Энергопотребление и водный след нейросетей: факты и сравнения

Один чайник - это 330 ответов ChatGPT Короче, я полез разбираться, сколько воды и электричества уходит на один запрос в нейронку. Потому что «AI потребляет огромное количество ресурсов» звучит страшно, но хочется понять че там реально? Начнем с электричества. Epoch AI посчитали, что обычный запрос к GPT-4o с ответом примерно на 500 токенов требует около 0,3 Вт·ч. У Google есть замеры на инфраструктуре Gemini: 0,24 Вт·ч для медианного текстового запроса по их методике в мае 2025 года. Если вы не сильно шарите в инженерии, то помогут бытовые сравнения. Если взять 0,3 Вт·ч на ответ, получаются: 💡 Лампочка 10 Вт горит час примерно 33 ответа нейронки. 💻 Ноутбук потребляет 50 Вт в течение часа - примерно 167 ответов. 🫖 Чайник мощностью 2 кВт работает 3 минуты - примерно 330 ответов. Пока греете воду для чая, нейронка могла бы несколько сотен раз помочь вам переписать сообщение коллеге😁 Правда, с долгими рассуждениями все иначе. В исследовании 2026 года одна и та же модель Qwen 3 32B в сценарии решения задач с рассуждением тратила на ответ примерно в 23 раза больше энергии, чем в обычном диалоге: ответы были длиннее, настройки обработки тоже отличались. Поэтому переносить «0,3 Вт·ч на запрос» на агента, который час копается в вашем проекте, нельзя. А что с водой? У Google 0,26 мл на текстовый запрос, примерно пять капель. Но учитывается только охлаждение дата-центра. Вода на производство электричества сюда не входит. Методика. У Mistral - 45 мл на ответ в 400 токенов, при более широком учете воздействия, включая производство оборудования. Поэтому напрямую сравнивать эти цифры нельзя. Если взять оценку Mistral: 💧 100 ответов - 4,5 литра воды. 🚿 Пять минут душа при расходе 7,6 литра в минуту 38 литров. По объему - это примерно как 840 ответов Mistral. Но тут есть нюанс: вода из душа уходит в канализацию и может вернуться после очистки. В водном следе AI считают в том числе испарение. Это сравнение объемов, а не одинакового ущерба природе. Что с этим делать? Я бы спокойно пользовался нейронкой для полезных задач. Для «сократи абзац» выбирал простой режим. А долгое рассуждение включал там, где оно действительно помогает. P.S. и тут нифига не учтены расходы на обучение моделей