Paljonko energiaa tekoälykehote kuluttaa?
DentroChatin käyttäjät, EU-tekoälyavustajamme, kysyvät meiltä toisinaan, paljonko sähköä viesteihinsä kuluu. Reilu kysymys. Haluaisimme näyttää luvun tuotteessa, mutta pilvipalveluiden mallien ajajat eivät useimmiten vielä kerro yhden pyynnön energiankulutusta. Siksi arvioimme parhaamme mukaan julkisen tutkimuksen avulla.
Nämä eivät ole DentroChatin laboratoriomittauksia. Kävimme läpi löytämämme tutkimukset ja vertailimme niitä toisiinsa, ja alla olevat luvut ovat se, mihin ne yhteen laskevat. Jos sinulla on parempi lähde, kerro meille.
Sähkö tavalliselle kehotteelle
Tyypillinen kehote on: kysyt jotain, ja malli vastaa muutamalla sadalla tokenilla. Token on sanan osa tai lyhyessä sanassa koko sana.
Google mittasi tämän. Toukokuussa 2025 Gemini-sovellusten mediaani-tekstikehote oli 0,24 wattituntia. Mukana olivat sirun ja jäähdytyksen osuus koko datakeskushallista. Google laski mediaani-kehotteen CO2:ksi 0,03 grammaa (Googlen sähköllä).
Epoch AI arvioi tyypillisen ChatGPT-vastauksen helmikuussa 2025 noin 0,3 wattitunniksi, noin 500 tokenin vastauksella. He itse sanoivat arvionsa olevan hieman korkea.
Joule-lehdessä huhtikuussa 2026 julkaistu artikkeli perustui vuoden 2025 käyttöönottoihin. Isoille malleille mediaani oli 0,31 wattituntia. Sam Altman kirjoitti kesäkuussa 2025, että keskimääräinen ChatGPT-kysely on ~0,34 wattituntia.
Tyypilliselle kehotteelle sanoisimme 0,3 wattituntia. Mittaus ja arviot päätyvät samaan.
Sähkö pidemmälle kehotteelle
Pitkä asiakirja on enemmän työtä, koska paljon pitää lukea.
Epoch AI arvioi, että noin 10 000 tokenin syöte johtaa noin 2,5 wattitunnin kulutukseen. Näyttääksemme, mitä se on sanoina, laskimme tokeneita omilla sivuillamme. Luvut käyttävät GPT-4o-tokenizeria: noin 7 700 englanninkielistä sanaa ja noin 5 800 saksankielistä sanaa, eli pitkä artikkeli tai chatti monilla viesteillä. Alempana ajimme samat sivut viiden muun tokenizerin läpi, ja taulukko näyttää, kuinka kaukana ne ovat GPT-4o:sta.
Jegham et al. arvioivat samanlaisen kehotteen (10k sisään, 1500 ulos) noin 1,4–2,9 wattituntiin mallista riippuen. Samaa luokkaa kuin Epoch.
Jos malli miettii pitkään ja kirjoittaa tuhansia tokeneita ennen kuin vastaus näkyy, sähköä kuluu enemmän. Joule-artikkelissa noin 5 000 tokenin vastaus on ~4 wattituntia. Se on „päättelytyylinen” vastaus, jossa malli laskee paljon.
Kaikki yhdessä taulukossa. Kyse on isoista malleista kuten GPT-4o ja Gemini:
| Kehotteen tyyppi | Tokenit, karkeasti | Sähkö | Lähde |
|---|---|---|---|
| Tavallinen kehote | lyhyt kysymys, muutama sata tokenia vastauksessa | ~0,3 Wh | Google, Epoch AI, Joule-artikkeli, Altman |
| Pitkä asiakirja | ~10k sisään, 500–1 500 ulos | ~2,5 Wh (1,4–2,9) | Epoch AI, Jegham et al. |
| Päättelyvastaus | ~5k ulos | ~4 Wh | Joule-artikkeli |
Sanoin: tavallinen kehote kuluttaa noin 0,3 wattituntia. Noin 10 000 tokenin pitkä asiakirja noin 2,5 wattituntia, mallista riippuen 1,4–2,9. Pitkä päättelyvastaus noin 5 000 tokenilla noin 4 wattituntia.
CO2 riippuu verkosta
Saman mallin sähkönkulutus on suunnilleen sama siellä, missä palvelimet ovat. CO2 riippuu paikallisesta sähköverkosta.
Otimme Emberin luvut vuodelta 2025, näkyvissä Our World in Datassa. Ne ovat elinkaariarvoja: mukana sähkön toimitusketju voimalan päästöjen päälle, mitattuna gramma CO2-ekvivalenttia kilowattituntia kohti.
Kerroimme ne kahdella luvullamme: 0,3 Wh tavalliselle kehotteelle ja 2,5 Wh pitkälle asiakirjalle:
| Verkko | g CO2e / kWh | Tavallinen kehote | Pitkä asiakirja |
|---|---|---|---|
| Norja | 28 | 0,01 g | 0,07 g |
| Ruotsi | 35 | 0,01 g | 0,09 g |
| Ranska | 41 | 0,01 g | 0,10 g |
| Suomi | 57 | 0,02 g | 0,14 g |
| Tanska | 114 | 0,03 g | 0,29 g |
| Itävalta | 117 | 0,04 g | 0,29 g |
| Espanja | 154 | 0,05 g | 0,38 g |
| EU:n keskiarvo | 210 | 0,06 g | 0,53 g |
| Alankomaat | 254 | 0,08 g | 0,63 g |
| Italia | 285 | 0,09 g | 0,71 g |
| Viro | 319 | 0,10 g | 0,80 g |
| Saksa | 330 | 0,10 g | 0,82 g |
| Yhdysvallat | 384 | 0,12 g | 0,96 g |
| Puola | 589 | 0,18 g | 1,47 g |
Sanoin: Ruotsissa (35 g / kWh) ja Ranskassa (41 g) tavallinen kehote on noin 0,01 gramma CO2 ja pitkä asiakirja noin 0,1 gramma. EU:n keskiarvolla (210 g) tavallinen kehote on noin 0,06 grammaa ja pitkä asiakirja noin 0,5 grammaa. Saksassa (330 g) tavallinen kehote on noin 0,1 grammaa ja pitkä asiakirja noin 0,8 grammaa. Puola on taulukon korkein 589 g:llä, joten tavallinen kehote on noin 0,18 grammaa ja pitkä asiakirja noin 1,5 grammaa. Yhdysvallat on mukana, koska paljon ChatGPT-lukuja tehtiin siellä. 384 g:llä tavallinen kehote on noin 0,12 grammaa ja pitkä asiakirja noin 1 gramma.
Saksan ympäristövirasto sanoo vuodelle 2025 samankaltaisia lukuja: tuotannon CO2 344 g/kWh ja toimitusketjun CO2-ekvivalentti 406 g. Electricity Maps arvioi Saksassa kulutetun sähkön vuonna 2025 olleen 335 g, yksittäiset tunnit ~100 g – ~600 g.
Entä DentroChat?
Kaikki luvut tähän asti koskevat isoja malleja kuten GPT-4o. Epoch oletti, että noin 100 miljardia parametria työskentelee jokaisella tokenilla, mutta DentroChat käyttää usein pienempiä malleja. Ne ovat „mixture of experts” -malleja: malli on iso, mutta vain pieni osa tekee työtä per token. DeepSeek V4 Flash käyttää noin 13 miljardia parametria per token, GLM 5.3 Flash noin 18 miljardia ja Qwen 3.8 Flash Next noin 6 miljardia.
Vähemmän aktiivisia parametreja tarkoittaa vähemmän sähköä per token ja siten vähemmän CO2 per token. ML.ENERGY-leaderboard mittasi tämän omilla GPU:illaan. Qwen-malli, jossa 22 miljardia aktiivista parametria, tarvitsi noin 0,12 Wh per 1 000 kirjoitettua tokenia. DeepSeek V3.1, 37 miljardilla, noin 0,37 Wh. Vain näytönohjaimet, joten lisäsimme jäähdytyksen ja muun palvelimen päälle. Mallimme ovat molempia pienempiä, joten arviomme:
| Per 1 000 tokenia | Aktiiviset parametrit / token | Kirjoitettu | Luettu, tuore | Luettu, välimuistissa | CO2 / 1 000 kirjoitettua, EU:n keskiarvo |
|---|---|---|---|---|---|
| GPT-4o (Epochin oletus) | ~100 mrd. | ~0,6 Wh | ~0,2 Wh | ~0,13 g | |
| DentroChatin mallit (arvio) | 6–18 mrd. | 0,05–0,4 Wh | 0,01–0,07 Wh | 0,001–0,007 Wh | 0,01–0,08 g |
Sanoin: GPT-4o:lla Epochin luvut ovat noin 0,6 wattituntia jokaista 1 000 kirjoitettua tokenia kohti ja noin 0,2 jokaista 1 000 luettua tokenia kohti. DentroChatin malleilla arvioimme 0,05–0,4 wattituntia per 1 000 kirjoitettua tokenia ja 0,01–0,07 per 1 000 luettua. Jos teksti luettiin jo muutama minuutti sitten, se on välimuistissa, ja silloin noin kymmenesosa. EU:n keskiarvoverkossa 1 000 kirjoitettua tokenia on noin 0,13 gramma CO2 GPT-4o:lla ja 0,01–0,08 grammaa malleillamme.
Kehotteemme ovat kuitenkin isompia kuin tutkimusten „tavallinen kehote”. Jokainen viesti lähettää mallille ohjeet ja työkalujen kuvaukset, joita on jo noin 3 000 tokenia. Päälle tulevat muistisi, chat tähän asti sekä tiedostot tai verkkohaun tulokset. Kun malli käyttää työkalua, se lukee kaiken uudelleen. Se voi ensin päättää hakea verkosta ja sitten lukea koko chatin plus hakutulokset ennen vastausta. Yksi viestisi voi siis tarkoittaa useita mallin ajoja.
Kaikki alla olevan taulukon luvut ovat per lähettämäsi viesti. Jos yksi viesti ajoi mallin useasti, laskimme ajot yhteen riviin.
Katsoimme käyttölokejamme ja laskimme tokenit (emme tietenkään lue, mitä kirjoitat). Taulukko perustuu 606 kehotteeseen yhtenä päivänä lokakuussa 2026. Tarkistimme myös 21 700 kehotetta edeltäviltä 30 päivältä, ja mediaani oli hyvin samankaltainen:
| DentroChat-kehotte | Luettu | joista välimuistissa | Kirjoitettu | Sähkö (arvio) | CO2, EU:n keskiarvo | CO2, Saksa |
|---|---|---|---|---|---|---|
| Mediaani | ~41k | ~30k | ~900 | 0,2–1,3 Wh | 0,04–0,3 g | 0,06–0,4 g |
| Ylin 10 % | ~131k | ~66k | ~4 600 | 1–7 Wh | 0,2–1,4 g | 0,3–2,3 g |
Sanoin: mediaani-DentroChat-kehote lukee noin 41 000 tokenia, joista noin 30 000 on välimuistissa, koska ne lähetettiin muutama minuutti aiemmin. Se kirjoittaa noin 900 tokenia. Arvioimme sen 0,2–1,3 wattitunniksi, eli noin 0,04–0,3 gramma CO2 EU:n keskiarvoverkossa ja 0,06–0,4 grammaa Saksassa. Ylin 10 % lukee 131 000 tokenia tai enemmän ja kirjoittaa 4 600 tai enemmän. Se on noin 1–7 wattituntia, tai 0,2–1,4 gramma CO2 EU:n keskiarvolla ja 0,3–2,3 grammaa Saksassa.
Rivillä „Ylin 10 %” otimme jokaisen sarakkeen rajan erikseen. Todellinen kehote harvoin osuu kaikkiin kerralla, joten rivi on tarkoituksella raskas puoli.
Taustalla on myös työtä, kuten muistin päivitys ja pitkien chattien tiivistys. Joskus malli on liian hidas ja vaihdamme vara-malliin kesken. Nämä ajot eivät ole taulukossa. Jos ne jaetaan kaikille kehotteille, keskimääräinen kehote lukee noin 76 000 tokenia (50 000 välimuistissa) ja kirjoittaa noin 2 000. Se on noin 0,4–3 wattituntia.
DentroChat-kehote lukee siis paljon enemmän kuin tutkimusten tavallinen kehote. Token on halvempi. Mediaani-DentroChat-kehote (0,2–1,3 Wh) on alhaalla lähellä isojen mallien tavallista kehotetta (0,3 Wh) ja ylhäällä noin puolet niiden pitkästä asiakirjasta (2,5 Wh).
Vertailuksi: vedenkeitin ja lyhyt ajomatka
Noin yhden litran veden kuumentaminen hanasta kiehuvaksi vaatii karkeasti 100 wattituntia lämpöä. Osa hukkuu, joten pistorasiasta menee enemmän, noin 110–125 wattituntia.
Mediaani-DentroChat-kehote on pieni siivu siitä. Käytämme arvion yläpäätä, 1,3 wattituntia, jotta vertailu pysyy raskaalla puolella. Sillä tarvitset noin 90 DentroChat-kehotetta yhteen litraan.
Autossa käytämme Euroopan ympäristökeskuksen keskiarvoa uusille autoille 2025: 96,7 g CO2 kilometriä kohti laboratoriotestin mukaan. Keskiarvoon kuuluu myös sähköautot, jotka lasketaan nollapäästöisinä, joten bensiiniauto kuluttaa tiellä hieman enemmän.
Jokaisella kilometrillä tuollaisella uudella autolla voisit Saksassa lähettää noin 240 mediaani-DentroChat-kehotetta (taas yläpää: 0,4 gramma CO2 per kehote). EU:n keskiarvoverkossa sama kehote on 0,3 grammaa, joten saat noin 320 kehotetta kilometriä kohti.
Kieli vaikuttaa tokenien määrään
Eri kielet jakavat saman sivun eri määrään tokeneita. Ajoimme artikkelimme tokenizerien läpi kaikille 17 kielelle, joita DentroChat tukee.
Käytimme 22 blogikirjoitusta, jotka ovat jokaisella kielellä, joten teksti on sama joka kerta. Pääluku on GPT-4o-tokenizerista. Vaihteluväli on alin ja ylin kuuden tokenizerin välillä (GPT-4o, GPT-4, Mistral, Llama 3, Qwen 2.5 ja DeepSeek V3).
| Kieli | Tokenia / sana | Vaihteluväli | Sanoja 10k tokenissa |
|---|---|---|---|
| Englanti | 1,3 | 1,3–1,4 | ~7 700 |
| Espanja | 1,4 | 1,4–1,7 | ~7 200 |
| Portugali | 1,4 | 1,4–1,7 | ~7 000 |
| Ranska | 1,4 | 1,4–1,7 | ~6 900 |
| Hollanti | 1,6 | 1,6–2,1 | ~6 300 |
| Italia | 1,7 | 1,7–1,9 | ~6 000 |
| Saksa | 1,7 | 1,7–2,1 | ~5 800 |
| Norja | 1,9 | 1,9–2,2 | ~5 400 |
| Ruotsi | 1,9 | 1,9–2,3 | ~5 300 |
| Tanska | 1,9 | 1,9–2,3 | ~5 300 |
| Romania | 1,9 | 1,9–2,2 | ~5 300 |
| Kroatia | 2,1 | 2,1–2,6 | ~4 800 |
| Puola | 2,2 | 2,2–2,6 | ~4 500 |
| Kreikka | 2,4 | 2,4–5,9 | ~4 200 |
| Viro | 2,5 | 2,5–3,1 | ~4 000 |
| Unkari | 2,6 | 2,5–3,1 | ~3 900 |
| Suomi | 2,8 | 2,8–3,5 | ~3 600 |
Sanoin: GPT-4o-tokenizerilla englannissa on noin 1,3 tokenia per sana, joten 10 000 tokenia on noin 7 700 englanninkielistä sanaa. Espanja, portugali ja ranska ovat lähellä noin 1,4. Hollanti noin 1,6, saksa ja italia noin 1,7, joten 10 000 tokenia on noin 5 800 saksankielistä sanaa. Pohjoismaiset kielet paitsi suomi noin 1,9. Viro noin 2,5 ja suomi korkein noin 2,8, joten 10 000 tokenia on vain noin 3 600 suomenkielistä sanaa.
Usein sanotaan, että saksalainen sana on 3 tokenia. Modernilla tokenizerilla mittaamme pikemminkin 2. Kreikalla on suuri vaihteluväli, koska vanhemmat tokenizerit käsittelevät kreikkalaista aakkostoa huonosti.
Saman pituinen suomenkielinen asiakirja siis käyttää enemmän tokeneita ja siten enemmän sähköä. g CO2 / Wh verkosta yllä pysyy samana.
Mitä emme käsitelleet
Tässä on sähkö yhdelle vastaukselle yhteen viestiin.
Mallin koulutus tehtiin aiemmin kerralla, ja se jaetaan kaikkien käyttäjien kesken. Koulutuksen osuuden liittäminen kehotteeseen olisi arvausta, joten jätimme sen pois.
On myös näytönohjaimien valmistuskustannus. Nvidian erittely yhdelle H100-alustalle: 1 312 kg CO2-ekvivalenttia kahdeksalle GPU:lle muutaman vuoden käytön ajalle. Yhdelle kehotteelle jää pieni murto-osa, selvästi alle 1 g. Puhtaalla verkolla kuten Ruotsissa tuo murto-osa voi lähestyä sähkön CO2:ta. Saksan verkossa sähkö on paljon suurempi.
Sitten vesi. Viraaliväite, että tekoäly juo vesipullon, tulee vuoden 2023 arviosta GPT-3:lle: noin 500 ml 20–50 vastaukseen kuumissa Yhdysvaltain datakeskuksissa, jotka jäähdyttävät haihduttamalla. Google mittasi 0,26 ml mediaani-Gemini-tekstikehotteelle (~viisi pisaraa). Monet eurooppalaiset datakeskukset jäähdyttävät ulkoilmalla eikä vettä juuri kulu. Mukana Hetzner Saksassa, missä DentroChat hostataan, ja ruotsalaiset datakeskukset, joissa osa malleistamme pyörii. Kirjoitimme lisää tuhlaako tekoäly vettä? ja tarkemmin miksi viraalivedenluvut johtavat harhaan.
Käytännön huomio: samassa chatissa pitkä asiakirja on yleensä muistissa muutaman minuutin, joten seuraava viesti käsittelee enimmäkseen uutta tekstiä. OpenAI ja Anthropic kertovat välimuisteista, jotka vanhenevat noin 5–10 minuutin käyttämättömyyden jälkeen. Se on „välimuistissa”-sarake DentroChat-taulukossamme. Se auttaa myös, kun malli ajaa useasti yhdelle viestille, koska toinen ajo voi käyttää uudelleen, mitä ensimmäinen jo luki.
Haluaisimme silti näyttää oikean wattitunti-luvun jokaiselle viestille DentroChatissa, parhaassa EU-tekoälychatissa. Siihen mallien ajajien pitäisi kertoa pyynnön energia, eivätkä useimmat vielä tee niin.
Siihen asti tämä on paras arviomme. Isoilla malleilla kuten GPT-4o tavallinen kehote kuluttaa noin 0,3 wattituntia ja pitkä asiakirja noin 2,5. Mediaani-DentroChat-kehote pienemmillä malleillamme noin 0,2–1,3 wattituntia. EU:n keskiarvoverkossa se on enintään noin 0,3 gramma CO2.