Een team onder leiding van Zeyu Yang publiceerde op 14 oktober 2026 een artikel over het elektriciteitsverbruik van 86 open-weight large language models (LLM’s) bij zeven benchmarks op zes hardwareplatforms. Uit het onderzoek blijkt dat de meeste configuraties veel meer stroom verbruiken dan nodig: mediaan 2,6 tot 4,8 keer zoveel, en in extreme gevallen tot 27 keer zoveel. Extra redeneerstappen verhogen het energieverbruik met ongeveer 3,7×, terwijl rekenen met lage precisie in FP8 het verbruik met ongeveer 25% verlaagt, met weinig verlies aan score.
Waarom het ertoe doet
Ontwikkelaars kunnen hun bedrijfskosten en CO₂-voetafdruk verkleinen door energiezuinigere LLM-opstellingen te kiezen.
