Basslinje (standardtext)
0,30 Wh
Historisk referens för att jämföra allt annat
Tillbaka till rapporter
Hållbarhet
Läget för AI:s energiförbrukning(2025-2026)
Instrumentpanel för att utforska förbrukning, modeller, modaliteter, multiplikatorer och verkliga ekvivalenser.
En etikett, radikalt olika förbrukning
Det här panelen sammanfattar den viktigaste punkten i den ursprungliga rapporten: det finns ingen enskild siffra för "AI-förbrukning". Lätt text förblir i intervallet tiondelar av Wh, medan reasoning, agenter och video nu opererar på helt olika skalor.
Genomsnittligt resonemang
35,4 Wh
Når snabbt 100-faldiga storleksordningar
Videogenerering
520 Wh
Per kortklipp i det kommersiella intervallet 2026
Kodagenter
85 Wh
Långa sessioner med tool calls och massiv kontext
Energidisparitet per modalitet
Logaritmisk skala. Hoppet från text till video är exponentiellt.
API-kostnad vs uppskattad förbrukning
Bubbla = ungefärlig parametrisk storlek. Priset speglar inte alltid den fysiska kostnaden väl, men hjälper till att se trender.
Modellkatalog 2025-2026
Utforska rapportdatabasen: sortera efter modell, kategori, energi eller multiplikator och filtrera efter modalitet.
| Vardagsekvivalent | Källa / tillförlitlighet | ||||
|---|---|---|---|---|---|
| GPT-4o OpenAI | Text / Resonemang | 0,3 Wh | x1 | 1 sek mikrovågsugn | Epoch AI |
| Gemini 1.5 Pro (Mediana) Google | Text / Resonemang | 0,24 Wh | x0,8 | 1 sek mikrovågsugn | Google (Direkt) |
| Llama 3.1 8B Meta | Text / Resonemang | 0,03 Wh | x0,1 | LED-lampa 1 sek | ML.Energy |
| Llama 3.1 405B Meta | Text / Resonemang | 1,4 Wh | x4,7 | 5 sek mikrovågsugn | ML.Energy |
| o3-reasoning (Consulta Larga) OpenAI | Text / Resonemang | 39,2 Wh | x130,7 | 30 min tv-tittande | Jegham et al. |
| DeepSeek-R1-Distill-70B DeepSeek | Text / Resonemang | 4,6 Wh | x15,3 | 15 sek mikrovågsugn | Extrapolerat (x154) |
| Phi-4-reasoning-plus Microsoft | Text / Resonemang | 15,4 Wh | x51,3 | Full mobilladdning | Direktmätning (x514) |
| GPT-5-main OpenAI | Text / Resonemang | 4,5 Wh | x15 | 15 sek mikrovågsugn | URI AI Lab |
| GPT-5-thinking OpenAI | Text / Resonemang | 35 Wh | x116,7 | 2,5 mobilladdningar | Shaolei Ren (x5-x10) |
| GPT-5.4 OpenAI | Text / Resonemang | 42 Wh | x140 | 1 timme tv-tittande | Skattning utifrån API-kostnad |
| Claude Opus 4.6 Anthropic | Text / Resonemang | 12,5 Wh | x41,7 | 40 sek mikrovågsugn | Termisk skattning |
| Claude Sonnet 4.6 (Adaptive High) Anthropic | Text / Resonemang | 18 Wh | x60 | 1,2 mobilladdningar | Analys av thinking-användning |
| Gemini 2.5 Flash Google | Text / Resonemang | 0,15 Wh | x0,5 | Kameraflash | |
| Gemini 3.1 Pro Preview Google | Text / Resonemang | 8,5 Wh | x28,3 | 30 sek mikrovågsugn | Hårdvaruskattning v6 |
| Llama 4 Maverick (MoE) Meta | Text / Resonemang | 0,8 Wh | x2,7 | 3 sek mikrovågsugn | Analogi 17B aktiva parametrar |
| Grok 4 (Gas Powered) xAI | Text / Resonemang | 22 Wh | x73,3 | Högt koldioxidavtryck | Southern Env. Law Center |
| DeepSeek-V3.2 DeepSeek | Text / Resonemang | 1,2 Wh | x4 | 4 sek mikrovågsugn | Sparse attention |
| DeepSeek-R1 (HW Ascend) DeepSeek | Text / Resonemang | 33,6 Wh | x112,0 | 2 mobilladdningar | Jegham et al. |
| GPT-4o Image Auto OpenAI | Bild | 9,5 Wh | x31,7 | LED-lampa 1 timme | Scope3 |
| SDXL H100 Stability | Bild | 1,64 Wh | x5,5 | 10 min LED-lampa | HuggingFace AI Energy |
| Midjourney v7 Midjourney | Bild | 12 Wh | x40 | 1 mobilladdning | Community-skattning |
| AudioLDM Various | Ljud | 0,25 Wh | x0,8 | 1 sek mikrovågsugn | Passoni et al. |
| Suno v5.5 (Canción) Suno | Ljud | 25 Wh | x83,3 | 2 mobilladdningar | GPU-tidsskattning |
| Sora 2 (Clip 10s) OpenAI | Video | 513 Wh | x1 710 | 1 tvättmaskinscykel | Rapporter efter lansering |
| CogVideoX1.5-5B THUDM | Video | 944 Wh | x3 146,7 | Halv diskmaskinscykel | MIT Tech Review |
| Veo 3 Standard (10s) Google | Video | 180 Wh | x600 | 1 km elbil | Kostnadsbaserad skattning |
| Kling 3.0 (15s) Kuaishou | Video | 145 Wh | x483,3 | 1 km elbil | Infrastrukturskattning |
| Claude Code (Sesión) Anthropic | Agenter / Kod | 41 Wh | x136,7 | 30 min tv-tittande | Simon P. Couch |
| Devin 2.0 (Tarea) Cognition | Agenter / Kod | 120 Wh | x400 | 8 mobilladdningar | Effektivitet +83% jämfört med v1 |
| Aider (Sesión) Various | Agenter / Kod | 9,8 Wh | x32,7 | 10 min tv-tittande | Tokeneffektivitet (105k) |
| OpenAI o3 Deep Research OpenAI | Agenter / Kod | 450 Wh | x1 500 | Nästan 1 tvättmaskinscykel | Artificial Analysis |
| Perplexity Deep Research Perplexity | Agenter / Kod | 85 Wh | x283,3 | 1 timme Netflix | Extrapolering från 308k tokens |
Basslinje: 0,30 Wh som standardtextfråga.
Kalkylator för verklig påverkan
Omvandla den abstrakta operationen till en konkret ekvivalent: mobilladdningar, timmars TV-tittande, kilometer i elbil eller tvättmaskinscykler.
Uppskattad total förbrukning
9 440 Wh
Smartphonejladdningar
674,29 Timmar Netflix-tittande
122,6 Km i elbil
62,93 Tvättmaskinscykler
18,88 Consumption is too low to show these macro equivalences.
AISHA-bedömning: generativ video, djupforskning och utökade agenter är inte enkla “funktioner”. De är arkitektur- och materialkostnadsbeslut. Det rätta är inte att förbjuda dem, utan att mäta när det är värt att aktivera dem.
Källor
- AI's Power Demand: Calculating ChatGPT's electricity consumption
- Your AI Carbon Footprint: What Every Query Really Costs
- Electricity use of AI coding agents — Simon P. Couch
- Google Gemini 3.1 Pro Review and Analysis
- OpenAI Sora Shutdown: $15M/Day Costs, $2.1M Revenue
- Meta Llama 4 Models: Features, Benchmarks
- DeepSeek 3.2 and efficient open AI
- Inside Memphis' Battle Against Elon Musk's xAI Data Center