Un equipo dirigido por Zeyu Yang publicó el 14 de octubre de 2026 un estudio que midió cuánta electricidad consumen 86 modelos de lenguaje grandes (LLM) de pesos abiertos al ejecutar siete pruebas de referencia en seis plataformas de hardware. El estudio muestra que la mayoría de las configuraciones consume mucha más energía de la necesaria: una mediana de entre 2,6 y 4,8 veces más, y hasta 27 veces más en casos extremos. Añadir pasos de razonamiento eleva el consumo energético unas 3,7 veces, mientras que usar aritmética FP8 de baja precisión reduce el consumo alrededor de un 25% con una pérdida mínima en la puntuación.
Por qué importa
Los desarrolladores pueden reducir los costos operativos y la huella de carbono al elegir configuraciones de LLM más eficientes en el uso de energía.
