北京
2026 年 7 月 10 日，Zenith AI 聯合創始人兼 CTO Przemek Chojecki 分享了一組關于前沿 AI 模型訓練成本的數據。
表 10：高情景（High-scenario）算力賬本成本
GPT 系列模型以 GB200 作為平臺代理，Claude 系列模型以 Trainium2 作為平臺代理，利用率參數 u = 0.35。
公開成本（Public cost） 為重置成本（replacement price），并非廠商實際開具的采購價格（vendor invoice）。
表 8：單次成功完成的基礎模型訓練（中位數）在公有云上的重置成本
GPT 系列模型以 GB200 作為平臺代理，Claude 系列模型以 Trainium2 作為平臺代理。
表中的區間僅反映硬件利用率（utilization）變化帶來的成本差異；后驗算力（posterior compute）本身的不確定性實際上更大。
數據顯示，在高情景（High-scenario）假設下：
OpenAI GPT-5.6 Sol 完整訓練路徑的算力成本約為 12.1 億美元（82 億元人民幣）；
Anthropic Fable 5 的 11.7 億美元（79.3 億元人民幣）。
估算結果顯示：
GPT-5.5 的完整訓練路徑算力成本約為 10.8 億美元；
GPT-5.4 為 5.5 億美元；
Anthropic Opus 4.8、Opus 4.7 和 Opus 4.6 分別約為 6.5 億美元、6.1 億美元和 3.2 億美元。
除了完整訓練路徑成本，研究還估算了模型完成一次基礎預訓練所需的算力成本。按照 GPU 利用率為 35%、采用 NVIDIA GB200 作為計算平臺的假設，
GPT-5.6 Sol 完成一次基礎預訓練約需 7290 萬美元；若 GPU 利用率介于 25% 至 45%，成本區間約為 5670 萬至 1.021 億美元。
研究同時統計了模型升級帶來的新增算力投入。
其中 GPT-5.6 Sol 相比 GPT-5.5 新增算力成本約為 1.7 億美元；Fable 5 的新增算力成本約為 11.6 億美元，幾乎占到其全部訓練路徑成本；Opus 4.8 的新增算力成本約為 7000 萬美元。
Przemek Chojecki 表示，上述數據屬于高情景下的上限估算，建立在模型規模、訓練過程以及硬件利用率等多項假設基礎之上。所有金額均按照公開市場算力價格測算，僅反映模型訓練消耗的算力資源，不代表 OpenAI 和 Anthropic 的實際研發投入，也不包含數據、人員、數據中心等其他成本。
云頭條聲明：如以上內容有誤或侵犯到你公司、機構、單位或個人權益，請聯系我們說明理由，我們會配合，無條件刪除處理。
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
