Sunʼiy Intellekt Inferensiyasi Narxlari Indeksi (AI Inference Price Index, AIPI), sunʼiy intellekt modellarining faqat bir million token uchun eʼlon qilingan narxlarini emas, balki ushbu tokenlar sotib oladigan o‘lchangan model qobiliyatini ham hisobga oladigan narxni o‘lchash doirasidir. Cayman Seagraves va Stace Sirmans OpenRouterʼdagi eʼlon qilingan inferensiya narxlari va kundalik model foydalanishini Artificial Analysis benchmark ballari bilan moslashtirib, 2025-yil yanvar–2026-yil iyun davri uchun to‘rtta turli narx o‘lchovini yaratgan. Manba versiyasida bozorda qolishda davom etayotgan modellar narxi %6,5 oshgan bo‘lsa, doimiy o‘lchangan sifatga ko‘ra inferensiya narxi %51,9, foydalanuvchilar tanlagan model savatining qobiliyat birligiga xarajati %86,8 va doimiy benchmark chegarasidan oshadigan eng arzon modelga kirish narxi %99,4 pasayadi. Biroq bu natija ochiq API bozorining o‘lchovidir; xususiy korporativ shartnomalar, o‘z infratuzilmasida ishlatiladigan modellar, paket dasturiy taʼminot narxlari yoki real dunyo vazifasining umumiy bajarish xarajatini ifodalamaydi.

Tadqiqotning markaziy xulosasi shuki, token narxi bilan mashina qobiliyatining iqtisodiy narxi bir xil narsa emas. Eski modellar o‘rtacha hisobda jiddiy narx chegirmalarini qilmagan bo‘lsa ham, yangi modellar yuqoriroq o‘lchangan qobiliyatni pastroq xarajat bilan taqdim etishi va foydalanuvchilar ushbu modellarga o‘tishi mumkin. Shu tariqa bozordagi “intellekt narxi” alohida eski mahsulotlarning yorliq narxlaridan ko‘ra, qaysi modellar bozorga kirishi, narx-samaradorlik chegarasi qanday siljishi va foydalanish qaysi model avlodlariga ko‘chishiga ko‘proq bog‘liq bo‘ladi.

Mualliflarning talqini yana bir muhim cheklovni o‘z ichiga oladi: Artificial Analysis Intelligence Index real iqtisodiy natija yoki bir vazifaga to‘g‘ri keladigan unumdorlikning tabiiy fizik birligi emas. Tadqiqotda u model sifatini taqqoslashga xizmat qiladigan o‘lchangan benchmark xususiyatidir. Shu sababli doimiy-sifat va chegara indekslari kuchli narx o‘lchovini taqdim etsa-da, foydalanish bo‘yicha og‘irlangan “qobiliyat birligiga xarajat” qatori foydalanuvchilar amalda tanlagan model savatini ham aks ettiruvchi tavsifiy bozor-holati o‘lchovidir.

Iqtisodiy muammo: Nega token narxi o‘zi yetarli emas?

Sunʼiy intellekt inferensiyasi — oldindan o‘qitilgan modeldan so‘rovga javob yaratish uchun foydalanishdir. API provayderlari bu xizmatni ko‘pincha kirish va chiqish tokenlari bo‘yicha narxlaydi. Shu sababli bir qarashda “sunʼiy intellekt narxi” bir million token uchun dollar bilan o‘lchanishi mumkin. Muammo shundaki, turli modellar bir xil token miqdori bilan bir xil darajadagi mulohaza yuritish, kodlash, bilim yoki miqdoriy masala yechish qobiliyatini bermaydi. Yangi modeldagi bir million tokenlik foydalanish eski modeldagi bir million token bilan iqtisodiy jihatdan ayni xizmat oqimini anglatmasligi mumkin.

Tadqiqot shu sababli uch xil o‘zgarishni bir-biridan ajratish kerakligini taʼkidlaydi: bozorda allaqachon mavjud modellarning eʼlon qilingan narxlari o‘zgarishi, modellarning o‘lchangan sifati o‘zgarishi va foydalanuvchilar qaysi modellarni tanlashi o‘zgarishi. Xom token narxi bu uchta marjani bir-biriga aralashtirishi mumkin.

Sunʼiy intellekt inferensiyasida token narxi bilan “intellekt narxi” o‘rtasidagi farq nima?

Token narxi provayder hisob-kitob qiladigan matn birligining narxidir; tadqiqotdagi “intellekt narxi” esa maʼlum miqdordagi o‘lchangan benchmark qobiliyatini sotib olish uchun kerak bo‘ladigan iqtisodiy xarajatdir. Model sifati vaqt o‘tishi bilan tez o‘zgargani sababli bir xil token miqdori turli model avlodlarida turli miqdordagi o‘lchangan qobiliyatni berishi mumkin.

Tadqiqotning to‘rtta alohida narx o‘lchovi

Tadqiqotchilar bitta indeks barcha savollarga javob bermasligini tan olib, to‘rtta turli o‘lchovni yaratadi.

Maʼlumot manbalari va tanlanma

Eʼlon qilingan model narxlari OpenRouterʼdan olingan. OpenRouter turli provayderlarning modellariga umumiy API interfeysi orqali kirish imkonini beradigan inferensiya bozoridir. Tadqiqot har bir modelni tipik so‘rovni taxminan ifodalash uchun ishlatiladigan 3:1 kirish–chiqish token tarkibi bilan bir million token uchun aralash narx asosida umumlashtiradi. Joriy narxlar jonli katalogdan, tarixiy narxlar esa arxivlangan provayder va bozor narx sahifalaridan tuzilgan oylik narx snapshotlaridan olingan.

Modeldan foydalanish hajmi OpenRouterʼning kundalik model reytinglaridagi token hajmlaridan keladi. Shu tariqa tadqiqotchilar faqat bozorda qaysi modellar borligini emas, balki foydalanuvchilar qaysi modellardan amalda qanchalik foydalanayotganini ham kuzata oladi.

Sifatni o‘lchash uchun Artificial Analysis Intelligence Index ishlatilgan. Ushbu kompozit ball mulohaza yuritish, kodlash va miqdoriy benchmarklarni birlashtiradi. OpenRouter model nomlari bilan Artificial Analysis yozuvlari provayder va model nomiga asoslangan versiyalangan moslashtirish jadvali orqali bog‘langan; asosiy matnda bu moslashtirish bozor token hajmining taxminan %94 qismini qamrab olishi aytiladi.

Tanlanma sonlarining turli bo‘limlarda o‘zgarishi nomuvofiqlik emas. Asosiy hedonik narx paneli kengroq tanlanmadan foydalansa, ayrim yangi-tovar va benchmark barqarorlik tahlillari modelning benchmark eʼlon qilingan sanasidan oldingi narx kuzatuvlarini chiqarib tashlaydigan torroq “release-date guard”ni qo‘llaydi.

Hedonik doimiy-sifat narx indeksi

Doimiy-sifat narx indeksi model narxi benchmark qobiliyati bilan tizimli ravishda o‘zgarishi mumkinligini tan oladigan hedonik regressiyadan olinadi:

\[ \ln p_{m,t} = \theta \tilde{q}_m + \phi \tilde{q}_m^2 + \delta_{g(m)} + \tau_t + \varepsilon_{m,t} \]

Bu yerda \(p_{m,t}\), \(m\) modelining \(t\) narx snapshotidagi bir million aralash token uchun eʼlon qilingan narxidir. \(q_m\), Artificial Analysis intelligence score qiymati; \(\tilde{q}_m\) esa shu ballning tanlanma mediani atrofida markazlashtirilgan ko‘rinishidir. \(\delta_{g(m)}\) provayder doimiy effektlarini, \(\tau_t\) vaqt/snapshot doimiy effektlarini va \(\varepsilon_{m,t}\) izohlanmagan komponentni bildiradi.

Model sifati doimiy ushlab turilganda vaqt doimiy effektlari kuzatadigan harakat ayni o‘lchangan benchmark qobiliyati narxidagi o‘zgarishni beradi. Sifat tanlanma mediani atrofida markazlashtirilgani uchun \(\theta\), median sifat darajasidagi marjinal narx-sifat qiyaligini ifodalaydi.

Asosiy baholashda benchmark ballining bir ballga oshishi median sifat atrofida log narx bilan +0,059 bog‘liq va t-statistika 11,7. Kvadrat sifat hadi -0,0006 va t = -3,3. Ushbu manfiy ikkinchi darajali had sifat oshgani sari marjinal narx-sifat qiyaligi frontier hududiga tomon tekislanishini ko‘rsatadi. Regressiya 2.625 narx kuzatuvi va 313 modelni qamrab oladi; \(R^2 = 0,48\).

Sifat doimiy ushlab turilganda sunʼiy intellekt inferensiya narxi qancha pasaydi?

Yuklangan 26 Iyun 2026 manba versiyasida 2025-yil yanvar–2026-yil iyun oralig‘ida doimiy o‘lchangan benchmark sifatining hedonik inferensiya narxi %51,9 pasaygan; model-klasterli bootstrap bilan bildirilgan %95 ishonch oralig‘i taxminan -%64,5 bilan -%31,9 orasida.

Natija benchmark tanloviga bog‘liq yoki bog‘liq emasligi qanday tekshirildi?

Artificial Analysis faqat bitta joriy sifat ballini eʼlon qilgani sababli tadqiqotchilar har bir modelning tarixan aynan o‘sha sanada qanday benchmark balliga ega bo‘lganini to‘liq “as-of” vaqt qatori sifatida qayta qura olmaydi. Mualliflar bu cheklovni yashirish o‘rniga turli barqarorlik tekshiruvlari bilan chegaralaydi.

Mustaqil sifat o‘lchovi sifatida LMArena inson-afzalligi Elo ballari ishlatilganda ikki sifat reytingining mos tushgan modellardagi Spearman korrelyatsiyasi 0,85. LMArena bo‘yicha doimiy-sifat indeksi ayni kichik tanlanmada %68,7 pasayadi; shu modellarda Artificial Analysis asosidagi pasayish %65,6. Bu tekshiruv asosiy natija faqat bitta benchmark provayderining shkalasiga bog‘liq emasligini qo‘llab-quvvatlaydi.

Har bir qobiliyatning iqtisodiy narxi bir xilmi?

Yo‘q. Tadqiqotning eʼtiborga molik natijalaridan biri “intellekt” deganda bitta narxlanadigan xususiyatni faraz qilish yetarli emasligidir. Turli benchmark komponentlari alohida ishlatilganda 2025-yil yanvar–2026-yil iyun oralig‘ida o‘lchangan kodlash qobiliyatining doimiy-sifat narxi %68,6, MMLU-Pro keng bilim qobiliyati narxi %59,8 va GPQA yuqori darajadagi mulohaza yuritish qobiliyati narxi %61,1 pasaygan, matematika komponenti esa %41,9 oshgan.

Kodlash narxi korrelyatsiyasi 18 narx snapshotining 16 tasida matematika korrelyatsiyasidan yuqori. Shuning uchun tadqiqotchilar ushbu bozor va benchmark tuzilmasida o‘lchanayotgan “intellekt narxi” asosan kodlash va keng bilim qobiliyati narxini aks ettirishi haqida ogohlantiradi.

Nega model avlodlari klassik narx indekslarini qiyinlashtiradi?

Anʼanaviy moslashtirilgan-mahsulot narx indeksi bir xil mahsulotning ikki sanada narxini taqqoslaydi. Sunʼiy intellekt modellari bozorida esa tijoriy mahsulotlarning umri juda qisqa. Tadqiqotda oylik eng yuqori foydalanish darajasiga yetgach tanlanma ichida foydalanishni yo‘qotgan modellar orasida median tijoriy yarim umr atigi 2,0 oy, kvartillar oralig‘i 1–2 oy. Foydalanish bo‘yicha og‘irlangan median model yoshi 94 kun va median hisobda foydalanishning %82 qismi olti oydan yosh modellarga to‘g‘ri keladi.

Bundan tashqari, so‘nggi 30 kunlik oynada 90 kundan yosh modellar narxlangan va ballangan foydalanishning %70,9 qismini tashkil qiladi. Bunday tez mahsulot almashinuvida 2025-yil yanvarida sotilgan mahsulotlar bilan 2026-yil iyunida intensiv ishlatilgan mahsulotlarning umumiy to‘plami juda kichrayadi. Shu sababli faqat “bir xil modelni ikki sanada taqqoslaydigan” usul bozorning iqtisodiy jihatdan muhim qismini o‘tkazib yuborishi mumkin.

Narx-samaradorlik chegarasining siljishi

Manbaning 2-rasmi 2025-yil yanvar, 2025-yil oktabr va 2026-yil iyun narx snapshotlarida modellarni o‘lchangan qobiliyat va bir million token narxi fazosidagi joylashuvini ko‘rsatadi. Vaqt o‘tishi bilan yoshroq modellar yuqoriroq qobiliyat va pastroq xarajat kombinatsiyalari bilan quyi narx-samaradorlik qobig‘ini tashqariga suradi. Bu eski mahsulot o‘z narxini pasaytirishi bilan ayni mexanizm emas. Foydalanuvchi ayni qobiliyat darajasini bozordagi yangiroq mahsulot orqali arzonroq sotib olishi mumkin.

Iqtisodiy narx doirasi

Mualliflar modelning token boshiga o‘lchangan qobiliyatini \(q\), token boshiga marjinal hisoblash xarajatini \(c\) va xarajat ustidagi narxlash ko‘paytirgichini \(\mu \ge 1\) deb belgilaydi. Eʼlon qilingan token narxi:

\[ p = \mu c \]

Doira ichida bir birlik o‘lchangan qobiliyat narxi esa:

\[ P = \frac{p}{q} = \mu\frac{c}{q} \]

Ushbu tenglamaning logarifmik o‘zgarishi:

\[ \Delta\ln P = \Delta\ln\mu + \Delta\ln c - \Delta\ln q \]

ko‘rinishidadir. Tenglama qobiliyat birligiga narx faqat modelning eʼlon qilingan narxidan iborat emasligini aniqlashtiradi. Marjalar yoki marjinal hisoblash xarajati o‘zgarmasa ham token boshiga qobiliyat \(q\) oshsa, qobiliyat birligiga iqtisodiy narx \(P\) pasayishi mumkin. Tadqiqot \(\mu\) qiymatlarini strukturaviy baholamaydi; tenglama empirik natijalar qaysi iqtisodiy marjalardan tarkib topishi mumkinligini tartibga soluvchi doiradir.

Ochiq vaznli modellarning roli

Ochiq vaznli modellar foydalanuvchilar modelni tashqarida ishga tushira olishi yoki ochiq provayderlar orqali kirish imkoniga ega bo‘lsa, yopiq modellar uchun tashqi variant yaratishi mumkin. Tadqiqot doirasiga ko‘ra bu variant qobiliyat, kechikish, ishonchlilik va integratsiya jihatidan yetarlicha yaqin o‘rinbosar bo‘lsa, yopiq model provayderlarining narxlash kuchini cheklashi mumkin. Biroq maqola marjani to‘g‘ridan-to‘g‘ri baholamagani uchun “ochiq modellar narxlarni shuncha pasaytirdi” degan sababiy xulosa chiqarmaydi. Qo‘shimcha bo‘limdagi ochiq-vazn kirish hodisalari raqobat uchun tavsifiy diagnostik test sifatida taqdim etiladi.

Tadqiqot Usuli va Natijalari

Eʼlon qilingan narxni shakllantirish

Kirish va chiqish tokenlari turlicha narxlangani sababli asosiy tahlilda aralash narx quyidagi umumiy tuzilmaning 3:1 maxsus holati bilan tuziladi:

\[ p_{\text{blend}} = \frac{3p_{\text{in}} + p_{\text{out}}}{4} \]

Bu yerda \(p_{\text{in}}\) kirish token narxini, \(p_{\text{out}}\) chiqish token narxini bildiradi. Qo‘shimcha barqarorlik tahlilida faqat kirish, 1:1, 3:1, 10:1 va faqat chiqish og‘irliklari sinab ko‘rilgan. Doimiy-sifat narxidagi pasayish barcha variantlarda taxminan %49,3 bilan %53,8 oralig‘ida qoladi; foydalanuvchi savatining boshidan oxirigacha qobiliyat birligiga xarajat pasayishi esa taxminan %86,6 darajasida deyarli o‘zgarmaydi. Demak, asosiy natija muayyan kirish–chiqish token og‘irligi tanlovining mahsuli emas.

Beshta asosiy narx ko‘rsatkichini uyg‘unlashtirish

Bu jadval tadqiqotning “o‘lchov ponasi” deb atash mumkin bo‘lgan asosiy natijasini ko‘rsatadi. Ayni bozor uchun qaysi iqtisodiy obyekt doimiy ushlab turilishiga qarab narx o‘zgarishining yo‘nalishi va kattaligi jiddiy ravishda farq qiladi.

Sunʼiy intellekt qobiliyati xarajatining pasayishini eski modellar narx chegirmasi tushuntiradimi?

Yo‘q. Manba versiyasida davom etayotgan modellar narxi %6,5 oshgan bo‘lsa, zanjirlangan foydalanuvchi-savati dekompozitsiyasida davom etayotgan modellar narx o‘zgarishlari jami -178,8 log foiz punktlik xarajat pasayishining atigi taxminan -2,7 log foiz punktini tushuntiradi; asosiy harakat foydalanishning modellar o‘rtasida qayta taqsimlanishi va yangi model kirishlari bilan o‘zgaradigan mahsulot menyusidan keladi.

Zanjirlangan foydalanuvchi-savati dekompozitsiyasi

Mualliflar uzoqdagi ikki yakuniy nuqtani bevosita taqqoslash o‘rniga ketma-ket narx snapshotlari atrofidagi orqaga qarovchi foydalanish oynalarini zanjirlaydi. Bu dekompozitsiya daraja foiz o‘zgarishidan emas, \(100 \times \Delta\ln\) birlikdagi log foiz punktlaridan foydalanadi.

Bu yerda muhim metodologik ogohlantirish bor. Foydalanishning davom etayotgan modellar o‘rtasida qayta taqsimlanishi bilan “yangi kirish” komponentining aniq ulushi zanjirlash oralig‘iga bog‘liq. Taxminan 30 kunlik ketma-ket moslashtirishda sof kirish ulushi %39 bo‘lsa, kengroq oraliqlarda ilgari “yangi kirish” bo‘lgan model endi davom etayotgan model hisoblanishi mumkin. Shu sababli tadqiqot kirish va qayta taqsimlanish o‘rtasidagi bitta nisbatni strukturaviy haqiqat sifatida taqdim etmaydi.

Barqaror qoladigan xulosa ikki qismdan iborat: jami xarajat pasayishi katta va davom etayotgan modellarning o‘z narx o‘zgarishi hissasi har bir zanjirlash sxemasida deyarli yo‘q darajada. Oraliq o‘zgartirilganda jami taxminan -178,8 bilan -169,8 log foiz punkti orasida qoladi. Ketma-ket oraliq bootstrap tahlilida jami uchun %95 interval -183,8 bilan -173,4; davom etayotgan narx komponenti uchun -3,0 bilan -2,2 log foiz punkti.

Nega yakuniy nuqta taqqoslashlari chalg‘itishi mumkin?

Birinchi va oxirgi 30 kunlik foydalanish oynalarida narxi, sifat balli va foydalanishi birgalikda kuzatiladigan atigi bitta umumiy token to‘plami mavjud. Oxirgi nuqtadagi narxlangan va ballangan tokenlarning %98,5 qismi boshlang‘ich oynada bo‘lmagan modellardan keladi. Shu sababli bevosita birinchi-oxirgi dekompozitsiya matematik jihatdan deyarli barcha o‘zgarishni “kirish/chiqish/frontier” komponentiga yuklaydi. Mualliflar buni asosiy sababiy dekompozitsiya emas, balki uzoq muddatli umumiy qo‘llab-quvvatlash qanchalik yupqa ekanini ko‘rsatadigan diagnostika sifatida ishlatadi.

Model to‘plami va foydalanish og‘irliklarini doimiy qiluvchi tekshiruv

Bu tekshiruv boshqa yakuniy nuqta oynasidan foydalangani uchun -%86,8 asosiy kundalik boshidan oxirigacha statistikasi bilan ayni raqam emas. Ilmiy xabar esa bir xil: model kirishlari va foydalanuvchi migratsiyasi olib tashlansa, katta xarajat pasayishi yo‘qoladi.

Yangi mahsulotlarning narx indeksidagi roli: Feenstra/CES yondashuvi

Tadqiqot yangi model turlarining klassik moslashtirilgan-mahsulot indeksi o‘tkazib yuboradigan hissasini alohida Feenstra turidagi CES aniq narx indeksi bilan o‘lchaydi. Indeks ketma-ket davrlarda umumiy bo‘lgan modellar uchun Sato–Vartia moslashtirilgan mahsulot komponenti va quyidagi xilma-xillik tuzatishini o‘z ichiga oladi:

\[ \left( \frac{\lambda_t}{\lambda_{t-1}} \right)^{1/(\sigma-1)} \]

Bu yerda \(\lambda_\tau\), tegishli davr xarajatining ikkala davrda ham umumiy bo‘lgan modellarga ketgan ulushini; \(\sigma\), modellar o‘rtasidagi almashtirish elastikligini ifodalaydi.

Narx va o‘lchangan sifat bu bozorda yuqori darajada birga harakat qilgani sababli \(\sigma\) ishonchli baholab bo‘lmaydi. Tadqiqotchilar shu sababli turli kalibrlangan qiymatlarni hisobot qiladi.

Mutlaq kattalik \(\sigma\) faraziga bog‘liq; biroq moslashtirilgan mahsulot komponentining atigi %2,9 pasayishi va asosiy harakat xilma-xillik/yangi-tovar komponentidan kelishi barcha kalibratsiyalarda o‘zgarmaydi. Qiziq tomoni, \(\sigma \approx 10\) darajasidagi CES natijasi -%51,1 bilan mustaqil hedonik doimiy-sifat natijasi bo‘lgan -%51,9 ga juda yaqin.

Doimiy benchmark chegarasiga kirish narxi

Chegara indeksi maʼlum Artificial Analysis ballidan yuqori bo‘lgan eng arzon modelning eʼlon qilingan narxini kuzatadi. Narx minimum bo‘lgani uchun bitta juda arzon modeldan taʼsirlanishi mumkin. Manba shu sababli turli chegaralar va har safar bitta model chiqarib tashlanadigan leave-one-model-out tekshiruvlarini hisobot qiladi.

Bu natija juda katta bo‘lgani sababli tadqiqotchilar asosiy sarlavha o‘lchovi sifatida chegara indeksidan ko‘ra ehtiyotkorroq bo‘lgan -%51,9 lik hedonik doimiy-sifat indeksini oldinga chiqaradi.

Kundalik bozor-holati indeksi nimani ko‘rsatadi?

Kundalik indeks foydalanuvchilar tanlagan modellarning aralash narxi va foydalanish bo‘yicha og‘irlangan benchmark qobiliyatini birgalikda kuzatadi. 2025-yil birinchi chorakdan 2026-yil ikkinchi chorakkacha izchil choraklik o‘rtachalarga ko‘ra xom foydalanish bo‘yicha og‘irlangan xarajat taxminan %32 pasaygan, foydalanish bo‘yicha og‘irlangan o‘lchangan qobiliyat taxminan %110 oshgan va qobiliyat birligiga xarajat taxminan %68 pasaygan.

Kundalik o‘zgarishlarning buxgalteriya dekompozitsiyasida faqat eʼlon-narxi komponentining izohlangan variansdagi ulushi taxminan %0,2 bo‘lsa, foydalanish-narx-tarkibi komponenti taxminan %105,1 lik imzolangan hissa beradi; qobiliyat komponenti -%6,3 va qoldiq +%1,0. Bu qiymatlar buxgalteriya tuzilmasi sababli jami %100 ni beradi va foydalanish tarkibining ustunligini ko‘rsatadi. Bu tahlil sababiy narx shoki dekompozitsiyasi emas, kundalik bozor holatining tavsifiy buxgalteriyasidir.

Qisqa muddatli foydalanish talabi

Mualliflar model darajasidagi oylik foydalanish o‘zgarishini modelning eʼlon qilingan token narxidagi o‘zgarish bilan bog‘laydi:

\[ \Delta\ln U_{m,t} = -\eta\,\Delta\ln p_{m,t} + \lambda_t + u_{m,t} \]

\(U_{m,t}\) modeldan foydalanishni, \(p_{m,t}\) eʼlon qilingan token narxini, \(\lambda_t\) oy doimiy effektlarini va \(\eta\) narx-foydalanish elastikligini bildiradi.

Barcha modellar uchun nuqtaviy baho \(\eta = 0,40\). Boshqacha aytganda, %1 narx pasayishi taxminan %0,40 yuqori foydalanish bilan bog‘liq. Nolga nisbatan t-statistika 1,6; model-klasterli bootstrap %95 ishonch oralig‘i -0,15 bilan +0,90. Birlik elastiklik gipotezasiga nisbatan t = -2,5. Shu sababli natija “narx tushsa, foydalanish albatta shuncha oshadi” degan strukturaviy talab egri chizig‘i emas. Narx provayderlar kutayotgan talabga javob berishi mumkin va model ishga tushirishlari tasodifiy emas.

Sifat qatlamlarida nuqtaviy baholar past sifatli “commodity” modellar uchun 0,00, o‘rta qatlamda 0,60 va frontier modellarida 0,77; ammo qatlam bo‘yicha bootstrap ishonch oraliqlari nolni o‘z ichiga oladi.

To‘ldiruvchi kapital nega muhim?

Tadqiqotning konseptual qisqa muddatli talab doirasi quyidagicha:

\[ \ln Q_t = a - \eta_{SR}\ln P_t + b\ln K_t + e_t \]

Bu yerda \(Q_t\) sotib olingan o‘lchangan qobiliyatni, \(P_t\) qobiliyat birligiga narxni, \(K_t\) to‘ldiruvchi kapitalni, \(\eta_{SR}\) qisqa muddatli narx elastikligini bildiradi. To‘ldiruvchi kapital faqat jismoniy kapital degani emas; ilova kodi, prompt dizayni, baholash jarayonlari, xavfsizlik nazoratlari, maʼlumotga kirish va institutsional ishonch kabi unsurlarni moslashtirish vaqt olishi mumkin. Shu sababli o‘lchangan sunʼiy intellekt qobiliyati narxining tez pasayishi foydalanish bir vaqtning o‘zida aynan birga-bir nisbatda oshishini kafolatlamaydi.

AIPI iqtisodiy va moliyaviy tadqiqotlarda qanday ishlatilishi mumkin?

Tadqiqot AIPI qatorini firma, sektor, kasb yoki makroiqtisodiy maʼlumotlar bilan birlashtirish mumkin bo‘lgan sunʼiy intellekt kirish narxi sifatida loyihalaydi. Taʼsirlanishga asoslangan tipik ekonometrik dizayn quyidagicha yoziladi:

\[ y_{i,t} = \beta \left( E_i \times \Delta\ln AIPI_t \right) + \alpha_i + \gamma_t + \varepsilon_{i,t} \]

\(E_i\), firma, sektor yoki kasbning oldindan belgilangan sunʼiy intellektga taʼsirlanishini; \(y_{i,t}\) o‘rganilayotgan natijani; \(\alpha_i\) birlik doimiy effektlarini; \(\gamma_t\) vaqt doimiy effektlarini bildiradi. Vaqt effektlari AIPI ning umumiy darajasini yutgani sababli aniqlanadigan koeffitsiyent pasayayotgan sunʼiy intellekt kirish narxiga turli darajada taʼsirlangan birliklar o‘rtasidagi farqdan foydalanadi.

Mualliflar bu yerda muhim ogohlantirish beradi: sababiy talqin uchun \(E_i\) oldindan belgilangan bo‘lishi va ishlatiladigan AIPI komponenti haqiqiy narx o‘zgarishini ifodalashi kerak. Kundalik foydalanish bo‘yicha og‘irlangan bozor-holati indeksi asosan foydalanish tarkibi bilan harakat qilgani sababli sababiy narx dizaynlarida doimiy-sifat yoki doimiy-chegara narx komponentlari ko‘proq mos keladi.

12.000 tokenlik misol nimani anglatadi?

Tadqiqot doimiy benchmark chegarasi indeksini tushunarliroq birliklarga aylantirish uchun taxminan 12.000 aralash tokenlik katta so‘rovni misol qiladi. Eng arzon doimiy benchmark chegarasidan o‘tgan model bilan bunday so‘rovning eʼlon qilingan xarajati tanlanma boshida taxminan 0,32 AQSh dollari bo‘lgan bo‘lsa, oxirida taxminan 0,0002 AQSh dollariga tushadi.

Bu raqam “real vazifa xarajat indeksi” emas. Manba yakunlangan muayyan vazifa uchun amalda nechta token kerakligini kuzatmaydi. Demak, bu hisob faqat narx birligini konvertatsiya qilishdir; doimiy vazifalar savatini muvaffaqiyatli bajarish xarajatini tasdiqlamaydi.

Mehnat bozori qo‘llanilishi

Iqtisodiy narx qatorining mumkin bo‘lgan qo‘llanilishini ko‘rsatish maqsadida tadqiqot Revelioʼning ochiq kompaniyalardagi SOC-6 darajasidagi kasbiy ishga olish oqimlari va bandlik zaxiralarini 2021–2026 davrida O*NET asosidagi vazifa o‘lchovlari hamda sunʼiy intellektga taʼsirlanish o‘lchovlari bilan birlashtiradi. 2026 qisman yil bo‘lgani uchun ayniqsa ehtiyotkor talqin qilinadi.

Vazifa xususiyatlari birgalikda taqqoslangan tahlilda rutin qo‘l mehnati vazifasi koeffitsiyenti -0,102, t = -2,0; rutin bo‘lmagan analitik vazifa koeffitsiyenti +0,142, t = +4,0. Vazifa xususiyatlari bo‘yicha qoldiqlashtirilgan rutinlik koeffitsiyenti -0,010 va t = -0,3 gacha tushadi. Shu sababli natija oddiy “rutin kognitiv ishlar sunʼiy intellekt tomonidan almashtirildi” mexanizmiga keltirilmaydi; manba buni kengroq kasbiy yuqorilash/namuna o‘zgarishi sifatida talqin qiladi.

Ushbu mehnat bozori natijalari sunʼiy intellekt narxi pasayishining sababiy mehnat bozori taʼsirini isbotlamaydi. Panel kasb darajasida turli sunʼiy intellekt narx shoklarini taʼminlamagani uchun mualliflar bularni indeksdan qanday foydalanish mumkinligini ko‘rsatuvchi tavsifiy qo‘llanmalar sifatida taqdim etadi.

Tadqiqot qo‘llab-quvvatlaydigan xulosalar

• Ochiq API bozorida ayni o‘lchangan benchmark qobiliyatining narxi 2025-yil yanvar–2026-yil iyun oralig‘ida sezilarli darajada pasaygan.
• Bu pasayishni davom etayotgan eski modellarning umumiy narx chegirmalari bilan tushuntirib bo‘lmaydi.
• Yangi modellarning kirishi, narx-samaradorlik chegarasining siljishi va foydalanuvchi foydalanishining yangi model avlodlariga ko‘chishi o‘lchovning asosiy qismlaridir.
• Uzoq muddatli moslashtirilgan-mahsulot indekslari tez model almashinuvi sababli katta yangi-tovar/xilma-xillik marjasini o‘tkazib yuborishi mumkin.
• Turli qobiliyat sohalari bozorda bir xil tarzda narxlanmaydi.
• Doimiy-sifat pasayishi muqobil benchmark shkalalari, LMArena Elo va turli kirish–chiqish token narxi tarkiblari ostida ham saqlanadi.

Tadqiqot qo‘llab-quvvatlamaydigan xulosalar

• AIPI butun sunʼiy intellekt bozorining narx indeksi emas.
• Xususiy korporativ kelishuvlar, self-hosted inferensiya yoki paket dasturiy taʼminot narxi o‘lchanmaydi.
• Benchmark balli real dunyo unumdorligining mukammal yoki tabiiy iqtisodiy natija birligi emas.
• Foydalanish bo‘yicha og‘irlangan kundalik indeksdagi o‘zgarishni sof narx shoki sifatida talqin qilib bo‘lmaydi.
• Mehnat bozori munosabatlari sababiy ish yo‘qotish yoki ish yaratish dalili emas.
• Open-weight modellar maʼlum miqdorda narx pasayishini keltirib chiqargani strukturaviy tarzda baholanmaydi.
• Qobiliyat birligiga inferensiya narxi tashkilotning sunʼiy intellektni qabul qilish umumiy xarajati emas; maʼlumot, integratsiya, dasturiy taʼminot, baholash, xavfsizlik va to‘ldiruvchi kapital xarajatlari alohida mavjud.

Manba va Usul Haqida Izoh

Asl manba sarlavhasi: The Price of Intelligence

Mualliflar: Cayman Seagraves; Stace Sirmans.

PDF versiyasidagi muassasalar: Cayman Seagraves — Florida Atlantic University; Stace Sirmans — Auburn University.

Manba sanasi: 26 Iyun 2026.

Manba turi: Iqtisodiyot va moliya sohasida empirik narx o‘lchovi / ishchi hujjat-preprint. Tadqiqot peer-review qilingan jurnal maqolasi sifatida taqdim etilmasligi kerak.

Bibliografik versiya izohi: Foydalanilgan PDFning asl sarlavhasi “The Price of Intelligence” va tanlanmaning oxiri Iyun 2026. Keyingi SSRN yozuvi “The Price of Intelligence: A Hedonic Index for AI Capability” sarlavhasini olib, yanada keyingi reviziyani o‘z ichiga oladi. Ushbu Verianla matnidagi miqdoriy natijalar keyingi reviziyadan emas, yuklangan 26 Iyun 2026 PDF versiyasidan olingan.

DOI / SSRN identifikatori: Joriy bibliografik yozuvda DOI 10.2139/ssrn.7003679 va SSRN abstract 7003679 sifatida tasdiqlangan.

JEL tasnifi: O33, E31, C43, L86.

Manba kalit so‘zlari: artificial intelligence; inference cost; price index; new goods; economics; finance.

Narx va foydalanish maʼlumotlari: OpenRouter eʼlon narxlari, arxivlangan oylik narx snapshotlari va kundalik model foydalanish reytinglari.

Sifat maʼlumotlari: Artificial Analysis kompozit Intelligence Index; mustaqil barqarorlik tekshiruvlarida LMArena/Chatbot Arena text Elo.

Mehnat bozori qo‘llanilishi: Revelio ochiq kompaniyalar kasb maʼlumotlari; O*NET asosidagi Routine Task Intensity, AI Occupational Exposure va Eloundou GPT exposure o‘lchovlari.

Maʼlumotlardan foydalanish imkoniyati: Mualliflar hosil qilgan AI Inference Price Index qatorlari, versiyalangan model moslashtirish jadvali va jadval/rasmlarni yaratadigan qurish hamda tahlil kodi replikatsiya paketida eʼlon qilinadi. OpenRouter, Artificial Analysis, LMArena va Revelio kabi uchinchi tomon kirish maʼlumotlarini qayta tarqatish ularning o‘z foydalanish va litsenziya shartlariga bo‘ysunadi.

Litsenziya: PDF maqolaning o‘zi uchun ochiq qayta foydalanish litsenziyasini ko‘rsatmaydi. Maʼlumotlardan foydalanish imkoniyati bayonoti mualliflar hosil qilgan AIPI qatori, moslashtirish jadvali va tahlil/qurish kodi replikatsiya paketida Creative Commons Attribution litsenziyasi ostida eʼlon qilinganini bildiradi. Ushbu litsenziya uchinchi tomon xom kirish maʼlumotlariga avtomatik tarzda tatbiq etilmasligi kerak.

Moliyalashtirish: Yuklangan PDF versiyasida moliyalashtirish bayonoti xabar qilinmagan.

Manfaatlar to‘qnashuvi: Yuklangan PDF versiyasida alohida manfaatlar to‘qnashuvi bayonoti xabar qilinmagan.

Muallif hissalari: Yuklangan PDF versiyasida CRediT yoki batafsil muallif hissasi bayonoti xabar qilinmagan.

Corresponding author: PDF izohida Stace Sirmans uchun e-mail manzili berilgan; alohida “corresponding author” yorlig‘i aniq yozilmagan.

Asosiy metodologik cheklovlar: Tanlanma ochiq OpenRouter API bozori bilan cheklangan. Xususiy korporativ shartnomalar, self-hosted inferensiya va paket dasturiy taʼminot narxlari kuzatilmaydi. Artificial Analysis har bir model uchun faqat bitta joriy sifat ballini bergani sababli to‘liq tarixiy “as-of” benchmark qatori qayta tiklab bo‘lmaydi. Foydalanish bo‘yicha og‘irlangan indeks narx va model tanlovini birga olib yuradi. Feenstra/CES tahlilidagi almashtirish elastikligi maʼlumot ichida ishonchli aniqlanmagani sababli kalibrlanadi. Foydalanish elastikligi va mehnat bozori natijalari tavsifiy bo‘lib, sababiy strukturaviy baholar sifatida talqin qilinmasligi kerak.

Manba rasmlarining ilmiy roli: Asosiy 1-rasm davom etayotgan model narxi, doimiy-sifat xarajati va yosh model foydalanishini yonma-yon ko‘rsatadi. 2-rasm narx-samaradorlik chegarasining yangi model avlodlari bilan siljishini ko‘rsatadi. 3-rasm turli narx indekslarining ayni bozor uchun qanday ajralishini ko‘rsatadi. 4-rasm foydalanuvchi-savati xarajat pasayishining zanjirlangan dekompozitsiyasini, 5-rasm esa foydalanishning yosh model avlodlariga ko‘chishini va bu avlodlarning o‘lchangan qobiliyat birligiga pastroq xarajatini ko‘rsatadi. Qo‘shimcha rasmlar bootstrap noaniqligi, benchmark chegaralari, model oilasi tarkibi, tijoriy yarim umr, CES yangi-tovar tuzatishi va mehnat bozori qo‘llanilishlarini sinaydi.