Vordenker
Nachhaltigkeits-Einblicke • AktualisiertDie Ökologischen Kosten von KI
GPU-Energieverbrauch nach Aufgabenbereich. Hochwertige Generierung ist eine physische Leistung: Sehen Sie, wie aktuelle Modelle abschneiden.
All tasks
Holistic view of AI energy impact across Dec 2025's leading architectures.
| Smartphone-Ladungen | |||
|---|---|---|---|
| Flux.1 | Black Forest Labs | 45.00 | 3.8 Charges |
| o1-preview | OpenAI | 42.00 | 3.5 Charges |
| Stable Diffusion 3.5 | Stability AI | 38.20 | 3.2 Charges |
| Llama 3.1 405B | Meta | 15.50 | 1.3 Charges |
| GPT-4o | OpenAI | 12.50 | 1.0 Charge |
| Gemini 1.5 Pro | 11.20 | 0.9 Charges | |
| Claude 3.5 Sonnet | Anthropic | 10.80 | 0.9 Charges |
| Mistral Large 2 | Mistral | 9.80 | 0.8 Charges |
| GPT-4o-mini | OpenAI | 0.80 | 0.07 Charges |
| Gemini 1.5 Flash | 0.40 | 0.03 Charges |
Neuere Daten zeigen eine erfreuliche Entkopplung von Intelligenz und Energieverbrauch: Viele Flash-Modelle arbeiten mittlerweile mit unter 1 Wh pro 1.000 Basisanfragen.— Globaler KI-Nachhaltigkeitsbericht
Die unsichtbare Infrastruktur
KI existiert nicht in einer ätherischen 'Cloud' — sie läuft in gewaltigen Rechenzentren, die rund um die Uhr Hochspannungsstrom und intensive Kühlung benötigen.
Training von GPT-3 = ca. 500 Tonnen CO2
Das Training großer Modelle verbraucht Millionen Liter Kühlwasser
Grüne Innovationen
Führende Unternehmen entwickeln kleinere Sprachmodelle (SLMs) und spezialisierte Chips, um den Energiebedarf bei gleichbleibend hoher Intelligenz drastisch zu senken.