ChatGPT стал умнее и еще более прожорливым

OpenAI только что анонсировала новую модель GPT-5.2 — на сегодняшний день самую продвинутую систему искусственного интеллекта. Утверждается, что она улучшает общую «интеллектуальность», навыки программирования и работу с длинным контекстом. Однако более продвинутые ИИ-модели требуют и более высоких затрат, и в первую очередь это заметно по энергопотреблению. В частности, потребление электроэнергии ChatGPT стремительно растет. Наш комплексный анализ показывает, что только на ответы на вопросы пользователей энергопотребление ChatGPT уже достигло около 17 ТВт·ч в год, почти столько же, сколько требуется такой стране, как Пуэрто-Рико, чтобы «поддерживать освещение».
По мере того как ИИ-системы масштабируются с бешеной скоростью, их энергетический аппетит растет столь же быстро. Это нагружает энергосети, повышает углеродные выбросы и ставит неудобные вопросы о цене «интеллекта по запросу» для окружающей среды. ChatGPT — показательный пример: по оценкам, один запрос потребляет 18,9 ватт-часа, то есть более чем в 50 раз больше, чем стандартный поиск Google (0,3 Вт·ч). Чтобы наглядно показать реальный масштаб, команда BestBrokers рассчитала суммарное потребление электроэнергии моделью за год ответов на пользовательские запросы и оценила стоимость этого потребления, используя среднюю коммерческую цену на электроэнергию в США — $0,141 за кВт·ч по состоянию на сентябрь.
Результаты расчетов дают довольно серьезную картину: годовое энергопотребление ChatGPT составляет 17,23 ТВт·ч, что сопоставимо с потреблением относительно небольшой страны — например, Пуэрто-Рико или Словении. Электроэнергии, необходимой для ответов на пользовательские запросы в течение года, хватило бы, чтобы обеспечивать Нью-Йорк 113 дней, то есть почти четыре месяца. По текущим коммерческим тарифам это означает примерно $2,42 млрд ежегодных затрат на электроэнергию — только для того, чтобы модель продолжала отвечать на вопросы.
Годовое энергопотребление ChatGPT для ответов на запросы (17,23 ТВт·ч) эквивалентно электроснабжению следующих стран на период:
- Китай — 15 часов
- США — 1 день и 10 часов
- Индия — 3 дня и 2 часа
- Российская Федерация — 5 дней и 6 часов
- Япония — 6 дней и 4 часа
- Бразилия — 8 дней и 6 часов
- Южная Корея — 10 дней и 1 час
- Канада — 10 дней и 2 часа
- Германия — 12 дней и 9 часов
- Франция — 13 дней и 11 часов
Согласно недавнему исследованию лаборатории ИИ Университета Род-Айленда, ChatGPT потребляет около 0,189 кВт·ч на один запрос. При 810 млн активных пользователей в неделю, которые задают в среднем 22 вопроса каждую неделю, годовое потребление составляет около 17,228 млрд кВт·ч. При средней коммерческой цене электроэнергии в США по состоянию на сентябрь 2025 года это дает примерно $2,42 млрд затрат на энергию.
В пересчете на день это означает более 2,5 млрд запросов в сутки, которые требуют свыше 47,2 млн кВт·чэлектроэнергии. Учитывая, что среднее домохозяйство в США и Западной Европе потребляет около 29 кВт·ч в день, получается, что энергии, необходимой ChatGPT за год, хватило бы, чтобы обеспечивать все домохозяйства США более 4,5 дней.
Для дополнительного сравнения: годовое энергопотребление ChatGPT позволило бы полностью зарядить около 238 млн электромобилей со средней емкостью батареи 72,4 кВт·ч. При том что на дорогах США по состоянию на середину 2025 года насчитывается около 6,5 млн электромобилей, объема электроэнергии, затрачиваемого на ответы пользователям, хватило бы, чтобы зарядить весь этот парк как минимум 36 раз.
Энергопотребление ChatGPT при обработке запросов превышает суммарное потребление электроэнергии десятков небольших стран и территорий, включая Словению, Грузию, Кению, Литву, Коста-Рику, Монголию, Латвию и Люксембург. Его также хватило бы, чтобы обеспечивать электроэнергией всю территорию США 34 часа или Великобританию почти 20 дней.
«Новые версии ChatGPT и других передовых моделей дают заметный рост в логике рассуждений и точности генерации, но их энергопотребление становится невозможно игнорировать. Обучение современных систем уже требует десятков гигаватт-часов, а инференс тоже обходится недешево: один запрос к самым продвинутым моделям может потреблять на порядок больше энергии, чем у более старых архитектур. Улучшения эффективности действительно происходят, но их темпы не успевают за взрывным ростом использования и увеличением размеров моделей.
Особенно показательно, насколько мало прозрачности существует вокруг реального электрического следа таких систем. Без более четкой отчетности и более жестких стандартов оптимизации стремительный прогресс ИИ рискует создавать инфраструктурные и экологические нагрузки, которые индустрия пока не готова в полной мере признать. Возможно, следующим технологическим прорывом должна стать именно эффективность», — комментирует Алан Голдберг, аналитик данных и автор BestBrokers.














