Jin10 données du 14 mai, l'institut de recherche AI à but non lucratif Epoch AI a publié un rapport soulignant que les entreprises d'IA ont du mal à extraire des gains de performance significatifs de leurs modèles d'inférence, et que l'amélioration de ces modèles ralentira au plus tôt dans un an. Le rapport, basé sur des données publiques et des hypothèses, met en avant les limitations des ressources de calcul et l'augmentation des coûts de recherche. L'industrie de l'IA a longtemps compté sur ces modèles pour améliorer les performances de benchmark, mais cette dépendance est confrontée à des défis. L'analyste de l'institut, Josh You, a noté que l'essor des modèles d'inférence découle de leur performance exceptionnelle sur des tâches spécifiques. Par exemple, le modèle o3 d'OpenAI a principalement amélioré les compétences en mathématiques et en programmation ces derniers mois. Ces modèles d'inférence résolvent des problèmes en augmentant les ressources de calcul, augmentant ainsi les performances, mais en contrepartie, ils nécessitent plus de calcul pour traiter des tâches complexes, ce qui les rend plus longs en termes de temps par rapport aux modèles traditionnels.