# Studie mäter energiförbrukningen hos 86 öppna språkmodeller

> Forskarna fann att många upplägg för språkmodeller använder 2,6–4,8 gånger mer energi än de effektivaste – vissa upp till 27 gånger mer.

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

En forskargrupp ledd av Zeyu Yang publicerade den 14 okt 2026 en studie som mätte hur mycket elektricitet 86 öppna språkmodeller (LLM:er) förbrukar när de kör sju benchmarktester på sex hårdvaruplattformar. Studien visar att de flesta konfigurationer använder betydligt mer energi än nödvändigt – i median 2,6 till 4,8 gånger mer och i extrema fall upp till 27 gånger mer. Att lägga till resonemangssteg ökar energiförbrukningen med omkring 3,7 gånger, medan beräkningar med låg precision i FP8 minskar energiförbrukningen med ungefär 25 procent och knappt påverkar testresultaten.

## Fakta

- 86 modellversioner utvärderades
- Medianen för onödig energiförbrukning var 2,6–4,8 gånger; som mest 27 gånger

## Varför det spelar roll

Utvecklare kan sänka driftskostnader och koldioxidavtryck genom att välja mer energieffektiva upplägg för språkmodeller.

## Källor och referenser

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

Senast uppdaterad: 2026-10-14