Сколько энергии тратит один запрос к ИИ-агенту

Летом 2025 года OpenAI и Google почти одновременно опубликовали оценки энергопотребления своих чат-ботов. Sam Altman в блоге назвал средний запрос к ChatGPT в 0,34 ватт-часа. Google в техническом отчёте оценил медианный текстовый запрос к Gemini Apps в 0,24 ватт-часа. Обе цифры звучат успокаивающе: это меньше, чем расходует лампочка за пару минут. Но обе относятся к простому вопросу-ответу, а не к тому, что сейчас называют агентом — системе, которая на один ваш запрос делает десятки обращений к модели, лезет в поиск, запускает код и переспрашивает сама себя. Здесь счёт идёт иначе.

Что именно измеряют

Проблема любой цифры про «энергию одного запроса» в том, что она собирает вместе несколько разных вещей. Расход зависит от длины вопроса и ответа, от размера модели, от того, включено ли «рассуждение» (reasoning), и от того, на каком железе всё это крутится.

Публичные оценки обычно учитывают только работу самих ускорителей во время генерации ответа — так называемый inference¹. За скобками часто остаётся охлаждение дата-центра, потери на питании, а также разовые, но огромные затраты на обучение модели. Google в своём отчёте отдельно оговорил, что считает «полный стек» — GPU, host-процессор, простаивающие резервные машины и накладные расходы дата-центра. OpenAI методику раскрыл скупее, поэтому напрямую сравнивать 0,34 и 0,24 ватт-часа некорректно.

Одинаковые на вид цифры от двух компаний могут отличаться в разы просто потому, что одна считает голый чип, а другая — весь дата-центр вокруг него.

Откуда берётся разброс

Даже в пределах одной модели расход на запрос гуляет широко. На него влияют:

• Длина ответа. Каждый сгенерированный токен² — это отдельный проход по модели. Ответ на 2000 токенов стоит в разы дороже, чем на 50.
• Режим рассуждения. Модели вроде o-серии OpenAI или Gemini с «мышлением» генерируют длинную скрытую цепочку рассуждений до финального ответа. Пользователь её не видит, но платит за неё энергией.
• Размер модели. Компактная модель на телефоне и флагман на сотни миллиардов параметров различаются по расходу на порядки.
• Загрузка железа. Запрос в час пик обрабатывается эффективнее, чем одинокий ночной, — фиксированные затраты дата-центра размазываются на больше пользователей.

Почему агент дороже чат-бота

Обычный чат — это один цикл: вопрос ушёл, ответ пришёл. Агент устроен как петля. Он получает задачу, планирует, вызывает инструмент (поиск, калькулятор, браузер, ваш код), получает результат, снова обращается к модели, оценивает, повторяет. Один пользовательский запрос вроде «собери мне сравнение трёх ноутбуков и оформи таблицей» может развернуться в 15–40 обращений к модели.

Точной публичной цифры «ватт-часов на один агентский запрос» на сегодня нет — слишком много сценариев. Но арифметика простая: если один шаг стоит около 0,3 ватт-часа, а агент делает 30 шагов с длинными рассуждениями и раздутым контекстом, вы легко получаете 10–20 ватт-часов на одну задачу. Это уже не лампочка на минуту, а скорее зарядка смартфона наполовину.

Отдельно бьёт по расходу растущее контекстное окно³. Агент на каждом шаге тащит за собой всю историю: инструкции, предыдущие результаты инструментов, промежуточные рассуждения. Чем длиннее контекст, тем дороже каждый следующий проход, и рост здесь не линейный.

Сравнение оценок

Ниже — публичные и расчётные ориентиры. Цифры от компаний относятся к простому текстовому запросу и опубликованы в 2025 году; агентские значения — оценочный диапазон на основе числа шагов, а не официальный замер.

Для контекста: обычный веб-поиск в поисковике оценивают в доли ватт-часа, а полный цикл стирки в машинке — это сотни ватт-часов. То есть даже дорогой агентский запрос всё ещё дешевле бытовых приборов. Проблема не в одном запросе, а в масштабе: миллиарды запросов в день суммируются в мегаватты.

Кому это важно, а кому нет

Стоит считать, если вы:

• строите продукт на агентах и платите за токены — тут энергия напрямую конвертируется в счёт от провайдера API, и лишние 20 шагов бьют по марже;
• отчитываетесь по углеродному следу и вам нужно защитить цифру перед аудитором или клиентом;
• выбираете между локальной моделью и облаком: маленькая модель на своём сервере может оказаться и дешевле, и «зеленее» для простых задач.

Можно не переживать, если вы:

• обычный пользователь, задающий несколько вопросов в день — ваш личный вклад теряется на фоне холодильника;
• используете чат для текста, а не запускаете многочасовые автономные агентские прогоны.

Как снизить расход, если он для вас критичен

1. Ограничьте число шагов агента жёстким лимитом итераций — большинство фреймворков это позволяют.
2. Обрезайте контекст: не тащите всю историю на каждый шаг, суммируйте промежуточные результаты.
3. Берите модель под задачу: не гоняйте флагман с рассуждением там, где справится компактная модель.
4. Кэшируйте повторяющиеся вызовы инструментов и одинаковые подзапросы.
5. Задавайте разумный лимит длины ответа — генерация «воды» стоит энергии.

¹ Inference — работа уже обученной модели на запросе пользователя, в отличие от обучения (training), когда модель настраивают на данных.

² Токен — минимальный кусок текста, которым оперирует модель: часть слова, слово или символ. Модель генерирует ответ токен за токеном.

³ Контекстное окно — максимальный объём текста (в токенах), который модель удерживает «в поле зрения» за один запрос: и ваш ввод, и её собственный вывод.