greenai.guide

Início › Artigos › Etiquetas de energia e benchmarks para IA

Artigo

Etiquetas de energia e benchmarks para IA

Atualizado · 6 min de leitura

Em resumo

Ainda não existe uma etiqueta oficial de energia para modelos de IA, mas as peças já existem. O AI Energy Score classifica modelos abertos de uma a cinco estrelas, o MLPerf Power faz benchmarks de sistemas de hardware, e a UE exige documentação de energia para modelos de IA de uso geral e está construindo um sistema de classificação para data centers. A UE também abriu licitação para trabalhos sobre medição de IA com eficiência energética, e uma etiqueta está em discussão.

Pontos-chave

  • O AI Energy Score, lançado em fevereiro de 2025, dá aos modelos uma classificação de uma a cinco estrelas dentro de cada tarefa, com base na energia medida da GPU.
  • O MLPerf Power mede a eficiência energética de sistemas completos de aprendizado de máquina, de dispositivos minúsculos a racks de data center.
  • Pelo AI Act da UE, os provedores de IA de uso geral precisam documentar o consumo de energia conhecido ou estimado, mas isso vai para os reguladores, e não para os consumidores.
  • A UE está construindo uma classificação no estilo A–G para data centers e abriu licitação para trabalhos que podem levar a uma etiqueta de energia e emissões para a IA.
  • Uma etiqueta pode classificar opções equivalentes, mas não capta tudo: hardware, configurações e uso no mundo real mudam o resultado.

Geladeiras, máquinas de lavar e lâmpadas trazem etiquetas de energia que permitem aos compradores compará-las de relance. Cada vez mais gente pergunta por que os modelos de IA não trazem. A resposta curta é que etiquetar a IA é mais difícil que etiquetar uma geladeira, mas o trabalho nessa direção está bem adiantado. Este artigo mostra o que existe no fim de 2026 e o que uma etiqueta pode e não pode dizer a você.

Existe uma etiqueta oficial de energia para IA?

Não, ainda não. Há classificações e benchmarks voluntários, obrigações legais de documentar o uso de energia na UE e trabalhos da Comissão Europeia que podem levar a uma etiqueta. Nada disso é ainda uma etiqueta para o consumidor do tipo das geladeiras.

O que é o AI Energy Score?

Uma classificação voluntária por estrelas para modelos de IA, com base no uso de energia medido em tarefas padronizadas. Foi lançada em fevereiro de 2025 pela Hugging Face com parceiros como Salesforce, Cohere e Carnegie Mellon University.

Como funciona:

  • Os modelos são executados em um conjunto fixo de tarefas comuns, usando o mesmo tipo de GPU para todos.
  • Mede-se a energia de GPU usada para um número fixo de consultas.
  • Cada modelo recebe de uma a cinco estrelas, em relação a outros modelos da mesma tarefa e da mesma faixa de tamanho. As classificações são recalibradas à medida que novos modelos são adicionados.

A primeira versão classificou 166 modelos em 10 tarefas. Uma segunda versão, lançada no fim de 2025, acrescentou o raciocínio como tarefa avaliada; a Hugging Face relatou que os modelos de raciocínio usavam, em média, cerca de 30 vezes mais energia que modelos sem raciocínio ou com ele desativado, em grande parte porque produzem muito mais tokens de saída.

O ponto forte do índice é que ele é medido, e não estimado, e usa as mesmas condições para todos os modelos. Seu limite é a cobertura: modelos comerciais fechados só podem ser incluídos se seus provedores decidirem participar.

O que são o MLPerf Power e o ML.ENERGY Leaderboard?

Benchmarks que medem a energia em condições controladas, um para sistemas de hardware, outro para modelos abertos.

  • O MLPerf Power, do consórcio setorial MLCommons, mede a eficiência energética de sistemas completos de aprendizado de máquina executando cargas de trabalho padronizadas do MLPerf. Seu artigo de 2025 relata 1.841 medições de 60 sistemas enviados por mais de 20 organizações, de dispositivos de microwatts a sistemas de data center de megawatts. Ele ajuda os compradores a comparar hardware, e não modelos.
  • O ML.ENERGY Leaderboard, da University of Michigan, mede a energia de inferência de modelos abertos muito usados em hardware conhecido e publica suas ferramentas para que outros possam repetir as medições.

A computação de alto desempenho tem um precedente. A lista Green500 classifica supercomputadores pelo desempenho por watt em um benchmark padronizado. É uma medida grosseira, mas, como todos executam o mesmo teste, ela é comparável, e vem impulsionando a eficiência há anos. Os benchmarks de IA podem acabar do mesmo jeito: imperfeitos, mas úteis por serem compartilhados.

O que a legislação da UE exige?

Documentação para modelos de IA de uso geral, relatórios para data centers e uma estrutura para normas futuras.

  • AI Act, Anexo XI. Os provedores de modelos de IA de uso geral precisam documentar o "consumo de energia conhecido ou estimado do modelo". Se ele não for conhecido, pode se basear em informações sobre os recursos computacionais usados. Essa documentação vai para o Serviço Europeu para a IA (EU AI Office) e para as autoridades nacionais, e não para o público.
  • AI Act, Artigo 40. O pedido de normalização da Comissão abrange processos de relato e documentação para melhorar o desempenho dos sistemas de IA quanto a recursos, incluindo o desenvolvimento de modelos de uso geral com eficiência energética. Essas normas ainda estão em elaboração.
  • Data centers. Pelo Regulamento Delegado (UE) 2024/1364, data centers com pelo menos 500 kW de potência de TI precisam relatar indicadores de energia e sustentabilidade todos os anos. Em 2026, a Comissão propôs o passo seguinte, um sistema de classificação com classes para indicadores como a eficácia no uso de energia (PUE) e a eficácia no uso de água (WUE); ele está em análise e ainda não está em vigor.

A UE está desenvolvendo uma etiqueta de energia para IA?

Está estudando uma. A Comissão abriu uma licitação, no âmbito do AI Act, para medir e promover uma IA com eficiência energética e baixas emissões, que inclui a possibilidade de uma etiqueta de energia e emissões para a IA, e fez uma consulta direcionada em 2026. Se uma etiqueta virá, e se o AI Act oferece base legal para ela, ainda não está definido. Qualquer primeira estrutura provavelmente será um guia com amplas margens de incerteza, e não um índice preciso.

Fora da UE, o quadro é principalmente voluntário. No Reino Unido e nos EUA não há exigência de etiqueta de energia para IA; as organizações contam com sistemas voluntários, como o AI Energy Score, e com normas como a ISO/IEC 21031:2024, a especificação Software Carbon Intensity, que define uma taxa de carbono por unidade de trabalho, mas que em si não é uma etiqueta comparativa.

Por que etiquetar a IA é mais difícil que etiquetar uma geladeira?

Porque o uso de energia de um mesmo modelo muda com o hardware, as configurações e o trabalho. Uma geladeira faz a mesma coisa todos os dias. A energia por tarefa de um modelo de IA depende de:

  • Hardware: a geração do chip, quantos chips, configurações de potência e de boost.
  • Software: o motor de inferência, o agrupamento de pedidos (batching), a quantização, o cache.
  • A tarefa: tamanho do prompt, tamanho da resposta, se o modo de raciocínio está ativado.
  • O contexto: um benchmark de laboratório ou um data center de produção movimentado, com capacidade de reserva para os picos.
  • A qualidade: um modelo que usa menos energia, mas erra mais respostas, pode custar mais no total.

Uma etiqueta, portanto, precisa fixar as condições, o que a torna comparável, mas menos realista. É o mesmo compromisso que os testes de consumo de combustível dos carros fazem.

O que um comprador deve pedir enquanto isso?

Energia medida por tarefa, em condições declaradas, junto com a qualidade. Na prática:

  • Pergunte se o modelo tem um AI Energy Score ou outra medição independente.
  • Pergunte que hardware, região e configurações os números do fornecedor pressupõem.
  • Peça a energia e a qualidade na sua tarefa, e não em um benchmark genérico.
  • Trate com cuidado razões como "35 vezes mais eficiente": elas dizem tanto sobre a base de comparação quanto sobre o produto.

Veja compras (aquisição) sustentáveis de IA e a medição é o gargalo.

O que fazer agora

Perguntas frequentes

Existe uma etiqueta de energia para modelos de IA?

Não uma oficial. O AI Energy Score é uma classificação voluntária por estrelas para modelos em tarefas padronizadas. A Comissão Europeia encomendou trabalhos sobre medição de IA com eficiência energética que podem levar a uma etiqueta, mas nenhuma foi adotada.

O que é o AI Energy Score?

Um projeto lançado em fevereiro de 2025 pela Hugging Face com parceiros como Salesforce, Cohere e Carnegie Mellon University. Ele mede a energia de GPU que os modelos usam em tarefas padronizadas e dá a cada um uma classificação de uma a cinco estrelas, em relação aos outros da mesma tarefa.

O que é o MLPerf Power?

Um benchmark do consórcio MLCommons que mede a eficiência energética de sistemas de hardware e software de aprendizado de máquina executando cargas de trabalho padronizadas do MLPerf, de dispositivos de microwatts a sistemas de data center de megawatts.

Fontes

  1. Announcing AI Energy Score ratings, Hugging Face (2025)
  2. AI Energy Score v2: refreshed leaderboard, now with reasoning, Hugging Face (2025)
  3. AI Energy Score, OECD.AI catalogue of tools (2025)
  4. MLPerf Power: benchmarking the energy efficiency of machine learning systems from µWatts to MWatts for sustainable AI, Tschand et al., MLCommons, HPCA 2025 (2025)
  5. The ML.ENERGY benchmark: toward automated inference energy measurement and optimization, Chung et al., NeurIPS Datasets and Benchmarks (2025)
  6. Regulation (EU) 2024/1689 (AI Act), Annex XI, European Union (2024)
  7. Regulation (EU) 2024/1689 (AI Act), Article 40, European Union (2024)
  8. Artificial Intelligence Act: call for tenders to measure and foster energy-efficient and low-emission AI, European Commission (2025)
  9. Commission Delegated Regulation (EU) 2024/1364 on the first phase of the establishment of a common Union rating scheme for data centres, European Commission (2024)
  10. European Commission proposes mandatory sustainability label for data centres, Latham & Watkins (2026)
  11. Software Carbon Intensity (SCI) specification, Green Software Foundation (2024)
  12. TOP500 and Green500 lists, TOP500 (2026)

Junte-se a nós

Ajude a reduzir o impacto da IA no planeta

Receba novos guias, editais de financiamento e listagens dos diretórios por e-mail, cerca de uma vez por mês. Ou adicione seu produto, curso, doutorado ou pesquisa aos diretórios.

Sem rastreamento. Cancele a inscrição com um clique. Outras formas de participar · Privacidade