# Estudo mede o consumo de energia de 86 LLMs de pesos abertos

> Pesquisadores descobriram que muitas configurações de LLMs consomem de 2,6 a 4,8 vezes mais energia que as mais eficientes; algumas chegam a 27 vezes mais.

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

Uma equipe liderada por Zeyu Yang publicou, em 14 de outubro de 2026, um artigo que mediu o consumo de eletricidade de 86 grandes modelos de linguagem (LLMs) de pesos abertos durante a execução de sete benchmarks em seis plataformas de hardware. O estudo mostra que a maioria das configurações consome muito mais energia do que o necessário: uma mediana de 2,6 a 4,8 vezes mais, chegando a até 27 vezes em casos extremos. Incluir etapas de raciocínio aumenta o consumo de energia em cerca de 3,7 vezes, enquanto o uso de aritmética FP8 de baixa precisão reduz o consumo em aproximadamente 25%, com pouca perda de pontuação.

## Os fatos

- 86 checkpoints de modelos avaliados
- Desperdício mediano de energia de 2,6 a 4,8 vezes; máximo de 27 vezes

## Por que importa

Desenvolvedores podem reduzir custos operacionais e a pegada de carbono ao escolher configurações de LLMs mais eficientes em termos de energia.

## Fontes e referências

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

Última atualização: 2026-10-14