賢さが、安くなった。GPT-4oに見る「単価下落」の中身

賢さが、安くなった。

これは煽り文句ではなく、公開されている価格データが示す事実です。OpenAIが公表している料金表（https://openai.com/api/pricing/）を時系列で追うと、AIの「賢さの単価」がこの1年半でどれだけ下がったかが見えてきます。

数字で見る下落幅

2023年3月公開のGPT-4（8kコンテキスト）は、出力トークン100万あたり60ドルでした。同年11月のGPT-4 Turboで30ドルに下がり、2024年5月公開のGPT-4o（https://openai.com/index/hello-gpt-4o/）で15ドルです。最上位モデル同士で比較すると、GPT-4からGPT-4oへの約14か月で4分の1になった計算です。

さらに同年7月公開の廉価版GPT-4o mini（https://openai.com/index/gpt-4o-mini-advancing-cost-efficient-intelligence/）まで含めると、0.6ドルまで下がります。ただしこれはGPT-4（8k）という最上位・旧世代モデルと、GPT-4o miniという小型・廉価帯モデルを比較した数字であり、性能クラスが異なる点には注意が必要です。「同じ賢さが100分の1になった」のではなく、「最上位クラスは4分の1に、より軽量なクラスまで視野を広げれば100分の1の水準まで選択肢が広がった」というのが正確な言い方です。

それでも重要なのは、値下げと引き換えに性能が大きく犠牲になっているわけではない点です。OpenAIの発表によれば、GPT-4o miniは主要ベンチマークのMMLUで82.0%を記録しており（https://openai.com/index/gpt-4o-mini-advancing-cost-efficient-intelligence/）、同ページで比較対象とされているGPT-3.5 Turboの69.8%を上回っています。旧世代の主力モデルより安価な廉価モデルの方がスコアが高い、という逆転が起きているわけです。

この傾向はOpenAI一社に限りません。Googleのgemini-1.5-flashは100万トークンあたり入力0.075ドル・出力0.30ドル（https://ai.google.dev/pricing、2024年時点）、AnthropicのClaude 3 Haikuは入力0.25ドル・出力1.25ドル（https://www.anthropic.com/pricing、2024年時点）と、主要ベンダーがそろって低価格モデルを投入しています。なお、これらの価格は各社が随時改定しており、Haikuについても3.5世代の登場など後続モデルで条件が変わっている可能性があります。自社で試算する際は、必ず最新の料金表を確認してください。

なぜ下がるのか

この下落は値引き競争の結果というより、二つの技術的・構造的な要因が重なって起きていると考えられます。

一つは、モデルを動かすための計算量そのものを減らす工夫が進んだことです。大きなモデルの出力を小さなモデルに学習させて近い性能を再現する蒸留、推論時に全パラメータではなく必要な部分だけを働かせるアーキテクチャの改良、計算精度を落として演算量とメモリ消費を削る量子化など、同じ答えをより少ない計算資源で出す技術がここ数年で急速に実用段階に入りました。GPT-4o miniのような小型で安価なモデルが、旧世代の大型モデルに匹敵する性能を出せている背景には、こうした計算量削減の技術が支えていると考えられます。ただし、各社がどの手法をどのモデルに採用しているかは非公開であり、これは公開情報から推測できる範囲の説明です。計算量が減れば提供側の原価が下がり、価格を下げる余地が生まれる、という因果関係自体は妥当なものです。

もう一つは、複数のベンダーが同時に低価格モデルを投入する競争環境です。OpenAI、Google、Anthropicといった主要プレイヤーが横並びで性能を競う局面に入ると、差別化の軸は価格に移りやすくなります。一社が値下げすれば、顧客を維持するために他社も追随する。この繰り返しが、業界全体の価格を押し下げる方向に働いています。

つまり「賢さの単価が下がる」のは、計算量を減らす技術改良と、ベンダー間の価格競争という二つの要因が同時に働いた結果だと考えられます。過去1年半の実績を見る限り、この流れは一時的な値引きではなく、繰り返し起きてきた傾向だと言えます。ただし、今後も同じペースで下がり続けるかどうかは、この時系列データだけでは断定できません。

採算ラインが動いた業務

恩恵を受けやすいのは、処理量に比例して費用がかさむ業務です。顧客からの問い合わせへの一次対応、契約書のチェックや議事録の要約、社内マニュアルの整備など、テキスト量が多いほど従量課金の負担が重くなる用途では、単価が下がるほど、これまで「担当者が手すきの時間にやる」扱いだった作業を、日常的にAIへ任せられる範囲が大きく広がります。

ここで起きているのは、性能が上がって新しくできるようになったことが増えた、という話ではありません。技術的にはこれまでもできていた処理が、コスト面で「割に合う」計算に変わった、という点が重要です。導入の壁は技術力ではなく、費用対効果の計算式そのものにあったということです。

経営者が今確認すべきこと

過去1年半の実績を前提にすると、今すべきことは二つに整理できます。

一つは、以前「コストが見合わない」として保留した業務を洗い出し、現在の料金表で採算を計算し直すことです。半年前の見積もりは、すでに古い数字になっている可能性があります。

もう一つは、どの業務から着手するかの優先順位づけです。安くなったからといって全部を一気にAI化する必要はありません。処理量が多く、定型性が高い業務から着手するのが、投資対効果の面でも合理的です。

将来の価格がどこまで下がるかを確約することはできません。しかし、過去1年半で実際に起きた変化を踏まえれば、自社の業務を棚卸しし、「この価格ならやる」という採算ラインを持っておくことは、次の価格改定が来たときに即座に判断できる差になります。