# Uno studio misura i consumi di 86 LLM open-weight

> Molte configurazioni di LLM consumano da 2,6 a 4,8 volte più energia delle più efficienti; alcune arrivano a 27 volte tanto.

Oossa · 2026-10-14 · https://oossa.com/it/study-measures-energy-use-of-86-open-weight-llms-on-benchmarks-and-hardware

Un gruppo guidato da Zeyu Yang ha pubblicato il 14 ottobre 2026 uno studio che misura quanta elettricità consumano 86 modelli linguistici di grandi dimensioni (LLM) open-weight nell’esecuzione di sette benchmark su sei piattaforme hardware. I risultati mostrano che la maggior parte delle configurazioni consuma molta più energia del necessario: da 2,6 a 4,8 volte in più, secondo la mediana, e fino a 27 volte in più nei casi estremi. Aggiungere passaggi di ragionamento aumenta i consumi di circa 3,7 volte, mentre l’uso dell’aritmetica FP8 a bassa precisione riduce l’energia di circa il 25%, con una perdita di punteggio minima.

## I fatti

- Valutati 86 checkpoint di modelli
- Energia sprecata: da 2,6 a 4,8 volte in più secondo la mediana; fino a 27 volte in più

## Perché conta

Gli sviluppatori possono ridurre i costi operativi e l’impronta di carbonio scegliendo configurazioni di LLM più efficienti dal punto di vista energetico.

## Fonti e riferimenti

1. [Measuring the Inference Energy Efficiency of Open-Weight LLMs across Benchmarks, Reasoning Modes, and Hardware](https://arxiv.org/abs/2610.14389) – arXiv, 2026-10-14

Ultimo aggiornamento: 2026-10-14