OpenAI ने "डॉलर प्रति उपयोगी बुद्धिमत्ता" नामक एक ढांचे की रूपरेखा तैयार की है, जो कंपनियों को साधारण टोकन-प्रति-लागत मापदंडों के परे अपने AI निवेशों के आर्थिक मूल्य को मापने में मदद करता है। लेख में तर्क दिया गया है कि सफलता को केवल अपनाने की दरों के बजाय पूरा किया गया कार्य, विश्वसनीयता और स्केलेबिलिटी द्वारा मापा जाना चाहिए।
स्कोरकार्ड चार प्रमुख क्षेत्रों का मूल्यांकन करता है: क्या AI अर्थपूर्ण कार्य पूरा करता है, सफल कार्य के लिए पूर्ण लागत (पुनः प्रयास और मानवीय समीक्षा सहित), गुणवत्ता ट्रैकिंग के माध्यम से निर्भरता, और क्या स्केल पर मूल्य में सुधार होता है। OpenAI ने हाल ही में जारी किए गए GPT-5.6 मॉडल परिवार को इस समीकरण को अनुकूलित करने का उदाहरण बताते हुए हाइलाइट किया है, जिसमें Sol, Terra और Luna टियर्स शामिल हैं। Artificial Analysis Coding Agent Index पर, अधिकतम तर्क सेट के साथ GPT-5.6 Sol ने नई राज्य की कला स्थापित की, जबकि एक प्रमुख प्रतिस्पर्धी की तुलना में 54% कम आउटपुट टोकन का उपयोग किया। यह ढांचा इस बात पर जोर देता है कि कम लागत वाले मॉडलों को अधिक प्रयासों की आवश्यकता हो सकती है, जबकि सक्षम मॉडल एक ही पास में परिणाम दे सकते हैं, जिससे कुल कंप्यूट और समीक्षा समय कम होता है।
OpenAI इस मापदंड को CFOs के लिए एक तरीके के रूप में स्थित करता है कि वे निर्धारित कर सकें कि क्या AI मूलन उत्पादन लागतों से तेजी से बढ़ रहा है, कार्य की लागत कम करते हुए और क्षमता बढ़ाकर AI को अधिक उपयोगी बनाने का लक्ष्य रखते हुए।