Релиз OpenAI по математике и затраты на исследования
Обновлено October 8, 2026 · впервые опубликовано October 8, 2026
Математический релиз OpenAI от 6 октября — полезный пример управления затратами, а не публичный ценовой ориентир. Компания утверждает, что средний результат использовал вычислительные ресурсы, эквивалентные примерно трём часам мышления ChatGPT Pro, но не публикует цену API за результат для внутренней модели. Финансовым командам стоит отслеживать расходы на эксперименты, усилия на проверку и подтверждённые результаты отдельно, а не переводить этот эквивалент вычислений в выдуманную сумму в долларах.
Что раскрыла OpenAI
OpenAI опубликовала 722 математических рукописи, сгруппированных в 372 семейства, а также некоторые формализации на Lean и подробности о своём исследовательском процессе. Она сообщает, что средний результат использовал вычисления, эквивалентные примерно трём часам мышления ChatGPT Pro. В репозитории также сказано, что коллекция включает результаты на разных стадиях проверки и что некоторые неформализованные результаты могут содержать ошибки. Исходные материалы — это релиз-нота OpenAI и исследовательский репозиторий.
Эти раскрытия описывают результаты исследований и примерный эквивалент вычислений. Они не дают ставку API внутренней модели, точного учёта по каждой рукописи, пересчёта вычислений Pro в доллары или независимо проверенный процент успеха. Финансовая модель должна держать эти неизвестные на виду.
Не считайте эквивалент вычислений ценой
Мера эквивалента во времени для потребительского тарифа — не то же самое, что измеренное использование API. Она может помочь передать масштаб, но публичное раскрытие не указывает количество токенов, выделение оборудования, предельную стоимость обслуживания или тарифицируемую единицу. Умножение трёх часов на предположительную почасовую ставку GPU подразумевало бы точность, которую источник не подтверждает.
Для развёртываемой нагрузки используйте реальные данные биллинга провайдера или собственный инструментированный журнал инференса. Для неопубликованной внутренней модели фиксируйте раскрытый эквивалент вычислений как отдельную меру исследовательской единицы и помечайте любую внутреннюю трансфертную цену как допущение. Не ставьте это допущение рядом с наблюдаемыми затратами по счетам без чёткого различия.
Измеряйте работу, которая переживает проверку
В исследовательских программах простой подсчёт результатов поощряет объём, даже если результаты нужно исправлять или их нельзя переиспользовать. Сопоставляйте расходы с воронкой приёмки:
- Попытки: исследовательские задачи или гипотезы, отправленные в систему.
- Кандидаты: результаты, прошедшие первичный технический отбор.
- Проверенные: результаты, независимо проверенные квалифицированным рецензентом или верификатором доказательств.
- Пригодные к повторному использованию: проверенные результаты, которые попали в статью, продукт или последующий workflow.
Отчитывайтесь о расходах на вычисления или API на одну попытанную задачу и на один проверенный результат. Включайте время рецензентов, оркестрацию, хранение и последующие запуски, если решение касается общей экономики программы. Оставляйте неудачные попытки и правки в знаменателе: их исключение делает удельную стоимость искусственно низкой. Более широкие определения см. в статьях стоимость успешной задачи и учёт затрат на модели рассуждения.
Ставьте бюджетные ворота вокруг исследовательских запусков
Перед пилотом задайте потолок проекта, максимальный расход или лимит вычислений на задачу и точку проверки перед следующей партией. Останавливайте или приостанавливайте запуск, когда наступает одно из трёх условий: исчерпан бюджет рабочей единицы, доля независимо принятых результатов падает ниже согласованного минимума или рецензенты не успевают валидировать результаты.
На каждой контрольной точке сравнивайте предельную стоимость следующей партии с ценностью уже проверенных результатов. Держите разных ответственных за техническое решение о приёмке и за исключение из бюджета. Большая партия правдоподобно выглядящих результатов сама по себе не является доказательством для повышения лимита.
Что финансы могут заключить сегодня
Объявление делает научную работу с высокими вычислительными затратами конкретным сценарием планирования. Оно не устанавливает коммерческую цену, корпоративный ROI или стоимость проверенного ответа для производственной нагрузки. Пока используйте релиз, чтобы определить журнал учёта и ворота проверки, которые вы потребовали бы перед одобрением похожей программы. Когда появятся реальные данные использования и проверенные результаты, замените прокси в виде эквивалента вычислений измеренными затратами. Отдельное руководство объясняет, как распределять эти затраты по исследовательским проектам и результатам: распределение затрат на ИИ-исследования.
FAQ
Сколько вычислений использовал средний математический результат OpenAI?
OpenAI сообщает, что он использовал вычисления, эквивалентные примерно трём часам мышления ChatGPT Pro. Это не опубликованная стоимость в долларах и не цена API за результат.
Может ли финансовый отдел оценить стоимость в долларах по этому числу?
Не только по публичному раскрытию. Оно не указывает цену API внутренней модели, токены на результат или курс пересчёта эквивалента вычислений Pro в доллары.
Что FinOps должен измерять в ИИ-исследованиях?
Отслеживайте реальные списания за вычисления или API, попытки, независимо проверенные результаты, усилия рецензентов и пригодные к повторному использованию результаты. Отчитывайтесь о стоимости одного проверенного результата наряду с общими расходами и помечайте оценки отдельно от данных счетов.
Связанное
По теме
Хотите применить это к своему стеку? Принесите счета провайдеров, логи шлюза и ключевые рабочие процессы — мы определим драйверы затрат и пути экономии. Заказать бесплатный аудит →