这份报告研究了什么?
年度多源研究汇编,无统一受访样本;本条取技术基准与推理价格,不将企业调查外推为创业成功率。
值得关注的数据
同等基准表现的推理成本下降
官方PDF第65页(Inference Cost);2022年11月至2024年10月,达到GPT-3.5级MMLU表现的模型调用价格比较。
跨过60% MMLU门槛的较小模型参数量
官方PDF第100页(Small Language Models);2022年PaLM与2024年Phi-3-mini比较,约缩小142倍;并非所有任务性能相同。
如何用到你的副业项目?
- 编辑建议:选一个熟悉行业的重复任务,先约定正确输出与人工复核标准。
- 编辑建议:用同一组获授权样本比较大小模型,记录错误与修正时间。
- 编辑建议:合并API、重试、存储和人工成本,核算每次合格交付的成本。
以上是我们基于研究提出的验证建议,不是发布机构对具体项目的背书。
这些数字不能说明什么?
- 基准表现不能替代真实业务测评;历史调用价格不等于当前报价或完整运行成本。
原始来源与版权
Stanford HAI / AI Index · Artificial Intelligence Index Report 2025
站内为独立中文摘要与编辑分析,封面由 AixSolo 设计,不是发布机构的官方封面。完整论证、图表、样本与最新勘误请以原报告为准。原报告版权归发布方所有。
前往官方来源(在新标签页打开)