ما وارد فاز جدیدی از توسعه صنعت هوش مصنوعی شدهایم، به طوری که تمام بازیگران اصلی بهشدت در حال کاهش هزینهها و تقویت قابلیتهای مدلهای سطح مبتدی خود هستند تا بتوانند با مدلهای جدید چینی مانند Kimi K3 ساخت Moonshot و DeepSeek V4 Flash رقابت کنند. شرکت OpenAI اخیراً دست به چنین اقدامی زد و قیمت مدل پیشتاز پایه خود یعنی ChatGPT 5.6 Luna را به میزان ۸۰ درصد به ازای هر میلیون توکن و مدل میانرده ۵.۶ Terra را ۲0 درصد کاهش داد. این اتفاق تنها کمی بیش از یک هفته پس از آن رخ داد که گوگل (Google) مدلهای مقرونبهصرفهتر Gemini 3.6 Flash و 3.5 Flash-Lite خود را معرفی کرد. شرکت انتروپیک (Anthropic) قیمتها را کاهش نداده، بلکه ارزانترین مدل خود یعنی Opus 4.8 را با مدل توانمندتر Claude 5.0 با همان نقطه قیمتی جایگزین کرده است.
به لطف افزایش رقابت جهانی، هوش مصنوعی در حال ارزانتر شدن است، اما این امر میتواند به قیمت کاهش حاشیه سود این شرکتهای بزرگ تمام شود. این روند پس از ماهها اعلام کاهش و محدودیت در استفاده از این فناوری توسط شرکتهای بزرگ هوش مصنوعی رخ میدهد، حتی از سوی حامیان بزرگ هوش مصنوعی مانند xAI متعلق به ایلان ماسک (Elon Musk). علیرغم اینکه کارمندان بیشتری نسبت به گذشته از هوش مصنوعی استفاده میکنند، گزارش شده است که دستاوردهای بهرهوری کمتر از حد ایدهآل بوده است.
تشدید رقابت
داستان تلاشهای توسعه هوش مصنوعی در چین و آمریکا تا حدودی نمادی از نقاط قوت تاریخی این دو کشور بوده است. در حالی که شرکتهای آمریکایی مقادیر هنگفتی پول برای پیشبرد فناوریهای مرز دانش (Frontier) هزینه میکنند، توسعهدهندگان چینی از پایه صنعتی خود برای ساخت مدلهایی استفاده کردهاند که ارزانتر، کمهزینهتر و در ردههای بالا تقریباً به همان خوبی مدلهای آمریکایی هستند.
دیپسیک (DeepSeek) در سال ۲۰۲۵ شوک بزرگی به توسعهدهندگان هوش مصنوعی غربی وارد کرد و Kimi K3 نیز در سال ۲۰۲۶ کار مشابهی انجام داد. به تنهایی، این رویدادها باعث نگرانی شرکتهایی مانند OpenAI، گوگل و انتروپیک میشود. با این حال، پس از ماهها اعتراض شرکتهایی که به شدت از هوش مصنوعی استفاده میکنند درباره هزینههای سرسامآور توکن، خبر عرضه مدلی تقریباً همرده با قیمتی بسیار پایینتر واقعاً سر و صدا به پا کرد.
اکنون، توسعهدهندگان بزرگ هوش مصنوعی دیگر نمیتوانند صرفاً با افزایش تعداد پارامترها و دادههای آموزشی رقابت کنند. آنها ناچارند واقعیتر روی قیمت رقابت کنند و برای انجام این کار، OpenAI قیمت مدلهای خود را بهشدت کاهش داده است. این کاهش شامل قدرتمندترین و توانمندترین مدلها نمیشود - در واقع نسخه سریعتر آن در حالران گرانتر شدن است - اما مدلهای رده پیشتاز آن اکنون ارزانتر از همیشه هستند و بازه زمانی این تغییر در هوش مصنوعی و قیمتگذاری بسیار شگفتانگیز است.
شرکت OpenAI در ماه مارس ChatGPT 5.4 را با قابلیتهای قدرتمند جدید عاملی (Agentic) با قیمت ۲.۵۰ دلار به ازای هر میلیون توکن ورودی و ۱۵ دلار به ازای هر میلیون توکن خروجی راهاندازی کرد. مدل GPT 5.6 Luna اکنون به ترتیب تنها ۰.۲۰ و ۱.۲۵ دلار قیمت دارد. این یک بازه زمانی کمتر از چهار ماه است تا یک مدل پیشتاز، لبه فناوری باقی بماند و قیمتگذاری آن متناسب با آن باشد.
GPT-5.4 full at xhigh scored 51, exactly where Luna max sits today. GPT-5.4 costs $2.50/$15; Luna now costs $0.20/$1.20. In other words, roughly four months later, OpenAI is selling March’s full flagship intelligence at about one-thirteenth the token price.July 30, 2026
این آخرین کاهشها، Luna را وارد حوزه DeepSeek V4 میکند، به طوری که مدل حرفهای آن ۰.۴۳۵ دلار به ازای هر میلیون توکن ورودی و ۰.۸۷ دلار به ازای هر میلیون توکن خروجی هزینه دارد.
مدل GPT 5.6 Terra یک مدل توانمندتر است، اما پس از کاهش قیمت ۲۰ درصدی، اکنون به قیمت ۲.۰ دلار به ازای هر میلیون توکن ورودی و ۱۲.۰۰ دلار به ازای هر میلیون توکن خروجی عرضه میشود. این قیمت از مدل پر سر و صدای K3 که به ترتیب ۳.۰۰ و ۱۵.۰۰ دلار است، ارزانتر است.
در همین حال، مدل GPT 5.6 Sol همچنان ۵ و ۳۰ دلار به ازای هر میلیون توکن ورودی/خروجی باقی مانده است و OpenAI در واقع قیمت مدل برتر خود را افزایش داده است، به طوری که نسخه ۵.۶ Sol در حالت سریع (Fast) برای ارائه همان سطح از هوش مصنوعی اما با تاخیر کمتر، به ترتیب ۱۰ و ۶۰ دلار دریافت میکند و مستقیماً با سایر مدلهای پیشتاز پرچمدار مانند Claude Fable 5 و Mythos 5 رقابت میکند.
اما آیا هیچکدام از اینها واقعاً برای OpenAI سودآوری به همراه خواهد داشت؟
bills-are-coming-due
صورتحسابها در حال سررسید شدن هستند
پس از اینکه OpenAI در اوایل سال جاری اعلام کرد ایده داشتن مراکز داده اختصاصی خود را عملاً کنار گذاشته است، قراردادهای اجارهای که با شرکتهای ابری نئو (Neoclouds) داشت، بیش از همیشه اهمیت پیدا کرد. معاملاتی مانند تعهد محاسباتی عظیم ۳۰۰ میلیارد دلاری با اورکل (Oracle)، برای حیات خدمات OpenAI به عنوان یک شرکت حیاتی شد.
اما اگر در آن زمان سوالاتی در مورد چگونگی توانایی مالی OpenAI برای چنین سرمایهگذاری وجود داشت، اکنون این سوالات حتی برجستهتر شدهاند. OpenAI از همین حالا در حسابهای مبتنی بر اشتراک خود در حال ضرر کردن است و اوایل سال جاری اهداف کلیدی درآمدی خود را محقق نکرد. و این پس از از دست دادن دهها میلیارد دلار در سال ۲۰۲۵ رخ میدهد، علیرغم اینکه درآمد در طول سال به طور مداوم در حال رشد بوده است.
شرکت OpenAI متعهد به صرف حدود ۶۰۰ میلیارد دلار هزینههای محاسباتی تا سال ۲۰۳۰ شده است. حتی اگر درآمد در حال رشد باشد، ممکن است به هیچ وجه با سرعت کافی برای پوشش دادن این نوع صورتحسابها رشد نکند و کاهش قیمت محبوبترین و مقرونبهصرفهترین مدلها نشان میدهد که حاشیه سود یا به شدت کاهش مییابد یا به کلی از بین میرود.
این ممکن است دلیل این باشد که صحبتهای زیادی درباره پشتیبانی مالی انویدیا از OpenAI با سرمایهگذاری ۲۵۰ میلیارد دلاری وجود دارد. OpenAI نیز در این زمینه به هیچ وجه تنها نیست. گوگل طی سال گذشته حدود ۹ برابر درآمد ابری خود را صرف زیرساخت هوش مصنوعی کرده است، در حالی که انتروپیک اخیراً تنها به دلیل یک معامله محدود با تخفیف با xAI برای اجاره مرکز داده کلوسوس (Colossus) توانسته است به سوددهی بر اساس درآمد سالانه دست پیدا کند.
هوش مصنوعی ناگهان ارزانتر اجرا نمیشود و ساخت آن نیز ارزانتر تمام نمیشود، و با این حال شرکتها در حال کاهش قیمتها و عرضه مدلهای سریعتر و توانمندتر با بهای کمتر هستند. در نگاه اول، این اعداد به هیچ وجه با هم جور در نمیآیند.
بستن روی پارادوکس جِوونز
صنعت هوش مصنوعی اغلب در بحث تسریع پذیرش هوش مصنوعی و استفاده انبوه در بازار، به پارادوکس جِوونز (Jevons Paradox) استناد میکند. در حالی که در دوران جِوونز ساخت موتورهای زغالی کارآمدتر منجر به مصرف بیشتر زغالسنگ میشد تا کاهش آن، توسعهدهندگان هوش مصنوعی ادعا میکنند که با کارآمدتر شدن استفاده از هوش مصنوعی، کاربردهای بیشتری برای آن پیدا خواهد شد که به استفاده کلی بیشتر منجر میشود.
این ممکن است آیندهای باشد که کاهش هزینه توکن امیدوار است ما را به سمت آن شتاب دهد. اگر توکنها ارزان باشند، مردم در مجموع از آنها بیشتر استفاده خواهند کرد که منجر به درآمد بالاتر میشود. با ورود شتابدهندههای هوش مصنوعی نسل بعدی به مراکز داده هوش مصنوعی در اواخر سال جاری، میتوانیم شاهد افزایش ۱۰ برابری توکنها به ازای هر وات باشیم که حاشیه سودهای باریکتر را از طریق حجم، سودآورتر میکند.
سپس نوبت به معماری ورا روبین (Vera Rubin) میرسد که انویدیا ادعا میکند افزایش ۱۰ برابری دیگری در بهرهوری عملکرد توکن ارائه خواهد کرد. قطعا این امکان وجود دارد که مزایای پلتفرمهای بلکول (Blackwell) و ورا روبین، هوش مصنوعی را به صنعتی سودآورتر برای سرورهای استنتاج تبدیل کند. اما حتی در آن صورت هم، تصور اینکه شرکتهای بزرگ بتوانند حتی کسری از سرمایهگذاریهای هنگفت خود را با درآمدهای مستقیم هوش مصنوعی پوشش دهند، دشوار است؛ بهویژه که افزایش رقابت، قیمتگذاری توکن را پایینتر میآورد.