5.2 Pro är 12 gånger dyrare än GPT-5.2 Standard. Detta är inte en fråga om prissättningsstrategi, utan om kostnadsstruktur.
"Innan du driftsätter 100 AI-agenter, räkna på det." — @waseem_s
Nya Turingtestet
En enkel fråga håller på att bli det nya intelligenstestet:
"Biltvätten ligger 40 meter från mitt hem. Jag vill tvätta bilen. Ska jag gå eller köra dit?"
Godkända modeller: GPT-5.2 Thinking, Opus 4.6, Gemini 3 Pro Underkända modeller: GPT-5.2 Instant, GPT-4o, Haiku 4.5, Sonnet 4.5
Varför är detta test meningsfullt? Eftersom det testar "sunt förnuft" snarare än "kunskapsinhämtning". 40 meter är gångavstånd. Bilen är smutsig och behöver tvättas. Men du kör inte en smutsig bil 40 meter för att tvätta den – om du inte saknar sunt förnuft.
Historien upprepar sig inte, men den rimmar
"Expertsystem föddes på 1970-talet, blomstrade på 1980-talet och ansågs allmänt vara AI:s framtid." — @ChombaBupe
GPT-modeller föddes 2018, blomstrade på 2020-talet och anses allmänt vara AI:s framtid.
Expertsystems misslyckande berodde inte på att de var otillräckligt intelligenta, utan på att underhållskostnaderna var för höga och skalbarheten för dålig. När kunskapsbasen kräver manuellt underhåll är storleken fienden.
GPT står inför ett spegelvänt problem: modellen är smart, men resonemangskostnaderna är för höga. När varje förfrågan kräver stora beräkningar är storleken också fienden.
Nästa steg
Flera nya modeller förväntas släppas denna vecka: Gemini 3.1 Pro, Claude Sonnet 5, GPT-5.3, DeepSeek V4, Qwen 3.5.
Konkurrensen håller på att skifta från "vem är smartast" till "vem är billigast". Det är goda nyheter för användarna. För OpenAI? Kanske inte.
