// notifuturo · señal del futuro

El precio de la inteligencia

Cuánto cuesta la inteligencia artificial y a qué velocidad cambia. Datos abiertos, contados en español.

Costo · salida ↓

El costo de generar texto se desplomó

Precio de lista por millón de tokens (salida) de cuatro modelos de OpenAI que marcaron época, al momento de su lanzamiento. Escala logarítmica. No es una comparación a capacidad constante.

$0.10 $1 $10 $100 2021 2022 2023 2024 GPT-3 (davinci)2020-06 · $60/1MGPT-3 (davinci) text-davinci-0032022-11 · $20/1Mtext-davinci-003 GPT-3.5 Turbo2023-03 · $2/1MGPT-3.5 Turbo GPT-4o mini2024-07 · $0.60/1MGPT-4o mini
De $60 a $0.60 por millón de tokens en cuatro años — una caída de ~100×. Los modelos de máxima capacidad siguen costando más en cada momento; lo que cae es el precio de un modelo capaz.
▾ ver los datos
Datos del gráfico
FechaModeloUSD / 1M tokens
2020-06GPT-3 (davinci)$60
2022-11text-davinci-003$20
2023-03GPT-3.5 Turbo$2
2024-07GPT-4o mini$0.60
Cómputo · entrenamiento ↑

Cada récord entrena con más cómputo

Modelos que marcaron un récord: cada punto se entrenó con más cómputo (FLOP) que cualquier modelo anterior. Escala logarítmica. 32 récords desde 2010.

10^14 10^15 10^16 10^17 10^18 10^19 10^20 10^21 10^22 10^23 10^24 10^25 10^26 10^27 2010 2012 2014 2016 2018 2020 2022 2024 2026 6-layer MLP (MNIST)2010-03 · 1.3e+14 FLOP Feedforward NN2010-05 · 3.5e+14 FLOP iCCCP2010-06 · 1.1e+15 FLOP Pooling CNN (Caltech 101)2010-09 · 1.2e+15 FLOP Pooling CNN (NORB)2010-09 · 1.5e+15 FLOP KN5 LM + RNN 400/10 (WSJ)2010-09 · 1.7e+16 FLOP RNN LM2010-09 · 5.4e+16 FLOP Dropout (ImageNet)2012-06 · 2.7e+17 FLOP Unsupervised High-level Feature Learner2012-07 · 6.0e+17 FLOP DistBelief NNLM2013-01 · 2.6e+18 FLOP SPPNet2014-06 · 3.4e+18 FLOP VGG162014-09 · 1.2e+19 FLOP Seq2Seq LSTM2014-09 · 5.6e+19 FLOP SNM-skip2014-12 · 3.0e+20 FLOP AlphaGo Fan2015-10 · 3.8e+20 FLOP AlphaGo Lee2016-01 · 1.9e+21 FLOP GNMT2016-09 · 6.6e+21 FLOP ResNeXt-101 32x48d2018-05 · 8.7e+21 FLOP Megatron-BERT2019-09 · 2.2e+22 FLOP T5-11B2019-10 · 3.3e+22 FLOP AlphaStar2019-10 · 1.1e+23 FLOP Meena2020-01 · 1.1e+23 FLOP GPT-3 175B (davinci)2020-05 · 3.1e+23 FLOP Wu Dao 2.02021-05 · 1.5e+24 FLOP FLAN 137B2021-09 · 2.0e+24 FLOP GPT-3.5 (davinci-002) 2022-03 · 2.6e+24 FLOP Minerva (540B)2022-06 · 2.7e+24 FLOP GPT-4 (Mar 2023)2023-03 · 2.1e+25 FLOP Gemini 1.0 Ultra2023-12 · 5.0e+25 FLOP Grok 32025-02 · 3.5e+26 FLOP GPT-4.52025-02 · 3.8e+26 FLOP Grok 42025-07 · 5.0e+26 FLOPGrok 4
El cómputo de frontera crece de forma exponencial. Cada salto hacia arriba es un modelo entrenado con más potencia de cálculo que todo lo previo.
▾ ver los datos
Datos del gráfico
FechaModeloFLOP
2010-036-layer MLP (MNIST)1.3e+14
2010-05Feedforward NN3.5e+14
2010-06iCCCP1.1e+15
2010-09Pooling CNN (Caltech 101)1.2e+15
2010-09Pooling CNN (NORB)1.5e+15
2010-09KN5 LM + RNN 400/10 (WSJ)1.7e+16
2010-09RNN LM5.4e+16
2012-06Dropout (ImageNet)2.7e+17
2012-07Unsupervised High-level Feature Learner6.0e+17
2013-01DistBelief NNLM2.6e+18
2014-06SPPNet3.4e+18
2014-09VGG161.2e+19
2014-09Seq2Seq LSTM5.6e+19
2014-12SNM-skip3.0e+20
2015-10AlphaGo Fan3.8e+20
2016-01AlphaGo Lee1.9e+21
2016-09GNMT6.6e+21
2018-05ResNeXt-101 32x48d8.7e+21
2019-09Megatron-BERT2.2e+22
2019-10T5-11B3.3e+22
2019-10AlphaStar1.1e+23
2020-01Meena1.1e+23
2020-05GPT-3 175B (davinci)3.1e+23
2021-05Wu Dao 2.01.5e+24
2021-09FLAN 137B2.0e+24
2022-03GPT-3.5 (davinci-002) 2.6e+24
2022-06Minerva (540B)2.7e+24
2023-03GPT-4 (Mar 2023)2.1e+25
2023-12Gemini 1.0 Ultra5.0e+25
2025-02Grok 33.5e+26
2025-02GPT-4.53.8e+26
2025-07Grok 45.0e+26
Compartir

¿Te sirvió? Pásalo.

Estos datos casi no existen en español. Compartirlos es lo que ayuda a que crezca.

Compartir en X WhatsApp LinkedIn Copiar enlace