Yapay Zekâ Modellerinin Maliyeti Her Çeyrekte Yaklaşık Yüzde 50 Düşüyor

Yapay zekâ modellerinin belirli bir performans seviyesine ulaşma maliyeti, Epoch AI araştırmasına göre her çeyrekte yaklaşık yüzde 50 azalıyor. Araştırma kuruluşu, söz konusu düşüşün yıllık bazda yaklaşık 13 katlık maliyet avantajına karşılık geldiğini ve batarya teknolojisi, DNA dizileme ile bilgi işlem alanlarındaki tarihsel düşüşleri geride bıraktığını bildiriyor. Daha ucuz modeller kurumsal kullanımı genişletirken yapay zekâ sağlayıcılarının fiyatlandırma gücü üzerindeki baskıyı da artırıyor.

Yapay Zekâ Maliyetleri Tarihsel Teknoloji Eğrilerini Geride Bıraktı

Epoch AI, araştırmasında tüm yapay zekâ ürünlerinin ortalama satış fiyatını incelemek yerine belirli bir başarı seviyesine ulaşan modellerin çalışma maliyetini karşılaştırdı. Kuruluş, değerlendirme için bilimsel alanlarda lisansüstü düzeyde sorular içeren GPQA Diamond ölçütünü kullandı ve en az yüzde 81,25 başarı gösteren modellerin maliyetlerini izledi.

Bu yöntem, yalnızca model doğruluğundaki gelişimi değil, belirli bir yanıt kalitesinin hangi kaynaklarla sağlandığını da ortaya koyuyor. Yeni nesil bir model aynı soruyu daha az işlem gücü veya daha az token kullanarak çözebilirken sağlayıcıların verimlilik artışını fiyat indirimlerine yansıtması da toplam maliyeti düşürebiliyor.

Araştırmanın verdiği OpenAI örneği, değişimin boyutunu gösteriyor. Ocak 2025’te yayımlanan GPT o3, GPQA Diamond üzerinde yüzde 75 başarıya soru başına 0,30 dolar maliyetle ulaştı. Yaklaşık 18 ay sonra GPT-5.6 Luna’nın aynı başarı düzeyine soru başına 0,0004 dolarla ulaşabildiği bildirildi.

Bu karşılaştırma, yapay zekâ pazarında model kalitesinin tek başına yeterli bir rekabet ölçütü olmaktan çıktığını gösteriyor. Kodlama, bilimsel araştırma, kurumsal analiz ve otonom ajanlar gibi alanlarda performans önemini korurken aynı sonucu üretmenin maliyeti de satın alma kararlarında belirleyici hale geliyor.

Epoch AI, yapay zekâdaki maliyet düşüşünü lityum iyon bataryalar, bilgi işlem donanımları ve DNA dizileme teknolojileriyle karşılaştırdı. Araştırmaya göre lityum batarya maliyetleri 1991 ile 2024 arasında yaklaşık 100 kat gerilerken bilgi işlem maliyetleri 1940’tan başlayan yaklaşık 60 yıllık dönemde yüz milyarlarca kat azaldı.

DNA dizileme maliyetleri de yirmi yılı aşan süreçte önemli ölçüde düştü. Epoch AI, kendi ölçüm döneminde yapay zekâ kapasitesinin maliyetinin DNA dizilemeye kıyasla yaklaşık dört kat, lityum bataryalara kıyasla ise 18 kat daha hızlı gerilediğini hesapladı.

Araştırmacılar, karşılaştırmaların veri kapsamına ilişkin sınırlamalar bulunduğunu da belirtiyor. Yapay zekâ verileri 2023’te başlarken önceki dönemlere ait bazı değerler araştırmalardan ve tahminlerden türetiliyor. Bilgi işlem karşılaştırmasının 2001’de, elektrik maliyetlerine ilişkin verilerin ise 1973’te sona ermesi, sonraki teknolojik gelişmelerin değerlendirmeye tam olarak yansımadığı anlamına geliyor.

Epoch AI, matematik ve satranç problemlerini içeren farklı testlerde de benzer analizler gerçekleştirdi. Sonuçlar, yapay zekâ sistemlerinin her görevde aynı maliyet eğrisini izlemediğini ortaya koydu. Bazı testlerde düzenli iyileşmeler görülürken diğerlerinde uzun süreli durgunlukların ardından keskin fiyat düşüşleri yaşandı.

Frontier Math sonuçları, söz konusu değişkenliğin belirgin örneklerinden birini oluşturuyor. Testin maliyetleri 2025 ile 2026 arasında sınırlı değişim gösterdikten sonra 2026’nın ortasında hızla geriledi. Dolayısıyla tek bir ölçüm, bütün akıl yürütme görevlerinin maliyet gelişimini açıklamıyor.

Araştırma, maliyet düşüş hızının zaman içinde yavaşladığını da gösteriyor. Epoch AI’ın izlediği beş ölçütte başlangıçta çeyreklik yüzde 66 seviyesinde bulunan gerileme, iki yıl sonra yüzde 32’ye indi. Söz konusu oran hâlâ güçlü bir iyileşmeye işaret etse de çıkarım maliyetlerini daha fazla azaltmanın giderek zorlaştığını gösteriyor.

Veri merkezi kapasitesi, enerji tüketimi ve gelişmiş yapay zekâ donanımlarının fiyatı, sağlayıcıların maliyetlerini etkileyen fiziksel sınırlar arasında bulunuyor. Büyük modellerin çalıştırılması yoğun hesaplama gücü gerektirdiği için yazılım verimliliğindeki gelişmeler bütün altyapı giderlerini ortadan kaldırmıyor.

Epoch AI, model geliştiricilerinin belirli testlerde yüksek puan almak amacıyla eğitim süreçlerini optimize etmesi riskine de değiniyor. Sektörde “benchmaxxing” olarak adlandırılan yaklaşım, test sonuçlarını iyileştirirken gerçek kullanım senaryolarındaki kazanımların aynı ölçüde artmamasına yol açabiliyor.

Araştırma kuruluşu, bu etkiyi sınırlamak için bazı testlerde rastgele unsurlardan yararlandı. Söz konusu korumaların bulunmadığı ölçümlerde daha hızlı maliyet düşüşleri görülmesi, benchmark odaklı optimizasyonun sonuçları etkileyebildiğine işaret ediyor.

Bu nedenle performans ölçütleri, gerçek dünyadaki kullanım kalitesiyle birlikte değerlendirilmek zorunda. Özellikle kurumsal yazılımlar, araştırma süreçleri ve karmaşık ajan uygulamalarında doğruluk, güvenilirlik ve görev başarısı maliyet kadar önem taşıyor.

Düşen model fiyatları, şirketlere farklı bütçe ve iş yüklerine uygun alternatifler sunuyor. Bir işletme, daha pahalı ve yeni bir model yerine kendi görevlerinde benzer sonuçlar veren ekonomik bir sistemi tercih edebilir. Böyle bir değişim, büyük ölçekli model geliştirme yatırımlarını gelirle dengelemeye çalışan sağlayıcılar üzerinde fiyat baskısı oluşturabilir.

Ancak model fiyatlandırması, kurumsal satın alma kararlarının yalnızca bir bölümünü oluşturuyor. Mevcut yazılım entegrasyonları, güvenlik politikaları, çalışan alışkanlıkları ve sağlayıcıya duyulan güven de seçimleri etkiliyor. Bir sistemden diğerine geçiş, yazılım değişikliklerinin yanı sıra gizlilik ve güvenilirlik kontrollerinin yeniden yapılmasını gerektirebiliyor.

Epoch AI’ın bulguları, yapay zekâ performansına erişimin birçok müşterinin satın alma ve bütçe planlarını güncelleme hızından daha hızlı ucuzlayabildiğini gösteriyor. Önümüzdeki dönemde geliştiricilerin karşılaşacağı temel ticari mesele ise modellerin maliyeti gerilerken ürünlerin kullanım değerini ve kârlılığını korumak olacak.