আপনার AI ব্যবহারের পেছনে কতটুকু শক্তি, পানি ও কার্বন খরচ হয় — এবং দৈনন্দিন জীবনে তার অর্থ কী — তা অনুমান করুন।
শুধুমাত্র ইনফারেন্স (প্রশিক্ষণ ও ডেটা সেন্টারের অতিরিক্ত খরচ বাদ); পানি হল অন-সাইট (scope-1); ঐতিহাসিক Google সার্চের পরিসংখ্যান 2009 সালের। সব পরিসংখ্যানই আনুমানিক।
এগুলো তুলনাযোগ্য মডেলের পাবলিক পরিমাপ থেকে মোটামুটি অনুমান — শুধুমাত্র ইনফারেন্স, অন-সাইট (scope-1) পানি এবং সামঞ্জস্যযোগ্য কার্বন ও পানির গুণাঙ্ক সহ। বন্ধ ফ্রন্টিয়ার মডেলগুলো সরাসরি পরিমাপযোগ্য নয়, তাই ফলাফলটি একটি আনুমানিক ধারণা হিসেবে নিন, নির্ভুল নিরীক্ষা হিসেবে নয়।
প্রতিটি AI কাজের জন্য প্রতি ব্যবহারে ওয়াট-আওয়ারে একটি শক্তির পরিমাণ নির্ধারিত আছে, যা বর্তমানে পরিমাপ করা উৎস থেকে নেওয়া। আপনার মাসিক সংখ্যা একটি বছরে গুণ করে, যোগ করে কিলোওয়াট-আওয়ারে রূপান্তরিত করা হয়।
পানি হল অন-সাইট কুলিং পানি: kWh-এ শক্তিকে পানি ব্যবহারের কার্যকারিতার গুণাঙ্ক (লিটার প্রতি kWh) দিয়ে গুণ করা হয়। কার্বন হল শক্তিকে আপনার বিদ্যুৎ গ্রিডের কার্বন নিবিড়তা (gCO₂ প্রতি kWh) দিয়ে গুণ করা।
একটি বর্তমান ফ্রন্টিয়ার মডেলে সাধারণ সংক্ষিপ্ত টেক্সট প্রম্পটে মোটামুটি 0.3 Wh খরচ হয় — যা Google-এর 0.24 Wh, OpenAI-এর 0.34 Wh এবং Epoch-এর 0.3 Wh অনুমানের মিলনবিন্দু। যুক্তি-বিশ্লেষণ ('থিংকিং') প্রম্পট এবং ছবি তৈরিতে অনেক বেশি শক্তি লাগে।
এখানে দেখানো পানি হল অন-সাইট কুলিং পানি (scope-1): kWh × পানি ব্যবহারের কার্যকারিতার গুণাঙ্ক। এতে বিদ্যুৎ উৎপাদনে ব্যবহৃত অফ-সাইট পানি (scope-2) অন্তর্ভুক্ত নয়, তাই প্রকৃত মোট পরিমাণ আরও বেশি হতে পারে। এই গুণাঙ্ক ডেটা সেন্টারভেদে প্রায় 0.26 থেকে 1.9 L/kWh পর্যন্ত পরিবর্তিত হয়।
না। এগুলো তুলনাযোগ্য মডেলের পাবলিক পরিমাপ থেকে কেন্দ্রীয় অনুমান, যা শুধুমাত্র ইনফারেন্সের জন্য লেবেলযুক্ত। বন্ধ ফ্রন্টিয়ার মডেলগুলো সরাসরি পরিমাপ করা হয় না, এবং বাস্তব পরিসংখ্যানে ডেটা সেন্টারের অতিরিক্ত খরচ অন্তর্ভুক্ত থাকে যা কাঁচা পরিমাপ থেকে বাদ দেওয়া হয়।
না। প্রতিটি পরিসংখ্যানই শুধুমাত্র ইনফারেন্সের — মডেল ব্যবহারের খরচ, এককালীন প্রশিক্ষণের খরচ নয়।
এই ক্যালকুলেটর আপনার AI ব্যবহারকে বাস্তব জীবনের পদচিহ্নে রূপান্তরিত করে: কিলোওয়াট-ঘণ্টায় শক্তি, লিটারে পানি এবং কিলোগ্রামে CO₂। 'আমার ব্যবহার' বেছে নিলে আপনার নিজের এক বছরের প্রম্পটের আনুমানিক হিসাব পাবেন, আর 'প্রতি কাজে' বেছে নিলে একটি একক চ্যাট, রিজনিং রিকোয়েস্ট বা ছবি তৈরির খরচ দেখতে পাবেন। প্রতি-কাজের প্রতিটি সংখ্যা বর্তমান, উদ্ধৃত পরিমাপ থেকে নেওয়া এবং শুধুমাত্র inference-ভিত্তিক — মডেল প্রশিক্ষণের খরচ নয়, ব্যবহারের খরচ।
শীর্ষ সংখ্যাটি হলো আপনার কার্বন পদচিহ্ন ('আমার ব্যবহার' মোডে বার্ষিক, 'প্রতি কাজে' মোডে নির্বাচিত পরিমাণ অনুযায়ী)। তিনটি মেট্রিক কার্ড সেটিকে শক্তি, পানি ও কার্বনে ভেঙে দেখায়, প্রতিটির সাথে একটি দৈনন্দিন সমতুল্য — একটি ফোন চার্জ, এক গ্লাস পানি, এক কিলোমিটার গাড়ি চালানো — যাতে বিমূর্ত এককগুলো বোধগম্য হয়। ফলাফলটিকে মাত্রার ক্রম অনুযায়ী একটি আনুমানিক হিসাব হিসেবে গণ্য করুন: অন্তর্নিহিত প্রতি-কাজের শক্তির পরিসংখ্যান মডেল, প্রম্পটের দৈর্ঘ্য ও ডেটা সেন্টারের উপর নির্ভর করে ব্যাপকভাবে পরিবর্তিত হয়, এবং পানি ও কার্বন ফ্যাক্টরগুলো সামঞ্জস্যযোগ্য অনুমান, নির্দিষ্ট তথ্য নয়।
আপনি প্রতি মাসে প্রায় 100টি ছোট AI চ্যাট পাঠান, পানি-ব্যবহার ফ্যাক্টর শিল্পের ডিফল্ট 1.8 L/kWh এবং বিশ্ব-গড় গ্রিড (471 gCO₂/kWh) ব্যবহার করে।
প্রতি মাসে 100টি চ্যাট মানে বছরে 1,200টি। প্রতিটিতে 0.3 Wh হলে মোট 360 Wh, অর্থাৎ 0.36 kWh — প্রায় 30টি ফোন চার্জের সমতুল্য। পানির পরিমাণ দাঁড়ায় প্রায় 0.65 L (তিন গ্লাসের কম) এবং কার্বন প্রায় 170 g CO₂ — একটি সাধারণ গাড়িতে এক কিলোমিটারেরও কম। হালকা চ্যাট ব্যবহারের এক বছর অত্যন্ত ছোট একটি পদচিহ্ন; রিজনিং প্রম্পট ও ছবি তৈরিতেই মূলত এটি বাড়ে।
একটি বর্তমান ফ্রন্টিয়ার মডেলে সাধারণ একটি ছোট টেক্সট প্রম্পটে প্রায় 0.3 Wh বিদ্যুৎ লাগে — এটি Google-এর মাপা 0.24 Wh (একটি মধ্যমান Gemini প্রম্পটের জন্য), OpenAI-এর উল্লিখিত 0.34 Wh (প্রতি ChatGPT কোয়েরি) এবং Epoch AI-এর GPT-4o-এর জন্য নিচ থেকে-ওপরের 0.3 Wh অনুমানের সমন্বয় বিন্দু। দীর্ঘ ডকুমেন্ট (~2.5 Wh), রিজনিং মডেল (~7.6 Wh) এবং ছবি তৈরি (~2.9 Wh) প্রতি ব্যবহারে অনেক বেশি খরচ করে।
Scope-1 পানি হলো সেই পানি যা একটি ডেটা সেন্টার তার সার্ভার ঠান্ডা করতে সাইটেই বাষ্পীভূত করে, যা শক্তিকে (kWh) লিটার প্রতি kWh এককে একটি water-use-effectiveness (WUE) ফ্যাক্টর দিয়ে গুণ করে হিসাব করা হয়। এতে scope-2 পানি বাদ থাকে — বিদ্যুৎ উৎপাদনকারী পাওয়ার প্ল্যান্টে সাইটের বাইরে ব্যবহৃত পানি — তাই মোট পানির খরচ এখানে দেখানো পরিমাণের চেয়ে বেশি। WUE অপারেটরদের মধ্যে ব্যাপকভাবে পরিবর্তিত হয় (প্রায় 0.26 থেকে 1.9 L/kWh), এজন্যই এটি এখানে সামঞ্জস্যযোগ্য।
না। এগুলো তুলনামূলক মডেলের পাবলিক পরিমাপ থেকে কেন্দ্রীয় অনুমান, এবং ইচ্ছাকৃতভাবে inference-only এবং scope-stated হিসেবে লেবেল করা হয়েছে। বন্ধ ফ্রন্টিয়ার মডেলগুলো সরাসরি পরিমাপ করা হয় না, এবং পরিমাপের সীমানা আলাদা (পুরো-সিস্টেমের শক্তি GPU-শুধুর শক্তির প্রায় 2.4× ), তাই বিভিন্ন গবেষণার দুটি 'প্রতি-কোয়েরি' সংখ্যা পরস্পর বিনিময়যোগ্য নয়।
না। এখানে প্রতিটি সংখ্যা শুধুমাত্র inference-ভিত্তিক: একটি প্রম্পট চালানোর খরচ, মডেল প্রশিক্ষণের এককালীন খরচ নয়। প্রশিক্ষণ একটি বড় কিন্তু আলাদা, পরিশোধিত (amortised) খরচ যা এই ক্যালকুলেটর অনুমান করার চেষ্টা করে না।
পানি ও গ্রিড অনুমান বিভাগটি খুলুন। গ্রিড সিলেক্টর বিশ্ব গড়, যুক্তরাষ্ট্র, ইইউ, ভারত বা চীনের (2024 OWID ডেটা) lifecycle কার্বন তীব্রতা পরিবর্তন করে, এবং WUE সিলেক্টর আপনাকে Google, Microsoft, Meta, শিল্পের ডিফল্ট বা ফ্লিট-গড় ডেটা সেন্টার মডেল করতে দেয়। কার্বন ও পানি উভয়ই এই ফ্যাক্টরগুলোর সাথে রৈখিকভাবে পরিবর্তিত হয়।
প্রতিটি AI কাজের একটি উদ্ধৃত প্রতি-ব্যবহার শক্তিমান ওয়াট-ঘণ্টায় রয়েছে: ছোট চ্যাট 0.30 Wh (Epoch/Google/OpenAI সমন্বয়), দীর্ঘ ডকুমেন্ট 2.5 Wh (Epoch, ~10k-টোকেন ইনপুট), রিজনিং 7.6 Wh (Hugging Face AI Energy Score v2, DeepSeek-R1-70B রিজনিং চালু সহ), এবং ছবি তৈরি 2.907 Wh (Luccioni "Power Hungry Processing", Table 2 গড়)। 'আমার ব্যবহার' মোডে মাসিক সংখ্যাগুলো 12 দিয়ে গুণ করা হয়, যোগ করা হয় এবং বার্ষিক কিলোওয়াট-ঘণ্টা পেতে 1,000 দিয়ে ভাগ করা হয়; 'প্রতি কাজে' মোডে সংখ্যাগুলো যেমন দেওয়া হয়েছে তেমনই ব্যবহার করা হয়। লিটারে পানি = kWh × WUE (ডিফল্ট 1.8 L/kWh, scope-1 অন-সাইট)। গ্রামে কার্বন = kWh × গ্রিড তীব্রতা (ডিফল্ট 471 gCO₂/kWh, বিশ্ব 2024, OWID lifecycle), তারপর কিলোগ্রামের জন্য 1,000 দিয়ে ভাগ করা হয়। দৈনন্দিন সমতুল্য উদ্ধৃত ভিত্তি দিয়ে ভাগ করা হয়: প্রতি ফোন চার্জে 12 Wh, প্রতি ঐতিহাসিক (2009) Google অনুসন্ধানে 0.3 Wh, 1-লিটার কেটল ফোটাতে 120 Wh, একটি সাধারণ মার্কিন গাড়ির জন্য 244 gCO₂/km এবং গড় নতুন ইইউ গাড়ির জন্য 106.4 gCO₂/km, প্রতি গোসলে 60 L, প্রতি গ্লাসে 0.25 L এবং প্রতি বোতলে 0.5 L।
YouCalc দল দ্বারা পর্যালোচিত · সর্বশেষ পর্যালোচনা
অনুবাদে কোনো বিষয়, হিসাবে কোনো প্রশ্ন, বা কোনো পরামর্শ আছে? আমাদের জানান।