L'indice des prix du token LLM de Silicon Data atteint un…
L'indice est en baisse de plus de 50 % par rapport à un sommet de début d'été, alors que les réductions de prix et la concurrence open-source se font sentir.
L'indice des dépenses en tokens LLM de Silicon Data est tombé à 0,97 $ lundi, le niveau le plus bas depuis le lancement de l'indice fin de l'année dernière. La baisse de plus de 50 % par rapport à un sommet de début d'été est une impression claire de la déflation des prix d'inférence qui aide les utilisateurs mais teste le pouvoir de tarification des laboratoires de pointe avant l'examen des IPO.
Points clés
- L'indice des dépenses en tokens LLM de Silicon Data a affiché 0,97 $ lundi, le niveau le plus bas depuis la création de l'indice fin de l'année dernière.
- L'indice est en baisse de plus de la moitié par rapport au sommet atteint plus tôt cet été, prolongeant une rapide revalorisation des coûts d'inférence.
- L'indice est conçu pour suivre le taux du marché en cours pour un token de modèle de langage large, une unité utilisée pour mesurer et facturer l'utilisation des LLM.
- Les modèles chinois open-source, les réductions de prix de GPT-5.6 d'OpenAI fin juillet, et la tarification dynamique liée à la demande ont été citées comme des forces clés poussant les taux des tokens à la baisse.
Les prix des tokens LLM affichent un nouveau bas : 0,97 $ sur l'indice de Silicon Data
L'indice des dépenses en tokens LLM de Silicon Data, un indice quotidien pour le prix de marché en cours d'un token de modèle de langage large, est tombé à 0,97 $ lundi. C'était la lecture la plus basse depuis la création de l'indice fin de l'année dernière.
Ce mouvement prolonge une forte baisse estivalede la baisse. L'indice est maintenant en baisse de plus de la moitié par rapport au sommet enregistré plus tôt cet été, mettant un chiffre sur la rapidité avec laquelle les prix d'inférence se dégonflent sur le marché des LLM.
Mécaniquement, l'indice suit ce que les utilisateurs paient pour exécuter des requêtes et recevoir des résultats à travers les principaux chatbot et APIécosystèmes.
Des prix de jetons plus bas se traduisent par une inférence moins chère pour les utilisateurs finaux exécutant des requêtes sur des produits comme ChatGPT d'OpenAI, Claude d'Anthropic et Gemini de Google, mais cette même impression resserre également le plafond de revenus par jeton pour les laboratoires vendant l'accès.
Pourquoi la baisse est importante : une inférence moins chère pour les utilisateurs, moins de pouvoir de fixation des prix pour les laboratoires.
La déflation des prix des jetons est un commerce à double sens. Les utilisateurs bénéficient d'une réduction directe des coûts d'inférence, ce qui peut élargir l'expérimentation et pousser davantage de charges de travail en production.
Le hic, c'est que la même déflation peut réinitialiser ce que les acheteurs considèrent comme un taux « normal » pour l'accès, affaiblissant la capacité des fournisseurs de modèles à maintenir les prix même si l'utilisation augmente.
Cela compte surtout pour les laboratoires de modèles fondamentaux, où la base de coûts n'est pas purement variable. Charles-Henry Monchau, responsable des investissements chez Syz Group, a exprimé l'exposition de manière franche : « Les laboratoires de modèles fondamentaux sont les plus directement exposés », ajoutant : « La déflation des jetons comprime la ligne de revenus tandis que les engagements de calcul restent fixes.
» Si le calcul est contracté ou provisionné avant la demande, la baisse des prix unitaires peut se manifester comme une pression sur les marges avant que des gains d'efficacité n'arrivent.
Le timing s'entrecroise également avec les récits du marché public. La baisse de l'indice était liée à une pression potentielle sur les bénéfices des leaders de l'IA tels qu'OpenAI et Anthropic alors qu'ils envisagent des débuts sur le marché public, les deux entreprises ayant déposé confidentiellement des demandes d'introduction en bourse auprès des régulateurs cet été.
Pour les traders, la question à court terme concerne moins l'existence de la demande en IA et plus la manière dont le marché évalue l'inférence, comme une capacité rare ou comme un service utilitaire compétitif.
La lecture s'étend à l'expansion plus large de l'IA. Les entreprises technologiques de méga-capitalisation, y compris Nvidia et Microsoft, ont investi des milliards de dollars dans l'expansion de la capacité en IA, et la baisse des prix des jetons peut forcer une réévaluation du retour sur capital investi si les revenus par unité d'utilisation chutent plus rapidement que les coûts.
Ce qui pousse à la déflation : Open-Source China, réductions d'OpenAI et tarification dynamique.
Les conducteurs cités pointent vers la concurrence et la conception des prix, et non un seul cycle promotionnel. Monchau a attribué une partie de la baisse à la montée des modèles chinois open-source tels que le Kimi K3 de Moonshot, qui, selon lui, peuvent se vendre à des prix inférieurs à ceux des alternatives des principaux laboratoires de pointe.
Les sorties open-weight compressent la fenêtre de temps pendant laquelle les laboratoires de pointe peuvent facturer une prime uniquement pour la capacité, car des performances comparables peuvent être reproduites et fournies à moindre coût par des tiers.
Les laboratoires de pointe ont également modifié le prix de liste. OpenAI a annoncé des réductions de prix pour deux modèles GPT-5.6 fin juillet, une baisse directe de ce sur quoi le marché se base pour l'inférence « de premier ordre ». Lorsque le leader des prix réduit, le reste de l'ensemble suit ou se différencie sur autre chose que des jetons bruts.
L'autre levier est la structure des prix. Monchau a déclaré que d'autres laboratoires de pointe ont lancé des offres avec une « tarification dynamique » qui permet aux taux d'accès de monter et descendre en fonction de la demande.
En pratique, la tarification liée à la demande peut lisser les pics de capacité, mais elle rend également la remise une caractéristique intégrée plutôt qu'un événement ponctuel, ce qui peut accélérer le chemin vers un prix de clearing plus bas.
Monchau a également souligné la diminution des coûts dans l'industrie pour produire un jeton. Cela compte car cela suggère que l'indice ne reflète pas seulement une concurrence par les prix, mais aussi une courbe de coût en mutation qui rend les prix plus bas durables.
Steve Hou, responsable de la recherche chez Silicon Data, a proposé une interprétation du côté de l'offre : la baisse pourrait indiquer qu'entre les modèles de pointe et les concurrents moins chers, il y a peut-être déjà suffisamment d'offre pour « fournir des capacités suffisantes pour la plupart des tâches », impliquant moins de rareté et des prix plus proches de ceux des matières premières.
Signaux à surveiller pour les prix des jetons AI atteignent des niveaux records
Le premier signal est de savoir si l'indice se stabilise autour de la barre des 1,00 $ ou continue à atteindre de nouveaux bas après l'impression de 0,97 $. Une ligne plate suggérerait que le marché trouve un prix de clearing, tandis que d'autres bas impliqueraient que soit l'offre arrive encore plus vite que la demande, soit que les tactiques de prix continuent de se déverser.
Ensuite, il s'agit de savoir si les laboratoires de pointe prolongent le plan de fin juillet avec des réductions de prix supplémentaires ou élargissent le déploiement de la « tarification dynamique » liée à la demande. Si la tarification dynamique devient la norme pour les points de terminaison premium, les traders devraient s'attendre à une découverte de prix plus fréquente et à des taux de tête moins durables.
Les délais d'introduction en bourse sont l'autre surface de catalyseur. OpenAI et Anthropic ont déjà déposé des demandes en toute confidentialité, mais toute mise à jour qui reformule les attentes en matière de marge ou les récits de pouvoir de prix comptera davantage dans un contexte déflationniste que dans un contexte de rareté.
Enfin, surveillez le rythme des sorties concurrentes de modèles chinois open-source à bas prix, y compris de nouvelles versions ou une adoption plus large. L'impact sur le marché n'est pas seulement la performance, c'est la rapidité avec laquelle ces modèles deviennent des substituts déployables qui tirent le prix de clearing vers le bas.
La lecture de la commoditisation - et les écarts que les traders devraient respecter
Le seuil qui compte est de savoir si les prix des tokens peuvent chuter aussi rapidement sans forcer un changement visible dans la façon dont les laboratoires de pointe emballent et monétisent l'accès.
Le point de Monchau sur les engagements de calcul fixes est la contrainte mécanique, et c'est pourquoi une baisse de >50 % par rapport à un sommet de début d'été à 0,97 $ ressemble d'abord à une pression sur la marge et ensuite à "plus d'utilisation résoudra le problème".
L'écart que les traders devraient respecter est la méthodologie et le champ d'application. L'extrait décrit l'indice comme un indicateur des prix quotidiens et du taux de marché pour un token LLM, mais il ne précise pas la couverture, le poids ou comment il se normalise entre les fournisseurs et les niveaux.
Il utilise également "les prix des tokens AI" pour signifier la tarification de l'utilisation des LLM, et non des tokens crypto, donc la conclusion claire est le risque de commoditisation dans l'économie d'inférence, pas un signal direct pour les évaluations des tokens AI sur la chaîne.
Si l'indice continue d'imprimer de nouveaux bas pendant que les laboratoires déplacent leurs douves vers la distribution, la mémoire et le contexte, l'histoire devient structurelle : le pouvoir de tarification se déplace vers le haut de la pile, et les tokens bruts deviennent délibérément la partie bon marché.
