Оцените расход энергии, воды и углеродный след от использования ИИ — и что это значит в повседневных единицах.
Только инференс (обучение модели и накладные расходы дата-центра не учитываются); вода — на площадке (scope-1); исторические данные по поиску Google относятся к 2009 году. Все показатели являются оценочными.
Это приблизительные оценки на основе публичных измерений сопоставимых моделей — только инференс, с учётом воды на площадке (scope-1) и настраиваемыми коэффициентами углерода и воды. Закрытые передовые модели не измеряются напрямую, поэтому результат следует воспринимать как ориентир, а не точный аудит.
Каждая задача ИИ имеет удельное потребление энергии в ватт-часах, взятое из актуальных измеренных источников. Ежемесячные количества пересчитываются на год, суммируются и переводятся в киловатт-часы.
Вода — это охлаждающая вода на площадке: энергия в kWh, умноженная на коэффициент эффективности водопотребления (литры на kWh). Углерод — это энергия, умноженная на углеродоёмкость вашей электросети (граммы CO₂ на kWh).
Типичный короткий текстовый запрос к современной передовой модели потребляет примерно 0.3 Wh — это среднее значение между оценками Google (0.24 Wh), OpenAI (0.34 Wh) и Epoch (0.3 Wh). Запросы с рассуждением («мышлением») и генерация изображений потребляют значительно больше.
Вода, отображаемая здесь, — это охлаждающая вода на площадке дата-центра (scope-1): kWh × коэффициент эффективности водопотребления. Вода, затраченная на выработку электроэнергии за пределами площадки (scope-2), не включена, поэтому реальный итог может быть выше. Коэффициент сильно варьируется в зависимости от дата-центра — от примерно 0.26 до 1.9 L/kWh.
Нет. Это усреднённые оценки на основе публичных измерений сопоставимых моделей, только для инференса. Закрытые передовые модели не измеряются напрямую, а реальные показатели включают накладные расходы дата-центра, которые в сырых измерениях не учитываются.
Нет. Все показатели относятся только к инференсу — стоимости использования модели, а не единовременным затратам на её обучение.
Этот калькулятор переводит ваше использование ИИ в реальные показатели воздействия на окружающую среду: энергопотребление в киловатт-часах, расход воды в литрах и углеродный след в килограммах CO₂. Выберите «Моё использование», чтобы оценить годовой объём ваших запросов, или «На задачу», чтобы узнать, во что обходится один чат, запрос к модели с рассуждениями или генерация изображения. Все показатели на задачу основаны на актуальных измерениях с указанием источников и относятся только к инференсу — то есть к стоимости использования модели, а не её обучения.
Главный показатель — ваш углеродный след (годовой в режиме «Моё использование» или за выбранный объём в режиме «На задачу»). Три карточки с метриками разбивают его на энергию, воду и углерод, каждая — с бытовым эквивалентом: зарядка телефона, стакан воды, километр пути на автомобиле — чтобы абстрактные цифры стали ощутимыми. Воспринимайте результат как оценку порядка величины: базовые значения энергии на задачу варьируются в широком диапазоне в зависимости от модели, длины запроса и дата-центра, а коэффициенты воды и углерода — регулируемые допущения, а не фиксированные факты.
Вы отправляете около 100 коротких чатов с ИИ в месяц, коэффициент эффективности использования воды — 1,8 L/kWh (отраслевое значение по умолчанию), энергосистема — среднемировая (471 gCO₂/kWh).
100 чатов в месяц — это 1 200 в год. При 0,3 Wh каждый — получается 360 Wh, или 0,36 kWh — примерно 30 зарядок телефона. Расход воды составит около 0,65 L (меньше трёх стаканов), а углеродный след — около 170 g CO₂, что значительно меньше одного километра на обычном автомобиле. Год лёгкого использования чата оставляет очень небольшой след; серьёзный рост начинается с запросов к моделям с рассуждениями и генерации изображений.
Типичный короткий текстовый запрос к современной frontier-модели потребляет примерно 0,3 Wh электроэнергии — это точка сходимости измеренных Google 0,24 Wh для медианного запроса к Gemini, заявленных OpenAI 0,34 Wh на запрос ChatGPT и оценки Epoch AI «снизу вверх» в 0,3 Wh для GPT-4o. Длинные документы (~2,5 Wh), модели с рассуждениями (~7,6 Wh) и генерация изображений (~2,9 Wh) обходятся значительно дороже за каждое использование.
Вода scope-1 — это вода, испаряемая непосредственно на площадке дата-центра для охлаждения серверов; она рассчитывается как энергия (kWh), умноженная на коэффициент эффективности использования воды (WUE) в литрах на kWh. Вода scope-2 — то есть вода, расходуемая за пределами площадки на электростанциях, вырабатывающих электроэнергию, — сюда не включена, поэтому полная стоимость воды выше отображаемой. WUE существенно варьируется у разных операторов (приблизительно от 0,26 до 1,9 L/kWh), поэтому этот параметр можно настраивать.
Нет. Это центральные оценки на основе публичных измерений сопоставимых моделей, и они намеренно помечены как относящиеся только к инференсу и с указанием границ охвата. Закрытые frontier-модели не поддаются прямому измерению, а границы измерений различаются (энергопотребление всей системы примерно в 2,4× превышает потребление только GPU), поэтому два показателя «на запрос» из разных исследований нельзя сравнивать напрямую.
Нет. Все цифры здесь относятся только к инференсу: это стоимость выполнения запроса, а не единовременная стоимость обучения модели. Обучение — это значительная, но отдельная, амортизированная статья затрат, которую данный калькулятор не оценивает.
Откройте раздел с допущениями по воде и энергосистеме. Выбор энергосистемы подставляет значение углеродоёмкости жизненного цикла для среднемировой, американской, европейской, индийской или китайской сети (данные OWID за 2024 год), а выбор WUE позволяет смоделировать дата-центр Google, Microsoft, Meta, с отраслевым значением по умолчанию или средним по парку. Углерод и вода линейно масштабируются вместе с этими коэффициентами.
Для каждого типа задачи ИИ задано значение энергопотребления в ватт-часах с указанием источника: короткий чат — 0,30 Wh (сходимость оценок Epoch/Google/OpenAI), длинный документ — 2,5 Wh (Epoch, входной текст ~10 тыс. токенов), рассуждения — 7,6 Wh (Hugging Face AI Energy Score v2, DeepSeek-R1-70B с включёнными рассуждениями), генерация изображения — 2,907 Wh (Luccioni «Power Hungry Processing», среднее по таблице 2). В режиме «Моё использование» ежемесячные количества умножаются на 12, суммируются и делятся на 1 000 для получения годового значения в киловатт-часах; в режиме «На задачу» используются введённые количества. Вода в литрах = kWh × WUE (по умолчанию 1,8 L/kWh, scope-1 на площадке). Углерод в граммах = kWh × углеродоёмкость сети (по умолчанию 471 gCO₂/kWh, среднемировой показатель за 2024 г., жизненный цикл по OWID), затем делится на 1 000 для перевода в килограммы. Бытовые эквиваленты вычисляются делением на эталонные значения: 12 Wh — одна зарядка телефона, 0,3 Wh — один поиск Google (исторические данные 2009 г.), 120 Wh — кипячение 1-литрового чайника, 244 gCO₂/km — типичный американский автомобиль и 106,4 gCO₂/km — среднестатистический новый европейский автомобиль, 60 L — один душ, 0,25 L — один стакан и 0,5 L — одна бутылка.
Проверено командой YouCalc · Последнее обновление
Заметили неточность в переводе или расчёте, или есть предложение? Напишите нам.