# AI से ऊर्जा की बचत साबित करने के लिए मैं बेसलाइन कैसे तय करूँ?

> AI ऊर्जा की असली बचत दिखाएँ: बदलाव से पहले उसी सेट-अप और लोड पर मापें, रन दोहराएँ, हर इकाई काम के हिसाब से रिपोर्ट करें और जाँचें कि गुणवत्ता बनी रही।

Source: https://greenai.guide/hi/कैसे/ai-से-ऊर्जा-की-बचत-साबित-करने-के-लिए-मैं-बेसलाइन-कैसे-तय-करूँ/  
Updated: 2026-11-19

## संक्षेप में

कुछ भी बदलने से पहले मौजूदा सिस्टम को मापें, उसी हार्डवेयर, लोड और इनपुट पर जो आप बाद में इस्तेमाल करेंगे, और सामान्य उतार-चढ़ाव देखने के लिए रन दोहराएँ। कुल ऊर्जा के साथ हर इकाई उपयोगी काम पर ऊर्जा भी रिपोर्ट करें, और सिर्फ़ वही बचत का दावा करें जो उतार-चढ़ाव (noise) से बड़ी हो और गुणवत्ता घटाए बिना हासिल हुई हो।

## Steps

1. एक फ़ंक्शनल इकाई चुनें, जैसे प्रति अनुरोध या प्रति दस्तावेज़ ऊर्जा।
2. मौजूदा सिस्टम को तय सेट-अप और वर्कलोड पर कई बार मापें, जिसमें खाली (idle) स्थिति की बेसलाइन भी हो।
3. एक बार में एक ही चीज़ बदलें और उन्हीं स्थितियों में फिर से मापें।
4. हर रन के लिए ऊर्जा के साथ गुणवत्ता या काम की सफलता भी दर्ज करें।
5. सिर्फ़ उन्हीं बचतों का दावा करें जो एक रन से दूसरे रन के अंतर से बड़ी हों, और प्रति-इकाई के साथ कुल आँकड़े भी रिपोर्ट करें।

**बचत तभी गिनी जाती है जब आपने पहले मापा हो, बाद में उसी तरह मापा हो, और अंतर उतार-चढ़ाव से बड़ा हो।** बेसलाइन के बिना ऊर्जा का
दावा सिर्फ़ अंदाज़ा है, और हो सकता है वह जाँच में टिक न पाए।

## निष्पक्ष तुलना के लिए क्या चाहिए? {#what-makes-a-fair-comparison}

- **वही सेट-अप:** हार्डवेयर, क्षेत्र, सॉफ़्टवेयर वर्ज़न और सेटिंग्स।
- **वही लोड:** वही अनुरोध, दस्तावेज़ या ट्रेनिंग डेटा, उसी मात्रा में।
- **कई रन:** रीडिंग तापमान, बैकग्राउंड प्रोसेस और फ़्रीक्वेंसी स्केलिंग के साथ बदलती है। औसत और दायरा (range) रिपोर्ट करें।
- **सिर्फ़ गति नहीं, ऊर्जा:** GreenCode Constitution के काम में llama.cpp इन्फ़रेंस इंजन पर GPU ऊर्जा में 4.7% की कमी मिली, जबकि गति
  में सिर्फ़ 3% सुधार हुआ। समय और ऊर्जा अलग-अलग कहानियाँ बता सकते हैं।
- **गुणवत्ता बनी रहे:** सस्ता जवाब जो ज़्यादा बार गलत हो, बचत नहीं है।

## बेसलाइन में कौन-सी इकाई इस्तेमाल करें? {#which-unit-should-the-baseline-use}

Green Software Foundation के SCI स्पेसिफ़िकेशन की तरह एक फ़ंक्शनल इकाई इस्तेमाल करें: प्रति अनुरोध, प्रति दस्तावेज़, या प्रति सफल
काम। फिर उसके साथ कुल आँकड़ा भी रिपोर्ट करें, क्योंकि इस्तेमाल बढ़ने पर प्रति काम ऊर्जा घट सकती है जबकि कुल ऊर्जा बढ़ती है। देखें
[हर काम पर AI की ऊर्जा कैसे ट्रैक करें](/hi/कैसे/मैं-ai-की-ऊर्जा-कुल-के-बजाय-हर-काम-के-हिसाब-से-कैसे-ट्रैक-करूँ/)।

## आम गलतियाँ {#common-mistakes}

- **पहले और बाद में सिर्फ़ एक-एक बार मापना।** रीडिंग की एक जोड़ी सिर्फ़ उतार-चढ़ाव हो सकती है।
- **एक साथ कई चीज़ें बदलना,** जिससे पता नहीं चलता कि किससे मदद मिली।
- **बेसलाइन बदल देना,** उदाहरण के लिए नए छोटे मॉडल की तुलना पुराने बड़े मॉडल से अलग मात्रा पर करना।
- **सिर्फ़ ज़्यादा स्वच्छ ग्रिड से आई कार्बन की कमी को** कुशलता गिनना।

कोई बचत प्रकाशित करने से पहले उसे [ईमानदार ग्रीन दावे](/hi/अच्छी-प्रथाएँ/ai-के-बारे-में-ईमानदार-ग्रीन-दावे/) से मिलाकर जाँचें।

## स्रोत

- [Software Carbon Intensity (SCI) specification](https://sci.greensoftware.foundation/), Green Software Foundation (2024)
- [GreenCode Constitution: agent principles for optimizing code and LLM inference energy use](https://greencode.ai/publications/greencode-constitution-agent-principles-for-optimizing-code-and-llm-inference-en/), Kapenekakis, Kim, Ionescu, Thomsen and Albano, GreenAI workshop, ECML PKDD 2026 (2026)
