W skrócie
Ocena AI Energy Score przyznaje modelowi od jednej do pięciu gwiazdek za efektywność energetyczną w porównaniu z innymi modelami testowanymi w tym samym zadaniu, na podstawie zmierzonej energii GPU na 1000 zapytań. Więcej gwiazdek oznacza mniej energii w danym zadaniu, ale gwiazdki są względne w obrębie zadania, więc modele należy porównywać tylko z innymi ocenionymi w tym samym zastosowaniu.
Kroki
- Znaleźć zadanie odpowiadające własnemu zastosowaniu, na przykład generowanie tekstu lub generowanie obrazów.
- Porównywać oceny gwiazdkowe tylko między modelami ocenionymi w tym samym zadaniu.
- Patrzeć na zmierzoną wartość energii, a nie tylko na gwiazdki.
- Sprawdzić, czy model testowano z włączonym, czy z wyłączonym rozumowaniem (reasoning).
- Przed wyborem zestawić ocenę z jakością na własnych przykładach.
Więcej gwiazdek oznacza mniej energii, ale tylko w porównaniu z innymi modelami wykonującymi to samo zadanie. AI Energy Score, uruchomiony przez Hugging Face i partnerów, działa trochę jak etykieta energetyczna sprzętu AGD, tylko dla modeli AI.
Co mierzy?
Zmierzoną energię GPU na 1000 zapytań w standardowym zestawie zadań. Projekt obejmuje dziesięć typowych zadań, takich jak generowanie tekstu, streszczanie i generowanie obrazów. Każdy model jest uruchamiany w ten sam sposób na tym samym sprzęcie i otrzymuje od jednej do pięciu gwiazdek względem innych modeli testowanych w danym zadaniu.
Jak z niego korzystać?
- Wybrać właściwe zadanie. Pięciogwiazdkowego modelu do obrazów i pięciogwiazdkowego klasyfikatora tekstu nie da się porównać.
- Czytać liczbę, a nie tylko gwiazdki. Dwa modele różniące się o jedną gwiazdkę mogą być pod względem energii blisko siebie albo daleko od siebie.
- Sprawdzić rozumowanie. Aktualizacja z 2025 roku dodała modele rozumujące i wykazała, że zużywały one średnio 30 razy więcej energii; ten sam model z włączonym rozumowaniem zużywał od 150 do 700 razy więcej niż z wyłączonym.
- Samodzielnie sprawdzić jakość. Ocena mówi o energii, a nie o tym, czy model jest wystarczająco dobry do danej pracy.
Czego z niego nie wyczytamy?
- Większość zamkniętych modeli komercyjnych nie jest oceniana, bo nie da się ich przetestować z zewnątrz.
- Obejmuje energię GPU w warunkach testowych, a nie chłodzenie, niewykorzystaną moc ani zużycie wody u dostawcy.
- Rzeczywiste użycie jest inne. Długie dane wejściowe, długie odpowiedzi i ponowne próby zmieniają energię na zadanie.
Częste błędy
- Porównywanie gwiazdek między różnymi zadaniami.
- Wybór pięciogwiazdkowego modelu, który nie spełnia wymaganego poziomu jakości, a potem i tak konieczność sięgnięcia po większy.
Szerszą metodę porównania opisuje strona jak porównać zużycie energii przez różne modele, a więcej informacji zawiera artykuł etykiety energetyczne dla AI.
Źródła
- AI Energy Score, Hugging Face (2025)
- Announcing AI Energy Score ratings, Hugging Face (2025)
- AI Energy Score v2: refreshed leaderboard, now with reasoning, Luccioni and Gamazaychikov, Hugging Face (2025)
Powiązane
Jak porównać zużycie energii przez różne modele AI?
Jak uczciwie porównać modele AI pod kątem energii: korzystając z benchmarków takich jak AI Energy Score lub mierząc je samodzielnie w tych samych warunkach.
Jak sprawdzić, czy narzędzie AI jest ekologiczne?
Na co zwracać uwagę, oceniając deklaracje środowiskowe narzędzia AI: publikowane dane o energii, metody, mniejsze modele, hosting i niezależne oceny.
Etykiety energetyczne i testy porównawcze dla AI
Stan ocen energetycznych AI w 2026 roku: AI Energy Score, MLPerf Power, dokumentacja z AI Act i ocena centrów danych w UE oraz to, co mogą pokazać etykiety.