Epoch AI は、AI の進歩を「数字」で追跡することに特化した非営利の研究機関です。フロンティアモデルの学習に使われた計算量、ベンチマークのスコア、学習データの残量といった指標を自前で収集・推計し、データベースとダッシュボードとして無料で公開しています。
運営しているのは 2022 年に発足した同名の独立組織で、ディレクターは Jaime Sevilla。収入源は企業への課金ではなく、慈善財団からの助成金と委託研究です。Open Philanthropy が主要な資金提供者の一つであることは公表されています。つまり「AI のデータを売る会社」ではなく、「公共財としてデータを整備する団体」に近い立て付けです。
中心的なアウトプットは四つあります。一つ目は Data on Notable AI Models で、主要な AI モデルについて学習計算量（FLOP）、パラメータ数、データセット規模、開発組織、公開日などを整理した時系列データベースです。二つ目は AI Benchmarking Hub。GPQA Diamond や SWE-bench Verified といった評価を Epoch 自身が実行し、モデル間で条件を揃えて比較します。三つ目は FrontierMath で、2024 年 11 月に公開された研究者レベルの数学ベンチマークです。問題は非公開に保たれており、公開当時の主要モデルの正答率は数％にとどまりました。四つ目は GATE と呼ばれる、AI が経済成長に与える影響をシミュレートするモデルです。ほかに複数ベンチマークを一本の尺度に統合する Epoch Capabilities Index や、週次ニュースレター Gradient Updates もあります。
エンジニアにとっての実用的な価値は、データがそのまま使える形で出てくることです。モデルのデータベースは CSV でダウンロードでき、ライセンスは CC BY なので出典を示せば社内資料やブログに再掲できます。ベンチマーク結果は Epoch 側で実行したものなので、モデル提供者が自社発表したスコアと突き合わせて検証する用途に向きます。
料金については、公開されているデータ、ダッシュボード、レポートはいずれも無料です。有料サブスクリプションの体系を持つサービスではありません（最新の提供形態は公式サイトで確認してください）。企業側の負担が発生するとすれば、委託調査を依頼する場合です。
事業会社の企画・DX 部門が使うなら、個別モデルの比較よりも「傾向の根拠」として引く使い方が効きます。たとえば学習計算量が年 4〜5 倍のペースで伸びてきたという推計や、公開ウェブテキストが 2020 年代後半に枯渇しうるという分析は、社内で中期計画を立てる際の前提として引用しやすい。ベンダーの営業資料ではない一次データなので、投資判断の説明責任を果たしやすいという利点もあります。
投資家の視点で競合を挙げるなら、年次で網羅的にまとめる Stanford HAI の AI Index、推論 API の速度と価格を継続測定する Artificial Analysis、人間の選好投票で順位を出す LMArena、AI が自律的にこなせるタスクの長さを測る METR などが近い領域にいます。Epoch の差別化は、単発の評価ではなく十年単位の時系列を自分たちで構築している点にあります。
留意点も書いておきます。FrontierMath は OpenAI から資金提供を受けており、その開示が遅れたことが 2025 年初めに批判されました。評価する側とされる側の資金関係は、数字を引用する前に確認する価値があります。同時に、この種の第三者測定が必要とされる理由も明確です。たとえば Anthropic は 2026 年 8 月時点で社内の研究開発業務の 26% が Claude 主導だと自社で公表していますが、こうした企業の自己申告値を外部の基準で検証する役割を担うのが Epoch のような組織です。
