2026 年 7 月 10 日，Zenith AI 联合创始人兼 CTO Przemek Chojecki 分享了一组关于前沿 AI 模型训练成本的数据。

表 10：高情景（High-scenario）算力账本成本

GPT 系列模型以 GB200 作为平台代理，Claude 系列模型以 Trainium2 作为平台代理，利用率参数 u = 0.35。

公开成本（Public cost） 为重置成本（replacement price），并非厂商实际开具的采购价格（vendor invoice）。

表 8：单次成功完成的基础模型训练（中位数）在公有云上的重置成本

GPT 系列模型以 GB200 作为平台代理，Claude 系列模型以 Trainium2 作为平台代理。

表中的区间仅反映硬件利用率（utilization）变化带来的成本差异；后验算力（posterior compute）本身的不确定性实际上更大。

数据显示，在高情景（High-scenario）假设下：

OpenAI GPT-5.6 Sol 完整训练路径的算力成本约为 12.1 亿美元（82 亿元人民币）；

Anthropic Fable 5 的 11.7 亿美元（79.3 亿元人民币）。

估算结果显示：

GPT-5.5 的完整训练路径算力成本约为 10.8 亿美元；

GPT-5.4 为 5.5 亿美元；

Anthropic Opus 4.8、Opus 4.7 和 Opus 4.6 分别约为 6.5 亿美元、6.1 亿美元和 3.2 亿美元。

除了完整训练路径成本，研究还估算了模型完成一次基础预训练所需的算力成本。按照 GPU 利用率为 35%、采用 NVIDIA GB200 作为计算平台的假设，

GPT-5.6 Sol 完成一次基础预训练约需 7290 万美元；若 GPU 利用率介于 25% 至 45%，成本区间约为 5670 万至 1.021 亿美元。

研究同时统计了模型升级带来的新增算力投入。

其中 GPT-5.6 Sol 相比 GPT-5.5 新增算力成本约为 1.7 亿美元；Fable 5 的新增算力成本约为 11.6 亿美元，几乎占到其全部训练路径成本；Opus 4.8 的新增算力成本约为 7000 万美元。

Przemek Chojecki 表示，上述数据属于高情景下的上限估算，建立在模型规模、训练过程以及硬件利用率等多项假设基础之上。所有金额均按照公开市场算力价格测算，仅反映模型训练消耗的算力资源，不代表 OpenAI 和 Anthropic 的实际研发投入，也不包含数据、人员、数据中心等其他成本。