Silicon Data का LLM टोकन मूल्य $0.97 पर पहुंचा न्यूनतम

सिलिकॉन डेटा का LLM टोकन व्यय सूचकांक सोमवार को $0.97 पर गिर गया, जो पिछले वर्ष के अंत में लॉन्च होने के बाद का सबसे कम स्तर है। गर्मियों की शुरुआत में उच्च स्तर से 50% से अधिक की गिरावट एक स्पष्ट संकेत है कि मूल्य में कमी आ रही है, जो उपयोगकर्ताओं की मदद करती है लेकिन फ्रंटियर प्रयोगशालाओं की मूल्य निर्धारण शक्ति को IPO की जांच से पहले परखती है।

मुख्य बिंदु

• सिलिकॉन डेटा का LLM टोकन व्यय सूचकांक सोमवार को $0.97 पर छपा, जो पिछले वर्ष के अंत में बनाए जाने के बाद का सबसे कम स्तर है।
• यह माप गर्मियों की शुरुआत में स्थापित उच्च स्तर से आधे से अधिक गिर गया है, जो अनुमानित लागतों के तेजी से पुनर्मूल्यांकन को बढ़ाता है।
• यह सूचकांक एक बड़े भाषा मॉडल टोकन के लिए चल रहे बाजार दर को ट्रैक करने के लिए डिज़ाइन किया गया है, जो LLM उपयोग को मापने और बिल करने के लिए एक इकाई है।
• ओपन-सोर्स चीनी मॉडल, OpenAI के जुलाई के अंत में GPT-5.6 की कीमतों में कटौती, और मांग से जुड़े "गतिशील मूल्य निर्धारण" को टोकन दरों को कम करने वाली प्रमुख शक्तियों के रूप में उद्धृत किया गया।

LLM टोकन कीमतें एक नया निम्न स्तर छापती हैं: सिलिकॉन डेटा के माप पर $0.97

सिलिकॉन डेटा का LLM टोकन व्यय सूचकांक, एक बड़े भाषा मॉडल टोकन की चल रही बाजार कीमत के लिए दैनिक मानक, सोमवार को $0.97 पर गिर गया। यह सूचकांक के पिछले वर्ष के अंत में बनाए जाने के बाद का सबसे कम स्तर था।

यह कदम एक तेज गर्मियों की गिरावट को बढ़ाता है।गिरावट. इंडेक्स अब इस गर्मी में पहले रिकॉर्ड किए गए उच्च स्तर से आधे से अधिक नीचे है, जो यह दर्शाता है कि LLM बाजार में अनुमान मूल्य तेजी से घट रहा है।

यांत्रिक रूप से, इंडेक्स ट्रैक कर रहा है कि उपयोगकर्ता प्रमुख चैटबॉट और API पारिस्थितिकी तंत्र में प्रॉम्प्ट चलाने और आउटपुट प्राप्त करने के लिए क्या भुगतान करते हैं। कम टोकन कीमतें OpenAI के ChatGPT, Anthropic के Claude, और Google के Gemini जैसे उत्पादों पर क्वेरी चलाने वाले अंतिम उपयोगकर्ताओं के लिए सस्ती अनुमान में परिवर्तित होती हैं, लेकिन वही प्रिंट प्रयोगशालाओं के लिए टोकन प्रति राजस्व की छत को भी कसता है जो पहुंच बेचती हैं।

स्लाइड का महत्व क्यों है: उपयोगकर्ताओं के लिए सस्ती अनुमान, प्रयोगशालाओं के लिए कम मूल्य निर्धारण शक्ति।

टोकन-कीमत का अवमूल्यन एक द्विपक्षीय व्यापार है। उपयोगकर्ताओं को अनुमान पर सीधे लागत में कमी मिलती है, जो प्रयोग का विस्तार कर सकती है और अधिक कार्यभार को उत्पादन में धकेल सकती है। समस्या यह है कि वही अवमूल्यन खरीदारों द्वारा 'सामान्य' दर के लिए पहुंच को फिर से सेट कर सकता है, जिससे मॉडल प्रदाताओं की कीमत बनाए रखने की क्षमता कमजोर होती है, भले ही उपयोग बढ़े।

यह फाउंडेशन मॉडल प्रयोगशालाओं के लिए सबसे महत्वपूर्ण है, जहाँ लागत आधार पूरी तरह से परिवर्तनीय नहीं है। Syz Group के निवेश प्रमुख चार्ल्स-हेनरी मोनचौ ने जोखिम को स्पष्ट रूप से व्यक्त किया: 'फाउंडेशन मॉडल प्रयोगशालाएँ सबसे सीधे जोखिम में हैं,' उन्होंने जोड़ा, 'टोकन अवमूल्यन राजस्व रेखा को संकुचित करता है जबकि कंप्यूट प्रतिबद्धताएँ स्थिर रहती हैं।' यदि कंप्यूट की मांग से पहले अनुबंधित या प्रदान की जाती है, तो गिरती हुई यूनिट कीमतें किसी भी दक्षता लाभ के आने से पहले मार्जिन दबाव के रूप में प्रकट हो सकती हैं।

समय भी सार्वजनिक बाजार की कथाओं के साथ मेल खाता है। इंडेक्स की गिरावट AI नेताओं जैसे OpenAI और Anthropic पर संभावित लाभ दबाव से जुड़ी थी क्योंकि वे सार्वजनिक बाजार में डेब्यू पर विचार कर रहे थे, दोनों कंपनियों ने इस गर्मी में नियामकों के साथ IPO के लिए गोपनीय रूप से फाइल की है। व्यापारियों के लिए, निकट-अवधि का प्रश्न यह है कि क्या AI की मांग है और अधिक यह कि क्या बाजार अनुमान को एक दुर्लभ क्षमता के रूप में या एक प्रतिस्पर्धात्मक उपयोगिता के रूप में मूल्य निर्धारण कर रहा है।

पढ़ाई व्यापक AI निर्माण तक फैली हुई है। Nvidia और Microsoft जैसे मेगा-कैप प्रौद्योगिकी कंपनियों ने AI क्षमता को बढ़ाने में अरबों डॉलर डाले हैं, और गिरती हुई टोकन कीमतें यदि उपयोग प्रति यूनिट राजस्व लागत से तेज़ी से गिरता है तो निवेशित पूंजी पर अपेक्षित रिटर्न का पुनर्मूल्यांकन करने के लिए मजबूर कर सकती हैं।

अवमूल्यन को क्या प्रेरित कर रहा है: ओपन-सोर्स चीन, OpenAI कटौती, और गतिशील मूल्य निर्धारण।

ड्राइवरों ने प्रतिस्पर्धा और मूल्य निर्धारण डिज़ाइन की ओर इशारा किया, न कि एकल प्रचार चक्र की ओर। मोंचौ ने गिरावट के एक हिस्से को ओपन-सोर्स चीनी मॉडलों जैसे मूनशॉट के किमी K3 के उदय से जोड़ा, जिसे उन्होंने कहा कि यह प्रमुख फ्रंटियर प्रयोगशालाओं के विकल्पों की तुलना में कम कीमतें प्राप्त कर सकता है। ओपन-वेट रिलीज़ उन समय की खिड़कियों को संकुचित करती हैं जिनमें फ्रंटियर प्रयोगशालाएँ केवल क्षमता के लिए प्रीमियम चार्ज कर सकती हैं, क्योंकि तुलनीय प्रदर्शन को तृतीय पक्षों द्वारा कम लागत पर पुन: उत्पन्न और सेवा दी जा सकती है।

फ्रंटियर प्रयोगशालाएँ सूची मूल्य पर भी आगे बढ़ गई हैं। OpenAI ने जुलाई के अंत में दो GPT-5.6 मॉडलों के लिए मूल्य कटौती की घोषणा की, जो 'शीर्ष श्रेणी' अनुमान के लिए बाजार के एंकर पर सीधा कदम है। जब मूल्य नेता कटौती करता है, तो शेष स्टैक या तो अनुसरण करता है या कच्चे टोकन के अलावा किसी अन्य चीज़ पर भिन्नता करता है।

दूसरा लीवर मूल्य निर्धारण संरचना है। मोंचौ ने कहा कि अन्य फ्रंटियर प्रयोगशालाओं ने 'गतिशील मूल्य निर्धारण' के साथ ऑफ़र पेश किए हैं जो मांग के साथ पहुंच दरों को बढ़ने और घटने की अनुमति देता है। व्यवहार में, मांग-लिंक्ड मूल्य निर्धारण क्षमता के पीक को समतल कर सकता है, लेकिन यह छूट को एक अंतर्निहित विशेषता बनाता है न कि एक बार की घटना, जो कम क्लियरिंग मूल्य की ओर बढ़ने की प्रक्रिया को तेज कर सकता है।

मोंचौ ने उद्योग में टोकन उत्पादन की लागत में कमी की ओर भी इशारा किया। यह महत्वपूर्ण है क्योंकि यह सुझाव देता है कि सूचकांक केवल प्रतिस्पर्धात्मक अंडरकटिंग को नहीं दर्शा रहा है, बल्कि एक बदलती लागत वक्र भी है जो कम कीमतों को टिकाऊ बनाती है।

सिलिकॉन डेटा के शोध प्रमुख स्टीव हौ ने आपूर्ति-पक्ष की व्याख्या की: गिरावट यह संकेत दे सकती है कि फ्रंटियर मॉडलों और सस्ते प्रतिस्पर्धियों के बीच, 'अधिकतर कार्यों के लिए पर्याप्त क्षमताएँ प्रदान करने के लिए' पहले से ही पर्याप्त आपूर्ति हो सकती है, जो कम कमी और अधिक वस्तु जैसे मूल्य निर्धारण का संकेत देती है।

AI टोकन कीमतों के लिए देखने के संकेत रिकॉर्ड निम्न स्तर पर पहुँच गए हैं।

पहला संकेत यह है कि क्या सूचकांक $1.00 हैंडल के चारों ओर स्थिर होता है या $0.97 प्रिंट के बाद नए निम्न स्तर बनाना जारी रखता है। एक फ्लैटलाइन यह सुझाव देगी कि बाजार एक क्लियरिंग मूल्य खोज रहा है, जबकि आगे के निम्न स्तर यह संकेत देंगे कि या तो आपूर्ति अभी भी मांग की तुलना में तेजी से आ रही है या मूल्य निर्धारण रणनीतियाँ अभी भी गिर रही हैं।

अगला यह है कि क्या फ्रंटियर प्रयोगशालाएँ जुलाई के अंत की प्लेबुक को अतिरिक्त सूची मूल्य कटौती के साथ बढ़ाती हैं या मांग-लिंक्ड 'गतिशील मूल्य निर्धारण' का रोलआउट बढ़ाती हैं। यदि गतिशील मूल्य निर्धारण प्रीमियम एंडपॉइंट्स के लिए डिफ़ॉल्ट बन जाता है, तो व्यापारियों को अधिक बार मूल्य खोजने और कम टिकाऊ हेडलाइन दरों की अपेक्षा करनी चाहिए।

IPO टाइमलाइन्स अन्य उत्प्रेरक सतह हैं। OpenAI और Anthropic ने पहले ही गोपनीय रूप से फाइल की है, लेकिन कोई भी अपडेट जो मार्जिन अपेक्षाओं या मूल्य निर्धारण शक्ति की कथाओं को फिर से फ्रेम करता है, वह एक डिफ्लेशनरी टेप में अधिक महत्वपूर्ण होगा न कि एक कमी टेप में।

अंत में, कम कीमत वाले ओपन-सोर्स चीनी मॉडलों से प्रतिस्पर्धात्मक रिलीज़ की ताल को देखें, जिसमें नए संस्करण या व्यापक अपनाना शामिल है। बाजार पर प्रभाव केवल प्रदर्शन नहीं है, यह इस बात पर निर्भर करता है कि वे मॉडल कितनी तेजी से तैनाती योग्य विकल्प बनते हैं जो क्लियरिंग मूल्य को नीचे खींचते हैं।

कमोडिटीकरण रीड-थ्रू—और वो गैप जिन्हें ट्रेडर्स को सम्मान देना चाहिए

जो थ्रेशोल्ड महत्वपूर्ण है वह यह है कि क्या टोकन की कीमतें इतनी तेजी से गिर सकती हैं बिना यह मजबूर किए कि फ्रंटियर लैब्स कैसे पैकेज और मोनेटाइज एक्सेस को बदलें। मोंचौ का फिक्स्ड कंप्यूट कमिटमेंट्स के बारे में कहना यांत्रिक बाधा है, और यही कारण है कि एक पहले के गर्मियों के उच्च स्तर से $0.97 तक >50% की गिरावट पहले मार्जिन प्रेशर की तरह पढ़ी जाती है और "अधिक उपयोग इसे ठीक कर देगा" दूसरे।

वो गैप जिसे ट्रेडर्स को सम्मान देना चाहिए वह मेथोडोलॉजी और दायरा है। अंश दैनिक कीमतों और एक LLM टोकन के लिए चल रहे बाजार दर के रूप में इंडेक्स का वर्णन करता है, लेकिन यह कवरेज, वेटिंग, या यह कैसे प्रदाताओं और स्तरों में सामान्यीकृत करता है, यह स्पष्ट नहीं करता। यह "AI टोकन कीमतों" का उपयोग LLM उपयोग मूल्य निर्धारण के लिए करता है, न कि क्रिप्टो टोकन के लिए, इसलिए साफ निष्कर्ष यह है कि इनफेरेंस अर्थशास्त्र में कमोडिटीकरण जोखिम है, न कि ऑन-चेन AI-टोकन मूल्यांकन के लिए एक सीधा संकेत। यदि इंडेक्स नए निम्न स्तरों को प्रिंट करता रहता है जबकि लैब्स वितरण, मेमोरी, और संदर्भ की ओर खाई को स्थानांतरित करते हैं, तो कहानी संरचनात्मक हो जाती है: मूल्य निर्धारण शक्ति स्टैक के ऊपर जा रही है, और कच्चे टोकन जानबूझकर सस्ते हिस्से बन रहे हैं।

स्रोत

• CNBC