論文の概要: The Price of Intelligence: A Quality-Adjusted Price Index for AI Services

• arxiv url: http://arxiv.org/abs/2608.29843v1
• Date: Sun, 30 Aug 2026 15:17:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-01 18:31:31.08881
• Title: The Price of Intelligence: A Quality-Adjusted Price Index for AI Services
• Title（参考訳）: インテリジェンスの価格:AIサービスの品質調整価格指数
• Abstract要約: 本稿では、公開データからAI推論市場の品質調整価格指標を構築する。 3,208モデルと86プロバイダにわたる21,024のポスト価格観測を組み立てている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Posted prices for AI inference have fallen steadily since 2024, yet the measured speed of that fall depends almost entirely on the method of measurement. This paper constructs quality-adjusted price indices for the AI inference market from public data. The panel assembles 21,024 posted-price observations across 3,208 models and 86 providers and joins them to 4,605 benchmark scores through a latent quality index estimated from benchmark response patterns, so the quality ladder of the hedonic tradition is built here from evaluations in place of product characteristics. Measured by the matched-model methods that statistical agencies apply to software, inference prices fell at 0.10 log points a year. The quality-adjusted index fell at 0.73, so 87% of the decline is invisible to current methods, with direct consequences for measured competition, concentration and productivity in this market. Counted per completed task, moreover, the buyer's price stopped falling. Reasoning models raised token consumption faster than token prices fell, and the seller's and buyer's prices accordingly diverged. A pre-registered validity audit disciplines the quality measure and yields the sharpest result. Excluding contamination-flagged benchmarks leaves model rankings intact at 0.998 yet moves the index by 0.49 log points a year, so the leaderboard-stability arguments standard in AI evaluation offer no defence of economic statistics built on benchmarks. Prices, quality and the audit are fully reproducible from public sources at zero cost.
• Abstract（参考訳）: AI推論の投稿価格は2024年以来着実に下がっているが、その測定速度は、ほぼ完全に測定方法に依存している。 本稿では、公開データからAI推論市場の品質調整価格指標を構築する。 パネルは3,208モデルと86プロバイダにわたる21,024のポスト価格観測を組み立て、ベンチマーク応答パターンから推定される潜在品質指標を通じて4,605のベンチマークスコアと結合する。 統計機関がソフトウェアに適用するマッチングモデルによって測定された予測価格は、年間0.10ログポイントに低下した。 品質調整指標は0.73に低下したので、現在の手法では87%の減少は目に見えず、この市場での競争力、集中力、生産性の直接的な影響がある。 完了したタスクごとにカウントされ、さらに買い手の価格が下がった。 推論モデルはトークンの価格が下落するよりも早くトークン消費を上昇させ、売り手と買い手の価格が変動した。 事前登録された妥当性監査は、品質指標を規律し、最も鋭い結果を得る。 汚染フラグ付きベンチマークを除くと、モデルランキングは0.998のままだが、インデックスを1年に0.49ログポイント移動させるため、AI評価におけるリーダーボード-安定性の議論標準は、ベンチマーク上に構築された経済統計の防衛を提供しない。 価格、品質、監査は、公的な情報源からゼロコストで完全に再現可能である。

関連論文リスト

• One Capability or Many? Testing the Economic Validity of Frontier AI Evaluation [0.0]
  ベンチマークが一般的なテストテイクとは異なる能力を測定するかどうかをテストする。 経済ベンチマークは、主に日付駆動の一般的な要因に漸進的な予測情報を追加する。 リーダーボードは依然として全体的な進歩のための健全なガイドだが、数ヶ月後にリリースされたモデル間のギャップのほとんどはカレンダーである。
  論文  参考訳（メタデータ） (2026-08-29T19:55:20Z)
• Evaluating and Pricing Advertisements in AI-Generated Responses [5.675676304782969]
  主な課題は、クリックスルーインテント、行動ログが利用できないこと、人間のアノテーションが校正に抵抗すること、フロンティアのLLM判事がインテントを言語的な流布と説明することである。 心理学的基盤を持つエージェント・シミュレーション・フレームワークを用いて、欠落した監視を構築、クリックスルー意図を予測するパラメータ効率評価器に分解し、スムーズで微分可能な見積もりとして、広告品質の3つの相補的な次元と合わせて構成する。 我々は価格層を直接構築し、真理入札が最適であるユニークな支払いルールを導出し、それを最高のk割当で示し、そのメカニズムを非モノトン割当に拡張する。
  論文  参考訳（メタデータ） (2026-07-30T05:07:27Z)
• The Benchmark Ceiling: Human Judgment, Evaluation Scarcity, and the Political Economy of AI Capability Measurement [3.454746149471207]
  本稿では、フロンティアAIベンチマークの有効性は、その構築に埋め込まれた人間の判断の質の関数であると主張している。 基礎モデルが既存の評価スイート上での天井性能に近づくにつれ、識別信号は最も厳しいベンチマーク項目に集中する。
  論文  参考訳（メタデータ） (2026-06-04T04:34:57Z)
• Kalimati Vegetable Price Index Forecasting with a Momentum Corrected Online Stacking Ensemble [0.0]
  Kalimati Vegetable Price Indexは10年以上にわたってKathmanduから毎日135品目を集めている(2013-2023) 祭りのリードラグ効果、ローリング統計、カレンダー変数など、64の因果的有効機能の豊富なセットが開発された。 統計的,木ベース,ディープラーニング,ハイブリッド,トランスフォーマーアーキテクチャにまたがる14の予測モデルを厳格に評価した。
  論文  参考訳（メタデータ） (2026-05-29T01:25:32Z)
• The Price Reversal Phenomenon: When Cheaper Reasoning Models End Up Costing More [76.93600828673503]
  リストAPIの価格設定は、実際のコストに対する信頼性の低いプロキシである。 思考トークンのコストの削減は、ランキングの反転を70%削減します。 この結果から,コスト意識モデル選択と透過的な要求毎のコスト監視の必要性が示唆された。
  論文  参考訳（メタデータ） (2026-03-25T06:07:39Z)
• A Benchmark of Causal vs Correlation AI for Predictive Maintenance [0.0]
  本研究では,1万台のCNCマシンを用いて,ベースライン統計手法から公式因果推論手法まで,8つの予測モデルを評価する。 公式因果推論モデル(L5)は、年間116万USD(70.2%の削減)のコスト削減を達成し、相関ベースの決定木モデル(L3)を年間約80,000USDで上回った。
  論文  参考訳（メタデータ） (2025-11-30T23:59:37Z)
• NAIPv2: Debiased Pairwise Learning for Efficient Paper Quality Estimation [58.30936615525824]
  本稿では,紙の品質評価のための非バイアスで効率的なフレームワークであるNAIPv2を提案する。 NAIPv2は、レビューアレーティングの不整合を低減するために、ドメイン年グループ内でペアワイズ学習を採用している。 これはペアワイズ比較に基づいてトレーニングされるが、デプロイ時に効率的なポイントワイズ予測を可能にする。
  論文  参考訳（メタデータ） (2025-09-29T17:59:23Z)
• Cost-Optimal Active AI Model Evaluation [71.2069549142394]
  生成AIシステムの開発には、継続的な評価、データ取得、アノテーションが必要である。 我々は、安価だがしばしば不正確で弱いレーダの使用を積極的にバランスさせる新しいコスト認識手法を開発した。 我々は、弱者と強者の間で所定のアノテーション予算を割り当てるためのコスト最適化政策のファミリーを導出する。
  論文  参考訳（メタデータ） (2025-06-09T17:14:41Z)
• Early-Exit and Instant Confidence Translation Quality Estimation [46.13074343863971]
  本研究では,(1)スケールにおける品質推定のコスト削減,(2)品質推定のための安価な不確実性推定手法の開発,という2つの課題に対処する。 後者に対処するため,従来の手法の性能を若干のコストで一致させる不確実性を考慮した品質評価モデルであるInstant Confidence COMETを導入する。 我々はこれを、初期のモデル層ですでに品質スコアと関連する信頼度を計算できる品質評価モデルであるEarly-Exit COMETに拡張し、計算の早期実行と評価コストの削減を可能にします。
  論文  参考訳（メタデータ） (2025-02-20T10:27:13Z)
• Position: AI Evaluation Should Learn from How We Test Humans [65.36614996495983]
  人間の評価のための20世紀起源の理論である心理測定は、今日のAI評価における課題に対する強力な解決策になり得る、と我々は主張する。
  論文  参考訳（メタデータ） (2023-06-18T09:54:33Z)
• Self-Evaluation Guided Beam Search for Reasoning [61.523627290397556]
  我々は,Large Language Model (LLM) の推論プロセスのガイドと校正を行うための段階的自己評価機構を導入する。 本稿では,ビームサーチによる自己評価ガイダンスを統合した復号アルゴリズムを提案する。 我々のアプローチは、GSM8K、AQuA、StrategyQAにおいて、対応するCodexバックボンドベースラインをわずかに精度6.34%、9.56%、および5.46%で上回る。
  論文  参考訳（メタデータ） (2023-05-01T02:37:59Z)
• Using Sampling to Estimate and Improve Performance of Automated Scoring Systems with Guarantees [63.62448343531963]
  本稿では,既存のパラダイムを組み合わせることで,人間が知能的に収集する応答をサンプリングする手法を提案する。 比較的少ない予算で精度(平均19.80%)と二次重み付きカッパ(平均25.60%)の顕著な増加を観察した。
  論文  参考訳（メタデータ） (2021-11-17T05:00:51Z)
• Stock Price Prediction Under Anomalous Circumstances [81.37657557441649]
  本稿では,異常な状況下での株価の変動パターンを捉えることを目的とする。 ARIMAとLSTMのモデルは、シングルストックレベル、業界レベル、一般市場レベルでトレーニングします。 2016年から2020年にかけての100社の株価に基づいて、平均予測精度は98%に達した。
  論文  参考訳（メタデータ） (2021-09-14T18:50:38Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。