Tænkende AI-modeller udleder op til 50 gange mere CO2 pr. svar

Hver gang du stiller en AI-chatbot et spørgsmål, bruges der strøm. Hvor meget, afhænger især af, hvor meget modellen skal tænke, før den svarer.

Det viser et studie i tidsskriftet Frontiers in Communication, hvor forskere målte CO2-udledningen fra 14 store sprogmodeller på mellem 7 og 72 mia. parametre. Parametre er de indstillinger, en model lærer under træningen, og de bruges ofte som mål for modellens størrelse. Alle modeller fik de samme 1.000 spørgsmål.

Tænkning koster

Modeller med ræsonnering udledte op til 50 gange mere CO2 end modeller, der svarer kort. Ræsonnering betyder, at modellen skriver en række mellemregninger, før den giver det endelige svar. De ræsonnerende modeller brugte i gennemsnit 543,5 såkaldte tænke-tokens pr. spørgsmål. De kortsvarende brugte 37,7. Et token er en lille bid tekst, som modellen arbejder med.

Emnet spiller også ind. Komplekse emner som abstrakt algebra og filosofi gav op til 6 gange højere udledning end simple emner som gymnasiehistorie.

Den mest nøjagtige model var den ræsonnerende Cogito med 70 mia. parametre, som svarede rigtigt i 84,9 % af tilfældene. Den udledte omkring tre gange mere CO2 end lige store modeller, der svarer kort.

Til sammenligning ville DeepSeek R1 (70 mia. parametre) ved 600.000 spørgsmål udlede CO2 svarende til en tur-retur-flyvning mellem London og New York. Qwen 2.5 (72 mia. parametre) kunne besvare ca. 1,9 mio. spørgsmål med samme udledning.

Forskerne peger selv på, at resultaterne kan afhænge af hardware, regionale elnet og de undersøgte modeller. Det begrænser, hvor langt de kan generaliseres.

Andre målinger og tal fra udbyderne

En medieartikel fra The Star om benchmarkvirksomheden Vals AI's vurdering af 16 modeller når til lignende konklusioner. 14 af modellerne var fra kinesiske firmaer. Alibabas Qwen3.8 Max scorede dårligst på energi-, CO2- og vandintensitet, mens Ant Groups Ling 3.0 Flash 2607 scorede bedst. Ifølge artiklen kan lange ræsonneringsopgaver have en miljøpåvirkning, der er op til 10.000 gange større end simple forespørgsler.

De fleste førende amerikanske modeller fra OpenAI og Anthropic er lukkede og kunne derfor ikke analyseres på samme måde.

Google oplyste i august 2025, at en median tekstforespørgsel til Gemini bruger 0,24 Wh og udleder 0,03 g CO2e. Tallet gælder kun selve svaret og udelader blandt andet træning af modellen. En tekstforespørgsel til ChatGPT anslås til ca. 0,3-0,34 Wh, men OpenAI har ikke delt en detaljeret metode. For Mistral nævnes ca. 1 g CO2 pr. side genereret tekst.

Ifølge Hannah Ritchie, der skriver om bæredygtighed og tal, kan udbydernes tal ikke sammenlignes direkte på grund af forskellige metoder og graden af åbenhed.