「AI推論の価格は下がり続けている」——この認識自体は正しい。だが、どれだけ下がったかを聞かれたとき、答えは測り方次第でまるで違う数字になる。21,024件の価格データを品質調整して測り直した研究は、従来の統計手法が価格下落の87%を見落としていたことを明らかにした。ただし話はそこで終わらない。値段は確かに下がった。それでも、あなたが実際に払う金額は下がっていないかもしれない。
Zhu(2026, arXiv)による3,208モデル・86プロバイダの価格パネル分析が示した、従来手法(年率0.10log point)と品質調整後の指数(年率0.73log point)の落差、そしてタスク完了単位で見ると買い手の実感する価格は下げ止まっていたという売り手/買い手のねじれを追う。GDPに載らない価値を測ってきたSURPLUSの「統計に映らない豊かさ」シリーズ最新版。
2024年以降、AI推論（生成AIにテキストや画像を処理させるサービス）の値段は下がり続けている——この大まかな方向性に異論を挟む人は少ないだろう。だが「どれくらい下がったか」という具体的な数字になると、話は途端に不安定になる。統計学者Louis Yiven Zhuが2026年8月にarXivで発表した論文"The Price of Intelligence: A Quality-Adjusted Price Index for AI Services"は、この不安定さの正体を数値で突き止めた研究だ。
Zhuは公開データから21,024件の価格観測を集めた。対象は3,208モデル・86プロバイダ。これに4,605件のベンチマークスコアを結びつけ、モデルの実力を測る「品質のものさし」を独自に構築した。そのうえで2つの方法で価格の下落率を計算し、比較した。統計局がソフトウェアの物価指数によく用いるmatched-model法（同一モデルの価格推移だけを追う、品質変化を無視した素朴な方法）では、AI推論価格の下落は年率0.10 log point——ほとんど動いていないように見える。一方、品質を調整した指数では年率0.73 log point。実に7倍以上の開きだ。
実際の価格下落のうち、従来の統計手法に映っていたのはわずか13%。残る87%は、品質の向上という形で価格の裏側に隠れたまま、公式統計には現れてこなかった。
なぜこれほどの差が生まれるのか。答えは、統計局方式が「同じ名前の商品」の値段しか追わない点にある。あるモデルの1トークンあたりの価格が去年と同じなら、matched-model法はそこに「変化なし」と記録する。だが実際には、同じ値段で提供されるモデルの実力（推論の正確さ・複雑なタスクをこなす能力）は年々上がっている。同じ値段でより多くの価値が手に入っているなら、実質的な価格は下がっているはずだ——これが、消費者物価指数の歴史で繰り返し議論されてきた品質調整という考え方である。
Zhuの工夫は、この品質のものさしをベンチマークスコアの回答パターンから統計的に推定した点にある。従来の家電やパソコンの物価指数が「メモリ容量」「処理速度」といった製品仕様から品質のはしごを組み立てるのに対し、この研究はAIモデルの評価結果そのものから品質のはしごを組み立てた。価格・品質という2つの軸を突き合わせることで、「値段は変わらないのに中身は良くなっている」という、見た目には動きの少ない市場の内側にある本当の値下がりを取り出した。
統計局がAI推論という新しい財に固有の指数をまだ持っていないため、既存のソフトウェア物価指数の手法がそのまま適用されている。だが既存手法は、AIモデルの実力が数か月単位で刷新されるという急速な品質変化を前提に設計されていない。
Zhuは、この測定漏れが単なる指数の誤差にとどまらず、AI市場の競争状況や生産性の伸びを測る公式統計にも直接影響すると指摘する。市場がどれだけ効率化しているかを過小評価したまま、政策判断の材料にされているおそれがある。
ここまでは「統計が価格下落を見落としていた」という話だった。だが同じ論文には、もう一つの捻れが記録されている。1トークンあたりの価格で見れば、AI推論は確かに年率0.73 log pointで安くなっている。ところが、1つのタスクを完了させるのにかかる実際の支払いで数え直すと、買い手側の価格は下げ止まっていた。
原因は、近年主流になった「推論モデル」（答えを出す前に長く思考の過程を生成するタイプのAI）が、1つのタスクをこなすために消費するトークン数を急激に増やしていることにある。1トークンの値段は下がっても、1つの答えを出すために必要なトークンの量がそれ以上のペースで増えていれば、支払う総額は変わらないか、むしろ増える。売り手が提示する単価は下がり続けているのに、買い手が実際に払う金額は下がっていない——同じ市場を price/token と price/task という2つの単位で測ると、正反対の物語が浮かび上がる。
"見えない値下げ"87%は、確かに存在する。しかしそれは、あなたの請求書には反映されていないかもしれない。統計に映らない価値の存在と、財布の中身が軽くなることは、別の問題だ。
AIの品質を測るベンチマークについては、以前から「学習データにテスト問題そのものが紛れ込んでいるのではないか（データ汚染）」という疑念が指摘されてきた。品質のものさしをベンチマークから作る以上、この論文の指数もこの疑念から無縁ではない。Zhuはこれをあらかじめ想定し、汚染の疑いがあると事前に指定していたベンチマークを除外する検証（pre-registered validity audit、分析前に手続きを公開してから行う検証）を行っている。
結果は興味深い。汚染疑いのベンチマークを除いても、モデルの実力ランキングはほぼそのまま(相関係数0.998)——「ランキングが安定しているから測定は信頼できる」というAI評価の分野で標準的な弁護は、ここでは成立する。ところが、その同じ除外操作によって、価格指数の下落率は年率0.49 log pointへと動いた。ランキングという相対的な順位は汚染に鈍感でも、価格指数という絶対的な水準は敏感に反応する。「順位が変わらないから経済統計としても健全だ」という主張には、根拠がないことが示された形だ。
この構図には既視感がある。Art45で見たBrynjolfsson, Collis & Eggers(2019)の研究は、検索エンジンを1年間失うことへの補償要求額が平均$17,530にのぼる一方、この価値のほとんどが無料で提供されるためGDPには一切計上されないことを示した。GDPが「値段のついた取引」しか数えない指標である以上、無料または実質値下げという形で増える豊かさは、公式統計の外側に積み上がっていく。Art70で扱ったGDPの非対称性——豊かさが増えてもGDPには映らない側のケース——とも、根は同じだ。
AI推論価格の測定は、この問題がデジタル財に限らず、物価指数という経済の基礎データそのものに及んでいることを示している。GDP-Bのような新しい指標を作る努力と、既存の物価指数を品質調整で精緻化する努力は、方向は違えど同じ壁——「値段は追えても、価値の変化は追えない」という物差しの限界——に挑んでいる。今回の87%という数字が特別なのは、それが幸福やデジタル財という測りにくい対象の話ではなく、AIという最も注目されている市場ですら、統計はこれほど遅れて追いついてくるという点だ。
値段が動かないからといって、価値が動いていないとは限らない。そしてその逆——価値が測定上は増えていても、財布の中身は変わらないこともある。豊かさの物差しは、まだ両方向で追いついていない。
本記事の要約・引用元。AI推論の品質調整済み価格指数の原論文と、GDPに載らない価値というSURPLUSの既出テーマとの接続元を中心に構成している。
連載の主要記事を1冊に再構成し、書き下ろしを加えたKindle本です。数字では測りにくい豊かさを、所得・時間・関係・自由の視点から読み直します。
Amazonのアソシエイトとして、meclGGは適格販売により収入を得ています。