Als Beispiel führen Luke Emberson und David Roodman OpenAIs o3 an: Anfang 2025 veranschlagen sie für eine Antwort auf dem Niveau von 75 Prozent im Wissenstest GPQA Diamond im Mittel 30 Cent. Knapp 18 Monate später erreichte GPT-5.6 Luna denselben Wert für 0,0004 Dollar – vier Hundertstel eines Cents je Frage.
Die 47 Prozent sind ein Mittel über fünf Bestenlisten: AIME OTIS Mock, Schachrätsel, FrontierMath Stufen 1 bis 3, GPQA Diamond und Mystery Game Puzzles. Bei Mathematikaufgaben fällt der Preis mit 50 bis 52 Prozent je Quartal schneller als bei Spielrätseln mit 39 bis 43 Prozent. Frisch erreichte Spitzenleistung verbilligt sich zunächst um 66 Prozent je Quartal, zwei Jahre später nur noch um 32 Prozent.
Eine zweite Messung kommt auf niedrigere Werte. Hans Gundlach, Jayson Lynch, Matthias Mertens und Neil Thompson vom MIT beziffern den Rückgang auf das Fünf- bis Zehnfache im Jahr; rechnet man Hardware-Preise und Wettbewerb heraus, bleibt rund das Dreifache an algorithmischer Effizienz. Zugleich steige der Preis, ein Spitzenmodell zu betreiben, jährlich um das Drei- bis Achtzehnfache – wegen größerer Modelle und längerer Denkschritte.
Deckungsgleich sind die beiden Arbeiten nicht. Das MIT-Papier wurde am 28. November 2025 eingereicht und am 23. März 2026 überarbeitet, Epochs Reihe reicht bis September 2026. Beide stützen sich auf Daten von Artificial Analysis und Epoch AI, wählen aber verschiedene Benchmark-Bündel: Das MIT misst Wissen, Schlussfolgern, Mathematik und Softwareentwicklung, Epoch nimmt Denksport hinzu.
Epoch nennt die Grenzen selbst: Benchmarks seien ein unvollkommener Ersatz für nützliche Arbeit, gezieltes Training auf bekannte Tests könne die Werte schönen, und reale Nutzer wechselten nicht bei jedem Modellstart das Werkzeug, wie die Rechnung unterstellt. Drei Jahre sind zudem eine kurze Messreihe.