Zum Inhalt
AMANi DUNiA research
DE

Die Fragen auf dieser Website haben KI-Sprachmodelle gestellt; auch die Erklärtexte und Übersetzungen stammen von KI-Modellen. Wer was geprüft hat, steht jeweils dabei. → Über die Fragen

← Alle bewerteten Quellen
epoch23. Oktober 2024 · Q006331

Performance per dollar improves around 30% each year

epoch.ai · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Epoch AI behauptet, dass sich das Preis-Leistungs-Verhältnis von Hardware bei gleicher Leistung und Genauigkeit jährlich um etwa 30 Prozent verbessert. Die Tabelle zeigt für vier ausgewählte NVIDIA-RechenzentrumsgPUs einen Anstieg der inflationsbereinigten FLOP/s pro Dollar von 1,3 Milliarden beim P100 auf 22 Milliarden beim H100; sie bildet jedoch keine vollständige jährliche Zeitreihe ab.

Mittel

Epoch AI zufolge verbessert sich das Preis-Leistungs-Verhältnis von Hardware für maschinelles Lernen rasch: Bei gleicher Leistung und Genauigkeit werde Hardware jährlich etwa 30 Prozent günstiger. Gleichzeitig kommen laut Bericht leistungsfähigere und teurere Systeme auf den Markt.

Verglichen werden ausgewählte NVIDIA-GPUs für Rechenzentren. Die Preise schließen die zugehörige Serverhardware ein und sind inflationsbereinigt. Als Maß dient die Rechenleistung in FLOP/s je Dollar. In der Tabelle steigt dieser Wert von rund 1,3 Milliarden beim P100 über 6,7 Milliarden beim V100 und 13 Milliarden beim A100 auf 22 Milliarden beim H100. Die angegebenen Preise einschließlich Serverhardware reichen von 16.000 bis 44.000 US-Dollar.

Die Tabelle veranschaulicht den Zuwachs bei vier Modellen, belegt aber allein keine durchgehende jährliche Entwicklung. Der Vergleich ist auf diese NVIDIA-GPUs und die jeweils genannten Genauigkeitsformate begrenzt.

Ausführlich lesen

Der Bericht von Epoch AI beschreibt eine Verbesserung des Preis-Leistungs-Verhältnisses von Hardware für maschinelles Lernen. Seine zentrale Aussage lautet, dass Hardware bei gleicher Rechenleistung und Genauigkeit im Lauf der Zeit pro Jahr ungefähr 30 Prozent günstiger werde. Zugleich würden Hersteller leistungsfähigere und teurere Geräte auf den Markt bringen.

Für den Vergleich betrachtet der Bericht ausgewählte NVIDIA-GPUs für Rechenzentren. Die Preise umfassen laut Beschreibung auch die zugehörige Serverhardware und werden um Inflation bereinigt, damit die Geräte vergleichbarer sind. Als Kennzahl dient die Zahl der Gleitkommaoperationen pro Sekunde je inflationsbereinigtem US-Dollar.

Die Tabelle nennt vier Modelle: P100, V100, A100 und H100. Ihr angegebener Wert steigt von rund 1,3 Milliarden FLOP/s pro Dollar beim P100 über 6,7 Milliarden beim V100 und 13 Milliarden beim A100 auf 22 Milliarden beim H100. Die Tabelle weist außerdem Veröffentlichungspreise einschließlich Serverhardware aus: 16.000, 20.000, 25.000 und 44.000 US-Dollar. Die bereinigten Preise betragen ungefähr 15.000, 19.000, 24.000 und 44.000 US-Dollar. Als Rechenleistung nennt sie jeweils Werte und Genauigkeitsformate, die sich zwischen den Modellen unterscheiden.

Die Daten veranschaulichen, dass neuere, teurere Systeme laut den ausgewiesenen Kennzahlen deutlich mehr Rechenleistung pro inflationsbereinigtem Dollar bieten. Die behauptete jährliche Verbesserung von etwa 30 Prozent ist die zusammenfassende Aussage des Berichts; die vorliegende Tabelle enthält jedoch nur vier ausgewählte Modelle und zeigt für sich genommen keine vollständige jährliche Zeitreihe. Der Vergleich ist zudem auf die genannten NVIDIA-Rechenzentrums-GPUs und die jeweils aufgeführten Genauigkeitsformate beschränkt.

Luna (gpt-6-luna, Denkstufe high), ChatGPT-Abo · 2026-11-19

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Lunas Stufe 3 für SF-E4 ist zu hoch, da der Bericht keine Hintergrundbelege zu Gemeinwohl oder Marktmacht liefert. Die Zusammenfassungen sind sachlich korrekt; die Tabellenwerte stimmen mit dem Bericht überein.

Im Bericht, aber nicht in der Zusammenfassung

  • Begründung für den Einschluss der Serverhardware: Vergleichbarkeit (apples-to-apples) und Ermittlung der realen Verbesserungsrate
  • Die 30-Prozent-Aussage gilt laut Bericht für gleiche Genauigkeit und gleiches Leistungsniveau; die Tabelle belegt sie nicht direkt

Automatische Gegenprüfung mit dem vollständigen Originaltext (Batch, 20.11.2026). Ungeprüft durch Menschen.

Wie die Modelle den Bericht einordnen

Je Sammelfrage und Teilfrage die häufigste Stufe (0 bis 7) und ihr Anteil, geordnet nach Fragenfamilie (Farbe) oder nach den Wegen des Atlas. Ab Stufe 4 liefert der Bericht Belege, Stufe 3 ist Hintergrund (gestrichelt). Was die Stufen bedeuten, steht in der Legende.

Ansicht
Filter
Modelle 8 von 8
Angezeigte Modelle
Unabhängig prüfen
Tempo und Grenzen
Vertrauen in Modelle
  1. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 47 %Hintergrund, keine Belege
    • amos 46 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
Modelle teilen und schützen
Beteiligung und Gemeinwohl
  1. SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
    • clef 100 %kein Bezug
    • Luna 44 %Hintergrund, keine Belege
    • JEV 33 %Hintergrund, keine Belege
    • amos 46 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung gleiches Oberthema, hilft nicht
Wirtschaft und Haftung

Weitere Berichte zu diesen Fragen

Eigene Zusammenfassungen und Einordnungen von AMANi DUNiA. Fremde Originalberichte behalten ihre eigenen Rechte.

Sprache und Prüfstand

Haupttext: DE. Prüfvermerke gelten nur für den jeweils genannten Inhalt.

Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.

Sprachabdeckung und Datenstand ansehen →