关于AI碳足迹计算器
发送到托管大语言模型的每个提示词都会消耗少量电力来驱动推理服务器。乘以数百万用户和数十亿次查询，总量不容忽视。AI Carbon Footprint Calculator将模型 + 令牌数 + 电网区域转换为估算的千瓦时和CO₂当量克数（gCO₂e）。
公式
CO₂ = 令牌数 × 每令牌瓦时 × 电网强度
按模型类别每个 token 的能耗
- Small (≈ 7B params): ~0.2 mWh/令牌（Llama 3 8B, Mistral 7B）
- Medium (≈ 70B): 约1 mWh/令牌（Llama 3 70B，Claude Haiku）
- Large (≈ 400B+): ~3 mWh / token（GPT-4o、Claude Sonnet）
- Frontier (≈ 1T+): ~6 mWh/令牌（GPT-4 / Claude Opus级别）
输出 token 比输入 token 成本更高(通常 2–3 倍,因为每个输出需要一次前向传递)。数字是粗略的 — 2024–2025 发布的估计值相差 3–5 倍。
按地区划分的碳强度(gCO₂e / kWh)
- 冰岛:11(地热+水力)
- 法国:56(核电)
- 英国：230
- 欧盟平均：250
- 德国：380
- 美国平均：387
- 德克萨斯州（ERCOT）：410
- 印度：720
- 煤炭密集型电网:~820
常见问题
Is this an exact number? 不能直接使用。将其视为数量级估算。实际变化取决于硬件、批处理效率、模型路由以及推理时的精确区域碳强度。
What about model training? 训练排放分摊到模型的整个使用寿命中。对于广泛使用的模型,训练贡献整个生命周期排放的约 5–20%。
How does this compare to a Google search? 标准 Google 搜索产生约 0.2 g CO₂e。对前沿模型的短 LLM 提示大约高 5–25 倍。
将此与我们的AI Model Cost Calculator和Prompt Cost Calculator配合使用，获取完整的可持续性与成本概况。
重要提示： 每令牌能耗和碳强度数据变化迅速。使用本工具提高认知；合规报告请参阅提供商发布的可持续发展报告。
相关计算器
- AI Model Cost Calculator — 比较 100+ LLM 的 API 价格,包括 GPT-4o、Claude、Gemini 和 Llama。精确计算 token 成本。
- AI vs Human ROI Calculator — 比较 AI 工具与人力成本。月度节约、年度 ROI 和实时模型定价下的盈亏平衡点。
- Carbon Footprint Calculator — 估算您来自交通、家庭能源、饮食和生活方式的年度CO₂排放量。与全球平均水平对比。