Récemment, Ethan Mollick, professeur à la Wharton School, a révélé des informations concernant la société Anthropic. Il a indiqué que le service de relations publiques d'Anthropic a précisé que le coût d'entraînement de son modèle d'IA phare, Claude 3.7 Sonnet, s'élevait à « plusieurs dizaines de millions de dollars », et que la capacité de calcul utilisée était inférieure à 10^26 FLOPS. Il a également mentionné qu'Anthropic lui avait confirmé que Sonnet 3.7 ne serait pas considéré comme un modèle de 10^26 FLOPS, mais que les modèles futurs seraient beaucoup plus importants. TechCrunch a contacté Anthropic pour confirmation, mais n'a reçu aucune réponse au moment de la publication.
Auparavant, Dario Amodei, PDG d'Anthropic, avait révélé que le coût d'entraînement de Claude 3.5 (le prédécesseur de Sonnet), lors de sa sortie à l'automne 2024, s'élevait également à plusieurs dizaines de millions de dollars. Comparé aux meilleurs modèles de 2023, ce coût est relativement avantageux. Par exemple, le développement de GPT-4 par OpenAI a coûté plus de 100 millions de dollars, et une étude de l'Université Stanford estime que l'entraînement du modèle Gemini Ultra de Google a coûté près de 200 millions de dollars.
Cependant, Amodei prévoit que les futurs modèles d'intelligence artificielle coûteront des milliards de dollars, sans compter les tests de sécurité et la recherche fondamentale. Parallèlement, avec l'adoption par l'industrie de l'IA de modèles « raisonnés » capables de résoudre des problèmes sur de longues périodes, le coût de calcul de l'exécution des modèles pourrait continuer à augmenter.