AI агентите ядат 600 пъти повече енергия от чат заявка

Климатологът Зик Хаусфадър проследи собствената си работа с Claude Code в продължение на осем седмици и публикува сметката в бюлетина си The Climate Brink. Резултатът: около 150 Wh електроенергия на една негова заявка — приблизително 600 пъти повече от медианната заявка към обикновен чатбот. Анализът излезе на 5 август 2026 г. и е първата по-сериозна оценка на това колко реално консумират агентните инструменти, а не отделният разговор с модел.

Какво точно е измерено

Между 31 май и 25 юли 2026 г. Хаусфадър е написал 1138 заявки в Claude Code. Те са задействали над 14 000 извиквания на модела и са обработили 3,2 милиарда токена. Изчисленията са направени върху локалните API транскрипции, където точният брой токени на всяко извикване е записан — тоест не върху догадки, а върху лога на самия инструмент.

Най-добрата му оценка за цялата работа е около 170 kWh ток в дата центъра, с диапазон на несигурност 70–330 kWh. Разделено на брой заявки, това дава 150 Wh (60–290 Wh) при публикуваните 0,24 Wh на заявка за Gemini и 0,34 Wh за ChatGPT.

Съотношението не е 600 пъти заради някаква магия, а заради проста аритметика. Типичната чат заявка минава през порядъка на 1000 токена. Една заявка към агент задейства верига от извиквания и в случая е излизала средно на около 2,9 милиона токена. Независимо изследване на Бай и колеги от 2026 г. стига до сходния извод, че кодиращите агенти изразходват порядъка на 1000 пъти повече токени от чатбота.

Снимка: The Climate Brink / Зик Хаусфадър

Контекстът, не отговорът, изяжда тока

Най-интересната част от разбивката е откъде идват токените. 96% от всички обработени токени са четене от кеша — тоест повторно подаване на контекста при всяка стъпка. Записът в кеша е 3,6%, а самият изход на модела е 0,4%.

С други думи, енергията отива почти изцяло за това агентът постоянно да си припомня върху какво работи, а не за текста, който ви връща. Това е и най-голямата дупка в изчислението: Anthropic не публикува енергията си на токен, а цената на едно четене от кеша е приета за 10% от свеж вход, при реален разброс между 1% и 25%.

Колко е това в човешки мерни единици

• Медианна сесия: 0,6 kWh — около 50 пъти зареждането на телефон.
• Среден ден: 3,0 kWh (1,2–5,9 kWh).
• Най-тежкият ден: 11 kWh — колкото около една трета от дневния ток на средно американско домакинство.
• Годишно: 1,1 MWh (0,4–2,2 MWh) и 370 кг CO₂ при американската средна въглеродна интензивност от 341 гCO₂е/kWh.

За сравнение, 370 кг годишно е горе-долу колкото електрическа сушилня за дрехи (262 кг), доста под един самолетен билет Сан Франциско–Ню Йорк и обратно (около 700 кг) и далеч под средното домакинство в САЩ (3680 кг). Хаусфадър изрично уточнява, че е в опашката на разпределението — професионален изследовател, който ползва агенти по цял ден, не типичният потребител.

Изводът му е по-скоро методологичен: „Заявката не е мерна единица за AI употреба, също както броят пътувания не измерва шофирането; важното е колко далеч стигате.“

Същото се вижда и от страната на инфраструктурата

Индиректно потвърждение дойде от Amazon. По данни на The Information, преразказани от Tom’s Hardware, ръководството на AWS е събрало инженерите си още през май с молба да пестят капацитет, а на екипите са дадени срокове да намалят потреблението и да спрат бездействащите EC2 инстанции. Вътрешни заявки за процесорен капацитет, които преди са отнемали часове, вече се чакат дни.

Забележете, че става дума за CPU, не за GPU. Агентите работят непрекъснато, оркестрират инструменти и подготвят данни — натоварване, което държи процесорите заети постоянно, за разлика от тренировките на модели, които идват на изблици. Това е и допълнителен натиск върху пазар, на който цените на паметта вече се върнаха на нивата от 2007 г.

Има и напълно битов пример за разхищение. В изтекъл запис от вътрешна среща в Accenture, цитиран от Саймън Уилисън, Стюарт Хендерсън посочва като „един от големите изяждачи на токени“ превръщането на PDF файлове в изображения и после в markdown. Не инженерите, а останалите служители генерират най-голямата част от сметката.

Какво следва

Ефективността се подобрява бързо — GPU производителността на ват при NVIDIA е нараснала около 150 пъти от 2016 г. насам, а Google съобщи за 33-кратно понижение на енергията на заявка при Gemini само за година. Проблемът е, че всяко поевтиняване води до повече употреба, не до по-малко разход: класическият парадокс на Джевънс. Проекти като виртуалния биотех на Станфорд с 37 000 агента показват накъде отива мащабът.

Числото 600 не бива да се чете като присъда над агентите — изчислението е с несигурност от порядъка на два пъти в двете посоки и описва един конкретен потребител. Но то показва ясно, че досегашните успокоителни сравнения „една заявка = едно търсене в Google“ вече не описват това, което всъщност се случва в дата центъра.