# Onderzoek meet energieverbruik van 86 open-weight-LLM’s

> Veel opstellingen verbruiken 2,6–4,8× meer energie dan de efficiëntste, ontdekten onderzoekers; sommige zelfs 27× zoveel.

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

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.

## De feiten

- 86 modelcheckpoints geëvalueerd
- Mediaan energieverspilling 2,6–4,8×; maximum 27×

## Waarom het ertoe doet

Ontwikkelaars kunnen hun bedrijfskosten en CO₂-voetafdruk verkleinen door energiezuinigere LLM-opstellingen te kiezen.

## Bronnen en referenties

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

Laatst bijgewerkt: 2026-10-14