7月12日、RuntimeWireが「AI model costs could fall 3-4x in six months, Perplexity CEO predicts」と題した記事を公開した。PerplexityのCEO Aravind Srinivasが「最上位AIモデルのコストが6ヶ月以内に3〜4倍安くなる」と予測したというものだが、注目すべきは予測そのものより、その時間軸がスタートアップの製品設計・資金調達・モデル選定の判断に直結しうる点だ。今日の採算ラインを前提にプロダクトを設計するか、コスト崩壊後の世界を前提に設計するか——この問いへの答えが変わりうる。
Srinivasの予測：2つの具体的な期限
2026年7月11日、Aravind Srinivas（@aravsrinivas）がXに投稿した内容が、AI業界で注目を集めた。
予測は2つある。
- 6ヶ月以内（2027年1月ごろ）：元記事中で「Fable 5クオリティ」と表現される最上位モデル水準の能力が、現在より3〜4倍安くなる確率は50%超
- 12ヶ月以内（2027年7月ごろ）：元記事中で「Opus 4.8グレード」と表現されるモデル水準がローカル実行可能になる
なお、元記事における「Fable 5」「Opus 4.8」という呼称については、元記事の文脈・出典を本誌では独立確認できていないため、これらが特定ベンダーの製品を指すのか、あるいは現時点の最上位フロンティアモデルを示す比喩的表現なのかは、元記事の記述に基づく紹介にとどめる。
YCombinatorの社長兼CEOであるGarry Tan（@garrytan）は、この投稿を受けてすぐに「We are all just getting started.」とXに投稿し、スタートアップコミュニティへ広めた。YCはモデルコストの前提が会社設立の判断に直結するエコシステムの中心にいる。フロンティア品質の推論が2回の資金調達サイクル以内に大幅に安くなると創業者が信じるなら、2026年中盤時点では採算が合わないと見られていたプロダクトにも着手できる。
予測の根拠は示されていない
Srinivasはベンチマーク、安価なモデルのベンダー名、「Fable 5クオリティ」の評価基準、ローカル実行のハードウェアターゲット、いずれも明示していない。
この点は重要だ。AIコストの主張は複数の変数を一つの数字に圧縮しがちで、表示価格・出力トークン数・キャッシュ効果・レイテンシ・バッチ価格・ツール呼び出しのオーバーヘッド・タスク失敗時の再試行回数などが混在している。「3〜4倍安くなる」という数字が何を基準にしているのかは、投稿からは読み取れない。
それでもこの予測が「市場シグナル」として機能する理由がある。SrinivasはAIコストから切り離された傍観者ではない。PerplexityはAI検索エンジンを運営しており、元記事が引用する数字によれば月間アクティブユーザー1,000万人規模、年間処理クエリ数は5億件超とされている（※これらの数字は元記事記載のものであり、本誌公開時点の最新状況とは乖離している可能性がある）。そのスケールでは、最高価格モデルへの依存と安価なモデルへのルーティングの差は、研究上の議論ではなくプロダクトとマージンの問題だ。
ローカル実行予測の戦略的含意
2つの予測のうち、スタートアップにとってより深い示唆を持つのはローカル実行の方だ。
Opusクラスのモデルがローカルで動くなら、開発者はホスト型APIへの依存を下げ、ユーザーのデバイス上にデータを保持するプロダクトへの道が開ける。コスト構造も根本的に変わる。クラウドAPIへの従量課金がなくなれば、ユニットエコノミクスの設計そのものが別の問題になる。
ただし課題は明確だ。現在の最上位モデルをローカルで動かすには、コンシューマー向けハードウェアの制約——メモリ帯域幅、VRAMの上限、消費電力——を克服する必要がある。量子化・蒸留・アーキテクチャ効率化の進歩が前提であり、品質トレードオフが許容範囲に収まるかどうかは用途によって異なる。Srinivasの投稿はこのトレードオフが解決済みだとは言っていない。「1年以内に解決される確率が50%超」という見立てを示しただけだ。
スタートアップへの実践的含意
記事が指摘するスタートアップへの教訓は、プロダクトアーキテクチャをモデルの同一性から切り離すことだ。
- 今日の最高価格モデルだけが唯一の選択肢だと決め打ちするのは、コスト圧縮に逆張りしているのと同じ
- 逆に特定の一社のモデルをあらゆるワークフローにハードコードするのも間違い
- より堅牢な設計はルーティング：タスクの難易度が高ければ強力なモデル、リスクが低ければ安価なモデル、プライバシー・レイテンシ・ユニットエコノミクスが正当化すればローカル実行、という使い分けだ
このルーティング設計の考え方は、LLMルーターの概念として研究・実装が進んでいる領域であり、モデル選定をハードコードしない抽象レイヤーを持つフレームワーク（LiteLLMなど）が実際に使われている背景とも合致する。
Srinivasの予測が証明されたわけではない。ただ、コンシューマーAI需要に最も近い位置で事業を運営している創業者の一人が「次に崩れる制約はコストだ」と明言した事実は、製品設計の前提を再考する材料になる。今の採算感覚を所与として設計するか、6〜12ヶ月後のコスト環境を織り込んで設計するか——その選択が、プロダクトロードマップの優先順位を実質的に左右しうる。
詳細はAI model costs could fall 3-4x in six months, Perplexity CEO predictsを参照していただきたい。
