De Math-release van OpenAI en de kosten van AI-onderzoek
Bijgewerkt October 8, 2026 · eerst gepubliceerd October 8, 2026
De wiskunderelease van OpenAI van 6 oktober is een bruikbaar voorbeeld voor kostengovernance, geen publieke prijsbenchmark. Het bedrijf zegt dat het gemiddelde resultaat compute gebruikte die gelijk staat aan ongeveer drie uur ChatGPT Pro-denken, maar publiceert geen API-prijs per resultaat voor het interne model. Finance-teams moeten experimentuitgaven, reviewinspanning en geverifieerde resultaten apart volgen in plaats van dat computeequivalent om te rekenen naar een verzonnen dollarbedrag.
Wat OpenAI openbaarde
OpenAI publiceerde 722 wiskundige manuscripten, gegroepeerd in 372 families, naast enkele Lean-formalisaties en details over het onderzoeksproces. Het zegt dat het gemiddelde resultaat compute gebruikte die gelijk staat aan ongeveer drie uur ChatGPT Pro-denken. De repository zegt ook dat de collectie resultaten in verschillende stadia van verificatie bevat en dat sommige niet-geformaliseerde resultaten fouten kunnen bevatten. Zie de release note van OpenAI en de onderzoeksrepository voor het bronmateriaal.
Deze mededelingen beschrijven onderzoeksoutput en een bij benadering computeequivalent. Ze geven niet het API-tarief van het interne model, exacte metering per manuscript, een omrekening van Pro-compute naar dollars of een onafhankelijk geverifieerd slagingspercentage. Een financieel model moet die onbekenden zichtbaar houden.
Behandel een computeequivalent niet als prijs
Een tijdequivalent van een consumentenabonnement is niet hetzelfde als gemeten API-gebruik. Het kan een nuttige manier zijn om schaal te communiceren, maar de openbare mededeling noemt geen tokenaantal, hardwaretoewijzing, marginale servicekosten of factureerbare eenheid. Drie uur vermenigvuldigen met een geraden uurtarief voor een GPU zou precisie suggereren die de bron niet ondersteunt.
Gebruik voor een inzetbare workload de werkelijke factureringsgegevens van de aanbieder of je eigen geïnstrumenteerde inferentiegrootboek. Leg voor een niet-uitgebracht intern model het gepubliceerde computeequivalent vast als aparte onderzoekseenheid en label elke interne verrekenprijs als aanname. Zet die aanname niet naast waargenomen factuurkosten zonder duidelijk onderscheid.
Meet het werk dat de review overleeft
Bij onderzoeksprogramma's beloont een ruw outputaantal volume, ook als resultaten gecorrigeerd moeten worden of niet herbruikbaar zijn. Combineer uitgaven met een acceptatietrechter:
- Geprobeerd: onderzoeksproblemen of hypotheses die naar het systeem zijn gestuurd.
- Kandidaat: outputs die een eerste technische screening doorstaan.
- Geverifieerd: resultaten die onafhankelijk zijn gecontroleerd door een gekwalificeerde reviewer of bewijschecker.
- Herbruikbaar: geverifieerde resultaten die in een paper, product of vervolgworkflow terechtkomen.
Rapporteer compute- of API-uitgaven per geprobeerd probleem en per geverifieerd resultaat. Reken reviewertijd, orkestratie, opslag en vervolgruns mee als de beslissing over de totale programma-economie gaat. Houd mislukte pogingen en revisies in de noemer; ze weglaten laat de eenheidskosten kunstmatig laag lijken. Voor bredere definities, zie kosten per geslaagde taak en kostenvolging voor redeneermodellen.
Zet budgetpoorten rond onderzoeksruns
Stel vóór een pilot een projectplafond in, een maximale uitgave of computeruimte per probleem en een reviewmoment vóór de volgende batch. Stop of pauzeer de run wanneer een van drie voorwaarden zich voordoet: het budget per werkeenheid is op, het tempo van onafhankelijk geaccepteerde resultaten zakt onder de afgesproken ondergrens, of reviewers kunnen outputs niet snel genoeg valideren om bij te blijven.
Vergelijk bij elk controlemoment de marginale kosten van de volgende batch met de waarde van de al geverifieerde resultaten. Houd aparte eigenaren voor de technische acceptatiebeslissing en de budgetuitzondering. Een grote batch plausibel ogende outputs is op zichzelf geen bewijs om het plafond te verhogen.
Wat finance vandaag kan concluderen
De aankondiging maakt wetenschappelijk werk met veel compute tot een concreet planningsscenario. Ze stelt geen commerciële prijs, zakelijke ROI of kosten per geverifieerd antwoord voor een productieworkload vast. Gebruik de release nu om het grootboek en de reviewpoorten te definiëren die je zou eisen voordat je een vergelijkbaar programma goedkeurt. Zodra werkelijk gebruik en geverifieerde uitkomsten beschikbaar zijn, vervang je de computeequivalent-proxy door gemeten kosten. Een begeleidende gids legt uit hoe je die kosten toewijst aan onderzoeksprojecten en resultaten: kostentoewijzing voor AI-onderzoek.
FAQ
Hoeveel compute gebruikte een gemiddeld wiskundig resultaat van OpenAI?
OpenAI zegt dat het compute gebruikte die gelijk staat aan ongeveer drie uur ChatGPT Pro-denken. Dit is geen gepubliceerde dollarkost of API-prijs per resultaat.
Kan finance de dollarkosten uit dat getal schatten?
Niet uit de openbare mededeling alleen. Die noemt niet de API-prijs van het interne model, tokens per resultaat of een omrekenkoers van het Pro-computeequivalent naar dollars.
Wat moet FinOps meten bij AI-onderzoek?
Volg werkelijke compute- of API-kosten, pogingen, onafhankelijk geverifieerde resultaten, reviewinspanning en herbruikbare outputs. Rapporteer kosten per geverifieerd resultaat naast de totale uitgaven, en label schattingen apart van factuurgegevens.
Gerelateerd
Gerelateerd
Wilt u dit toepassen op uw stack? Neem leveranciersfacturen, gatewaylogs en de belangrijkste workflows mee; we brengen kostenfactoren en besparingskansen in kaart. Plan een gratis audit →