Энергопотребление ИИ-агентов: кто раскрывает цифры, а кто молчит

Что произошло

Летом 2025 года сразу несколько крупных разработчиков ИИ впервые назвали энергозатраты одного запроса к своим моделям. Google в блоге привёл оценку для медианного текстового запроса к Gemini, а Сэм Альтман в личном блоге упомянул примерный расход энергии и воды на запрос к ChatGPT. Раньше компании отвечали на такие вопросы общими словами про «эффективность дата-центров». Теперь появились конкретные числа — правда, посчитанные по-разному и почти без независимой проверки.

Вопрос перестал быть академическим. Агенты — модели, которые сами вызывают инструменты и делают по несколько шагов на одну задачу — тратят на порядок больше вычислений, чем один ответ чат-бота. Когда такой агент за вас читает почту, ищет по сотне страниц и пишет черновики, он делает не один запрос, а десятки. И счёт за электричество, воду и выбросы растёт вместе с числом шагов.

Почему цифры несопоставимы

Главная проблема прозрачности не в том, что вендоры молчат, а в том, что каждый считает по-своему. Сравнивать их числа между собой напрямую нельзя. Вот что мешает.

• Разная граница измерения. Кто-то считает только энергию GPU в момент вывода (inference), кто-то добавляет охлаждение и накладные расходы дата-центра, а кто-то — ещё и обучение модели, размазанное на срок её жизни.
• Разный «средний запрос». Median и mean дают сильно разные результаты: тяжёлые запросы с длинным контекстом и рассуждением перекошивают среднее. Google явно указывает, что берёт медиану.
• Обучение против вывода. Разовое обучение большой модели — огромный всплеск. Но за время эксплуатации суммарный вывод может превысить обучение. В одну цифру это не сворачивается.
• Вода и выбросы отдельно. Энергия в ватт-часах, вода на охлаждение в миллилитрах, выбросы CO2 в граммах — три разные метрики, и они зависят от того, где именно стоит дата-центр и на какой электроэнергии он работает.

Цифра «столько-то ватт-часов на запрос» без указания, что в неё входит и как считался «запрос», — это не измерение, а маркетинг. Полезна она только вместе с методологией.

Кто и что уже раскрыл

Ниже — что известно на сегодня. Это не рейтинг «кто зеленее»: методологии разные, и складывать эти числа в одну таблицу сравнения было бы ошибкой. Таблица показывает не «у кого меньше», а что именно и в каком виде раскрыто.

Важно: конкретные значения из этих публикаций я намеренно не подставляю. Они привязаны к дате, версии модели и способу подсчёта, быстро устаревают и без исходной методологии вводят в заблуждение. Актуальные числа смотрите в первоисточниках вендора.

Чего не хватает для настоящей прозрачности

Пока нет ни одного публичного стандарта, по которому вендор обязан раскрывать энергозатраты в сопоставимом виде — с указанием границы измерения, версии модели и даты. Отраслевые группы обсуждают такие методики, но обязательной отчётности по «энергии на запрос» на уровне регулятора сегодня нет ни в одной крупной юрисдикции. Поэтому любые сравнения между вендорами остаются приблизительными.

Почему у агентов всё сложнее

Одиночный ответ модели — это один прогон. Агент^* работает иначе: планирует, вызывает поиск, читает результаты, вызывает ещё инструмент, проверяет себя. Каждый шаг — отдельный вызов модели, часто с растущим контекстом. Десять шагов вместо одного — это грубо на порядок больше вычислений и, значит, энергии.

Отсюда практический вывод: цифра «на запрос», даже честная, ничего не говорит о стоимости агентной задачи. Для агентов честнее считать энергию на выполненную задачу целиком, а этого сейчас не публикует почти никто.

^* Агент — ИИ-система, которая не просто отвечает одним сообщением, а сама разбивает задачу на шаги и вызывает внешние инструменты (поиск, код, API), пока не достигнет цели. Один пользовательский запрос к агенту превращается в цепочку внутренних вызовов модели.

Кому это пригодится и кому нет

Тема энергопрозрачности важна не всем одинаково. Разберём по сценариям.

• Пригодится: команды, закупающие ИИ в промышленных объёмах. Если вы гоняете миллионы запросов в месяц, энергия — это и деньги, и обязательства по углеродной отчётности компании. Вам нужны данные с методологией, а не одна цифра из блога.
• Пригодится: разработчики агентов. Число шагов агента напрямую влияет и на счёт за токены, и на энергозатраты. Оптимизация цепочки вызовов экономит и то, и другое.
• Пригодится: специалисты по устойчивому развитию и закупкам. При выборе поставщика наличие внятной методологии — сигнал зрелости, даже если абсолютные числа несопоставимы между вендорами.
• Не критично: обычный пользователь чат-бота. Индивидуальный след одного запроса мал по сравнению с бытовым потреблением. Отказываться от инструмента ради этого смысла мало — эффект даёт масштаб, а не единичное использование.
• Не критично: короткие разовые задачи. Если модель вызывается изредка и без агентных цепочек, энергия вывода вряд ли станет вашей главной статьёй расходов.

Что делать, если цифры вам действительно нужны

1. Требуйте от вендора не число, а методологию: что входит в измерение (только GPU или дата-центр целиком), медиана это или среднее, учтено ли обучение.
2. Считайте на задачу, а не на запрос, если работаете с агентами: умножайте на реальное число шагов.
3. Проверяйте дату публикации и версию модели — цифра полугодовой давности могла устареть с новым релизом.
4. Не складывайте числа разных вендоров в одну таблицу «кто меньше»: без единой методологии это сравнение яблок с апельсинами.
5. Смотрите на годовую отчётность компании об устойчивом развитии как на дополнительный, более проверяемый источник, чем пост в блоге.

Тренд последнего года понятен: раскрывать хоть что-то стало нормой хорошего тона. Но пока нет общего стандарта измерения, эти публикации — скорее жест доброй воли, чем инструмент для сравнения. Полезный вопрос к вендору сегодня звучит не «сколько ватт на запрос», а «покажите, как вы это посчитали».