ما وارد فاز جدیدی از توسعه صنعت هوش مصنوعی شدهایم؛ بهطوریکه تمامی بازیگران اصلی بهشدت هزینهها را کاهش داده و قابلیتهای مدلهای سطح مبتدی خود را تقویت میکنند تا بتوانند با مدلهای جدید چینی مانند کیمی کا۳ (Moonshot's Kimi K3) از شرکت مونشات (Moonshot) و دیپسیک وی۴ فلش (DeepSeek V4 Flash) رقابت کنند. شرکت OpenAI اخیراً دست به چنین کاری زد و قیمت مدل مرجع پایه خود یعنی چجیپیتی ۵.۶ لونا (ChatGPT 5.6 Luna) را به ازای هر میلیون توکن ۸۰ درصد و قیمت مدل میانرده ۵.۶ ترا (Terra) را ۲۰ درصد کاهش داد. این اقدام درست بیش از یک هفته پس از آن انجام شد که گوگل (Google) مدلهای مقرونبهصرفهتر جمنای ۳.۶ فلش (Gemini 3.6 Flash) و ۳.۵ فلش-لایت (3.5 Flash-Lite) را معرفی کرد. شرکت آنتروپیک (Anthropic) قیمتها را کاهش نداده، بلکه ارزانترین مدل خود یعنی اپوس ۴.۸ (Opus 4.8) را با مدل کلود ۵.۰ (Claude 5.0) با قابلیتهای بیشتر و در همان سطح قیمتی جایگزین کرده است.
هوش مصنوعی به لطف افزایش رقابت جهانی در حال مقرونبهصرفهتر شدن است، اما این امر میتواند به قیمت کاهش حاشیه سود این شرکتهای بزرگ تمام شود. این روند پس از ماهها اعلام کاهش هزینهها و محدودیتها در استفاده از این فناوری توسط کسبوکارهای بزرگ هوش مصنوعی رخ میدهد، حتی شرکتهای حامی بزرگ هوش مصنوعی مانند شرکت xAI متعلق به ایلان ماسک (Elon Musk) نیز دست به چنین اقداماتی زدهاند. با وجود 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 حدی نمادی از نقاط قوت تاریخی این دو کشور بوده است. در حالی که شرکتهای آمریکایی مقادیر عظیمی از پول را برای پیشبرد فناوریهای پیشرو هزینه میکنند، توسعهدهندگان چینی از پایگاه صنعتی خود بهره بردهاند تا مدلهایی ارزانتر، کمهزینهتر و تقریباً همسطح با مدلهای ردهبالای غربی بسازند.
شرکت دیپسیک (DeepSeek) در سال ۲۰۲۵ شوک بزرگی به توسعهدهندگان غربی هوش مصنوعی وارد کرد و کیمی کا۳ (Kimi K3) نیز در سال ۲۰۲۶ تقریباً همین کار را تکرار کرد. به خودی خود، این رویدادها باعث نگرانی شرکتهایی مانند OpenAI، گوگل و آنتروپیک میشود. با این حال، پس از ماهها گلایه شرکتهایی که بهشدت 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 نمیتوانند صرفاً با تزریق پارامترها و دادههای آموزشی بیشتر به مسئله با یکدیگر رقابت کنند. آنها ناچارند واقعاً بر سر قیمت رقابت کنند و برای انجام این کار، OpenAI قیمت مدلهای خود را به شدت کاهش داده است. این کاهش شامل قدرتمندترین و تواناترین مدل آنها نمیشود — بلکه نسخه سریعتر آن در واقع در حال گرانتر شدن است — اما مدلهای ردهمرجع این شرکت اکنون در ارزانترین سطح تاریخی خود قرار دارند و زمانبندی این گذار در حوزه هوش مصنوعی و قیمتگذاری بسیار شگفتانگیز است.
شرکت OpenAI در ماه مارس چجیپیتی ۵.۴ (ChatGPT 5.4) را با قابلیتهای جدید و قدرتمند عاملمحور با قیمت ۲.۵۰ دلار به ازای هر میلیون توکن ورودی و ۱۵ دلار به ازای هر میلیون توکن خروجی عرضه کرد. اکنون جیپیتی ۵.۶ لونا (GPT 5.6 Luna) به ترتیب فقط با قیمت ۰.۲۰ و ۱.۲۰ دلار عرضه میشود. این یعنی یک بازه زمانی کمتر از چهار ماه طول کشید تا یک مدل پیشرو، لبهی تکنولوژی بودن خود را حفظ کند و متناسب با آن قیمتگذاری شود.
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 کاهشهای اخیر، لونا را همسطح مدل دیپسیک وی۴ (DeepSeek V4) قرار میدهد؛ بهطوریکه نسخه حرفهای آن به ازای هر میلیون توکن ورودی ۰.۴۳۵ دلار و به ازای هر میلیون توکن خروجی ۰.۸۷ دلار هزینه دارد.
مدل جیپیتی ۵.۶ ترا (GPT 5.6 Terra) مدل توانمندتری است، اما پس از کاهش قیمت ۲۰ درصدی، اکنون به قیمت ۲.۰ دلار برای هر میلیون توکن ورودی و ۱۲.۰۰ دلار برای هر میلیون توکن خروجی عرضه میشود. این قیمت از مدل جنجالی کا۳ (K3) که به ترتیب ۳.۰۰ و ۱۵.۰۰ دلار است، ارزانتر تمام میشود.
در همین حال، مدل جیپیتی ۵.۶ سول (GPT 5.6 Sol) همچنان با قیمتهای ۵ و ۳۰ دلار به ازای هر میلیون توکن ورودی و خروجی باقی مانده است و OpenAI در واقع قیمت برترین مدل خود یعنی نسخه ۵.۶ سول در حالت سریع (Fast mode) را به ترتیب به ۱۰ و ۶۰ دلار افزایش داده است تا همان سطح از هوشمندی را با تاخیر (Latency) کمتر ارائه دهد — و به طور مستقیم با دیگر مدلهای پرچمدار پیشرو مانند کلود فیبل ۵ (Claude Fable 5) و میثوس ۵ (Mythos 5) رقابت کند.
اما آیا هیچکدام از این اقدامات واقعاً برای OpenAI سودآوری به همراه خواهد داشت؟
سر رسیدن صورتحسابها
پس از اینکه OpenAI اوایل امسال اعلام کرد که ایده داشتن مراکز داده اختصاصی خود را عملاً کنار گذاشته است، قراردادهای اجارهای که با شرکتهای ابری نئوکلود (Neoclouds) داشت، بیش از همیشه اهمیت پیدا کرد. توافقنامههایی مانند تعهد عظیم پردازشی ۳۰۰ میلیارد دلاری با اوراکل (Oracle) برای بقای خدمات OpenAI به عنوان یک شرکت حیاتی شد.
اما اگر در آن زمان پرسشهایی درباره نحوه تأمین مالی چنین پروژهای توسط OpenAI وجود داشت، اکنون این پرسشها بسیار برجستهتر شدهاند. شرکت OpenAI در حال حاضر روی حسابهای مبتنی بر اشتراک خود پول از دست میدهد و اوایل امسال در تحقق اهداف داخلی خود برای کاربران فعال و درآمد ناکام ماند. و این اتفاق پس از از دست دادن دهها میلیارد دلار در سال ۲۰۲۵ رخ میدهد، آن هم با وجود اینکه درآمدها در طول سال به طور پیوسته در حال افزایش بوده است.
OpenAI تعهد داده است که تا سال ۲۰۳۰ حدود ۶۰۰ میلیارد دلار در زمینه پردازش هزینه کند. حتی اگر درآمدها در حال افزایش باشند، ممکن است به هیچ وجه با سرعتی که برای پوشش دادن اینگونه صورتحسابها لازم است رشد نکنند، و کاهش قیمت محبوبترین و مقرونبهصرفهترین مدلها نشان میدهد که حاشیه سود یا بهشدت کاهش خواهد یافت یا به کلی از بین خواهد رفت.
به همین دلیل است که احتمالاً صحبتهای زیادی درباره پشتیبانی انویدیا (Nvidia) از OpenAI با سرمایهگذاری ۲۵۰ میلیارد دلاری مطرح شده است. البته OpenAI 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 آنتروپیک اخیراً تنها به لطف یک قرارداد محدود با تخفیف با شرکت xAI برای اجاره مرکز داده کلوسوس (Colossus) توانسته است به درآمد سالانه سودآور دست پیدا کند.
اجرا یا ساخت هوش مصنوعی ناگهان ارزانتر نشده است، با این حال شرکتها در حال کاهش شدید قیمتها و عرضه مدلهای سریعتر و توانمندتر با بهای کمتر هستند. در ظاهر، این اعداد و ارقام به هیچ وجه با هم همخوانی ندارند.
جیورنس
بستهبندی روی پارادوکس ژِوُنْس
صنعت هوش مصنوعی اغلب هنگام صحبت درباره شتابدهی به پذیرش هوش مصنوعی و استفاده انبوه در بازار، به پارادوکس ژِوُنْس (Jevons Paradox) استناد میکند. در حالی که در دوران ژِوُنْس، ساخت موتورهای زغالسنگی کارآمدتر به جای کاهش مصرف زغالسنگ، به استفاده بیشتر از آن منجر شد، توسعهدهندگان هوش مصنوعی ادعا میکنند که با کارآمدتر شدن استفاده از هوش مصنوعی، کاربردهای بیشتری برای آن پیدا خواهد شد که به افزایش کلی مصرف میآید.
این ممکن است آیندهای باشد که کاهش قیمت توکنها امیدوار است ما را با شتاب به سمت آن سوق دهد. اگر توکنها ارزان باشند، مردم به طور کلی از آنها بیشتر استفاده خواهند کرد که به درآمدهای بالاتری منجر میشود. با افزوده شدن شتابدهندههای هوش مصنوعی نسل بعدی که تا پایان سال در مراکز داده هوش مصنوعی رایجتر میشوند، میتوانیم شاهد ۱۰ برابر توکن بیشتر به ازای هر وات باشیم که حاشیه سود کمتر را از طریق حجم بالا، سودآورتر میکند.
سپس باید منتظر ورا روبین (Vera Rubin) باشیم که انویدیا ادعا میکند افزایش ۱۰ برابری دیگر در بهرهوری عملکرد توکن ارائه خواهد کرد. قطعا این احتمال وجود دارد که مزایای پلتفرمهای بلکول (Blackwell) و ورا روبین، هوش مصنوعی را به یک صنعت بالقوه سودآورتر برای سرورهای استنتاج (Inference servers) تبدیل کند. اما حتی در آن صورت نیز، تصور اینکه شرکتهای بزرگ بتوانند چیزی نزدیک به سرمایهگذاریهای عظیم خود را از طریق درآمدهای مستقیم هوش مصنوعی پوشش دهند، بسیار دشوار است؛ بهویژه که افزایش رقابت باعث کاهش قیمتگذاری توکنها میشود.