Em resumo
Uma classificação do AI Energy Score dá a um modelo de uma a cinco estrelas de eficiência energética em comparação com outros modelos testados na mesma tarefa, com base na energia da GPU medida por 1.000 consultas. Mais estrelas significam menos energia para essa tarefa, mas as estrelas são relativas dentro de cada tarefa, então compare um modelo apenas com outros classificados para o mesmo trabalho.
Passos
- Encontre a tarefa que corresponde ao seu uso, como geração de texto ou geração de imagens.
- Compare as estrelas apenas entre modelos classificados para essa mesma tarefa.
- Olhe o número de energia medido, além das estrelas.
- Verifique se o modelo foi testado com o raciocínio ligado ou desligado.
- Pese a classificação contra a qualidade nos seus próprios exemplos antes de escolher.
Mais estrelas significam menos energia, mas só em comparação com outros modelos que fazem a mesma tarefa. O AI Energy Score, lançado pelo Hugging Face e parceiros, funciona um pouco como a etiqueta de um eletrodoméstico, só que para modelos de IA.
O que ele mede?
A energia da GPU medida por 1.000 consultas, num conjunto padrão de tarefas. O projeto abrange dez tarefas comuns, como geração de texto, resumo e geração de imagens. Cada modelo é executado da mesma forma, no mesmo hardware, e recebe de uma a cinco estrelas em relação aos outros modelos testados nessa tarefa.
Como uso a classificação?
- Escolha a tarefa certa. Um modelo de imagem de cinco estrelas e um classificador de texto de cinco estrelas não são comparáveis.
- Leia o número, não só as estrelas. Dois modelos com uma estrela de diferença podem estar próximos ou muito distantes em energia.
- Verifique o raciocínio. A atualização de 2025 acrescentou modelos de raciocínio e concluiu que eles usavam, em média, 30 vezes mais energia; o mesmo modelo com o raciocínio ligado usou entre 150 e 700 vezes mais do que com ele desligado.
- Teste a qualidade você mesmo. Uma classificação fala da energia, não de se um modelo é bom o bastante para o seu trabalho.
O que ela não diz?
- A maioria dos modelos comerciais fechados não é classificada, porque eles não podem ser avaliados de fora.
- Ela cobre a energia da GPU num ambiente de teste, não a refrigeração, a capacidade ociosa ou o uso de água de um provedor.
- O seu uso real é diferente. Entradas longas, saídas longas e novas tentativas mudam a energia por tarefa.
Erros comuns
- Comparar estrelas entre tarefas diferentes.
- Escolher um modelo de cinco estrelas que não atinge o seu nível de qualidade e depois precisar de um maior de qualquer forma.
Para um método de comparação mais amplo, veja comparar o uso de energia de diferentes modelos e leia rótulos de energia para a IA.
Fontes
- 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)
Relacionados
Como comparo o consumo de energia de diferentes modelos de IA?
Como comparar modelos de IA por energia de forma justa: use referências como o AI Energy Score ou meça você mesmo na mesma tarefa, hardware e configuração.
Como sei se uma ferramenta de IA é verde?
O que observar ao avaliar as alegações ambientais de uma ferramenta de IA: números de energia publicados, métodos, opções de modelo, hospedagem e avaliações.
Etiquetas de energia e benchmarks para IA
Onde estão as classificações de energia da IA em 2026: AI Energy Score, MLPerf Power, documentação do AI Act da UE e classificação de data centers, e o que etiquetas mostram.