I virkeligheten er Googles nyere s\u00f8keoperasjoner omtrent 10 ganger mer effektive enn i 2009, og ChatGPTs faktiske energiforbruk per foresp\u00f8rsel i dag er langt lavere enn de tidlige alarmklokkene antydet.<\/p>\n\n\n\n
Nyere modeller som GPT-4o har gjort store fremskritt n\u00e5r det gjelder effektivitet, noe som betyr at de overskriftstallene som sirkulerer, er utdaterte og \u00e6rlig talt litt misvisende.<\/p>\n\n\n\n
S\u00e5 hva er det virkelige bildet? Det er akkurat det vi dykker ned i her.<\/p>\n\n\n\n
Det vil du f\u00e5 med deg:<\/p>\n\n\n\n
- \n
- Hva driver ChatGPT under panseret?<\/li>\n\n\n\n
- Hvor mye energi bruker et ChatGPT-s\u00f8k?<\/li>\n\n\n\n
- Hvor mye energi bruker den sammenlignet med Google S\u00f8k og andre AI-modeller?<\/li>\n\n\n\n
- Hva gj\u00f8r OpenAI for \u00e5 redusere sin p\u00e5virkning?<\/li>\n\n\n\n
- Hva kan du som bruker gj\u00f8re for \u00e5 gj\u00f8re AI-bruken din mer ansvarlig?<\/li>\n<\/ul>\n\n\n\n
La oss komme i gang.<\/p>\n\n\n\n
Hva driver ChatGPT?<\/h2>\n\n\n
\n![\"\"](\"https:\/\/undetectable.ai/blog\/wp-content\/uploads\/2025\/04\/robot-human-hands-interacting-1-1024x585.jpg\" "\\"\\"")
<\/figure><\/div>\n\n\nMark Russinovich, CTO for Microsoft Azure, ga oss en titt bak forhenget i en podcast<\/a> det Microsoft publisert i 2023<\/a>. <\/p>\n\n\n\n
If\u00f8lge ham har Microsoft bygget en infrastruktur som er i stand til \u00e5 trene opp modeller med hundrevis av milliarder av parametere. <\/p>\n\n\n\n
GPT-3 hadde for eksempel 175 milliarder parametere, noe som h\u00f8res for mye ut helt til man h\u00f8rer at Microsofts Megatron-Turing-modell hadde 530 milliarder.<\/p>\n\n\n\n
Den opprinnelige OpenAI-superdatamaskinen fra 2020 hadde over 285 000 AMD InfiniBand-tilkoblede CPU-kjerner og 10 000 NVIDIA V100 Tensor Core GPU-er. <\/p>\n\n\n\n
Den nye H100-serien med virtuelle maskiner grupperer opptil \u00e5tte NVIDIA H100 Tensor Core GPUer per VM og kan skaleres opp til tusenvis, akkurat som den typen h\u00f8yytelsesinfrastruktur som brukes i hosting av Minecraft-servere<\/a> for \u00e5 levere opplevelser med lav forsinkelse og h\u00f8y oppetid.<\/p>\n\n\n\n
Kort sagt, hvis du lurer p\u00e5 hva som driver ChatGPT, er svaret i bunn og grunn: alt sammen. <\/p>\n\n\n\n
Alle kjerner, alle GPU-er, all nettverksb\u00e5ndbredden du kan dr\u00f8mme om.<\/p>\n\n\n\n
Ansl\u00e5tt energibruk for ChatGPT<\/h3>\n\n\n\n
N\u00e5 til det egentlige sp\u00f8rsm\u00e5let: Hvor mye energi bruker ChatGPT per sp\u00f8rsm\u00e5l? <\/p>\n\n\n\n
Du forventer kanskje at det skal v\u00e6re apokalyptisk, som om det smelter isbreer for hver melding du skriver. <\/p>\n\n\n\n
Men if\u00f8lge nyere estimater bruker en typisk ChatGPT-sp\u00f8rring p\u00e5 GPT-4o omtrent 0,3 wattimer (Wh). <\/p>\n\n\n\n
Det er omtrent ti ganger mindre enn eldre (og sannsynligvis un\u00f8yaktige) estimater fra tidlig i 2023, som anslo det til 3 wattimer. <\/p>\n\n\n\n
Effektivitetsforbedringen skyldes bedre modeller, skarpere maskinvare og en erkjennelse av at tidligere estimater var altfor pessimistiske n\u00e5r det gjaldt antall tokener.<\/p>\n\n\n\n
For \u00e5 sette det p\u00e5 spissen: 0,3 wattimer er mindre energi enn det den b\u00e6rbare datamaskinen din bruker mens du varmer opp kaffen. <\/p>\n\n\n\n
Selv om du bruker mye energi hele dagen, er tallene for hvor mye energi ChatGPT bruker per dag fortsatt ganske beskjedne sammenlignet med for eksempel \u00e5 kj\u00f8re AC-en eller spill-PC-en. Men det er bare din bruk.<\/p>\n\n\n\n
OpenAIs brukerbase var p\u00e5 over 400 millioner ukentlig i februar, if\u00f8lge en En talsperson for OpenAI sa til Reuters<\/a>. S\u00e5 det blir mange watt-timer, selv om du er effektiv.<\/p>\n\n\n\n
Det er viktig \u00e5 merke seg at dette tallet p\u00e5 0,3 wattimer fortsatt er litt i overkant forsiktig. <\/p>\n\n\n\n
Mange dagligdagse sp\u00f8rsm\u00e5l er sannsynligvis billigere enn det.<\/p>\n\n\n\n
Men sp\u00f8rringer som involverer store mengder inndata, omfattende utdata eller tunge resonneringsmodeller, kan likevel presse forbruket mye h\u00f8yere.<\/p>\n\n\n\n
Energiforbruk: GPT-4 vs GPT-3.5<\/h2>\n\n\n\n
Selv om GPT-3.5 har g\u00e5tt ut p\u00e5 dato, henger arven fortsatt igjen, spesielt n\u00e5r vi diskuterer hvor mye energi ChatGPT bruker p\u00e5 tvers av versjoner.<\/p>\n\n\n\n
Her er hva dataene sier om energiforbruket sammenlignet med GPT-4.<\/p>\n\n\n\n
For en GPT-3-modell med rundt 175 milliarder parametere var utslippene allerede store, men hvis man g\u00e5r over til en GPT-4-modell med en tyngre arkitektur, kan utslippene \u00f8ke med rundt 200 ganger. <\/p>\n\n\n\n
If\u00f8lge George Hotz<\/a>GPT-4 er \u00e5tte instanser av en GPT-3-lignende modell med 220 B-parametere som er sydd sammen. <\/p>\n\n\n\n
Men viktigere er det at bare to av disse modellene faktisk blir rutet under inferens, noe som betyr at den virkelige handlingen skjer med omtrent 280B effektive parametere n\u00e5r du tar h\u00f8yde for en viss parameterdeling (~55B for oppmerksomhetsmekanismer).<\/p>\n\n\n\n
Sammenlignet med GPT-3.5s 175B-oppsett, begynner du \u00e5 forst\u00e5 hvorfor GPT-4s inferenskostnader er opptil tre ganger s\u00e5 h\u00f8ye. <\/p>\n\n\n\n
Veksten i energibruk er st\u00f8rre enn \u00f8kningen i antall parametere, som bare skulle tilsi en \u00f8kning p\u00e5 1,6 ganger. <\/p>\n\n\n\n
Men det var ikke det som skjedde, fordi GPT-4s sp\u00f8rringer rett og slett er mye dyrere. <\/p>\n\n\n\n
Karbonfotavtrykket til AI-modeller<\/h3>\n\n\n\n
Det er ikke billig \u00e5 kj\u00f8re store AI-modeller, verken for planeten eller str\u00f8mregningen. <\/p>\n\n\n\n
Disse modellene krever store datamaskiner, noe som betyr mye str\u00f8m og i mange tilfeller store utslipp.<\/p>\n\n\n\n
For eksempel skal GPT-3 ha krevd rundt 1287 MWh str\u00f8m for \u00e5 trene, som produserer over 50 kilo CO2<\/a>. <\/p>\n\n\n\n
Nyere modeller som GPT-4o er enda st\u00f8rre, men OpenAI har ikke offentliggjort det n\u00f8yaktige fotavtrykket deres.<\/p>\n\n\n\n
I tillegg til OpenAIs ChatGPT har du Metas AI-assistent, som sannsynligvis kj\u00f8rer p\u00e5 Llama 3.2-modeller (enten 11B- eller 90B-parametere). <\/p>\n\n\n\n
Heller ikke her finnes det eksakte tall for CO2-utslipp.<\/p>\n\n\n\n
Anthropics Claude 3.5 Sonnet veier mye tyngre, ansl\u00e5tt til rundt 400 milliarder parametere uten at det eksakte karbonfotavtrykket er oppgitt.<\/p>\n\n\n\n
Og Googles Gemini? Drevet av \"Flash\" og \"Pro\" -variantene, selv om Google ikke har avsl\u00f8rt eksakte parametertall. <\/p>\n\n\n\n
Vi kan likevel konkludere med at de er i samme st\u00f8rrelsesorden som GPT-4o eller minivariantene.<\/p>\n\n\n\n
Og apropos str\u00f8mlinjeformede modeller, DeepSeek-V3 er her ute og b\u00f8yer seg med bare 37 milliarder aktive parametere (av totalt 671B). <\/p>\n\n\n\n
R1-varianten viser sterk ytelse, samtidig som den er mer sk\u00e5nsom med energien per token enn GPT-4o. <\/p>\n\n\n\n
Hvordan er ChatGPT sammenlignet med andre verkt\u00f8y?<\/h2>\n\n\n
\n![\"\"](\"https:\/\/undetectable.ai/blog\/wp-content\/uploads\/2025\/04\/Chatgpt-comparison-683x1024.jpg\" "\\"\\"")
<\/figure><\/div>\n\n\nP\u00e5 dette tidspunktet b\u00f8r du vite at hvor mye energi ChatGPT bruker, avhenger av hvilken versjon du samhandler med, lengden p\u00e5 meldingene og mekanikken under panseret. <\/p>\n\n\n\n
Sammenlignet med AI-verkt\u00f8y i et st\u00f8rre univers ligger ChatGPT omtrent p\u00e5 gjennomsnittet n\u00e5r det gjelder energibehov, spesielt for avanserte modeller. <\/p>\n\n\n\n
Men n\u00e5r det gjelder markedsandel og bruksfrekvens, betyr selv \"gjennomsnittlig\" et enormt energifotavtrykk i stor skala.<\/p>\n\n\n\n
Energiforbruk vs Google Search<\/h3>\n\n\n\n
Tilbake i 2009, Google ansl\u00e5r<\/a> energikostnaden for et enkelt s\u00f8k til \u00e5 v\u00e6re 0,3 Wh.<\/p>\n\n\n\n
Spoler vi frem til 2024, har dette estimatet blitt st\u00f8vete.<\/p>\n\n\n\n
Det viser seg at dagens Google-s\u00f8k faktisk bruker omtrent 10 ganger mindre energi enn de tidlige estimatene. <\/p>\n\n\n\n
I mellomtiden var tidligere energianslag for en gjennomsnittlig LLM-foresp\u00f8rsel, inkludert ChatGPT, ogs\u00e5 omtrent 10 ganger for h\u00f8ye (2,9 Wh).<\/p>\n\n\n\n
Med den nyeste forskningen som setter energiforbruket til Google p\u00e5 0,04 Wh<\/a> og ChatGPT p\u00e5 0,3 Wh, opphever disse to feilene hverandre, noe som betyr at den gamle \"LLM-er bruker omtrent 10 ganger mer energi per sp\u00f8rring enn Google S\u00f8k\" fortsatt holder ... men bare fordi alle tok feil p\u00e5 akkurat den rette m\u00e5ten. <\/p>\n\n\n\n
Hva gj\u00f8r OpenAI for \u00e5 redusere p\u00e5virkningen?<\/h2>\n\n\n\n
OpenAI er fullt klar over at trening og kj\u00f8ring av modeller som ChatGPT forbruker energi i et betydelig raskere tempo. <\/p>\n\n\n\n
Det bringer oss til sp\u00f8rsm\u00e5let: Hva blir gjort med det?<\/p>\n\n\n\n
For det f\u00f8rste har OpenAI presset p\u00e5 for \u00e5 oppgradere effektiviteten. <\/p>\n\n\n\n
Over tid har nyere modeller, som GPT-4o, og n\u00e5 GPT-4.1<\/a>er spesielt optimalisert for \u00e5 redusere energiforbruket under inferens. <\/p>\n\n\n\n
Fremskritt innen modellarkitektur, token-h\u00e5ndtering og maskinvareforbedringer p\u00e5 serverniv\u00e5 betyr at hvor mye energi en ChatGPT-sp\u00f8rring bruker, allerede i dag er langt lavere enn det ville ha v\u00e6rt for bare ett \u00e5r siden for den samme oppgaven.<\/p>\n\n\n\n
OpenAI samarbeider ogs\u00e5 med Microsoft Azure, og Azure har forpliktet seg til \u00e5 drive datasentrene sine med 100% fornybar energi innen 2025<\/a>. <\/p>\n\n\n\n
Det er viktig, for n\u00e5r du sender sp\u00f8rsm\u00e5l til ChatGPT, pinger du Azure-superdatamaskiner som vi snakket om tidligere. <\/p>\n\n\n\n
\u00c5 skifte energikilde fra fossilt brensel til fornybar energi reduserer ikke direkte wattforbruket i en sp\u00f8rring, men det reduserer karbonfotavtrykket radikalt.<\/p>\n\n\n\n
Utover infrastrukturen skjer det en del mer fremtidsrettede ting. OpenAI forsker aktivt p\u00e5 m\u00e5ter \u00e5 gj\u00f8re modellene mindre uten at det g\u00e5r p\u00e5 bekostning av ytelsen. <\/p>\n\n\n\n
Modellkomprimering, destillasjon og smartere ruting (som dynamisk token-prosessering) er alle sv\u00e6rt aktuelle temaer i AI-effektivitetskretser. <\/p>\n\n\n\n
Hva kan du gj\u00f8re som bruker?<\/h2>\n\n\n\n
Selv om OpenAI h\u00e5ndterer de store strukturelle endringene, har brukerne fortsatt en rolle \u00e5 spille n\u00e5r det gjelder \u00e5 minimere sl\u00f8sing og bruke ChatGPT p\u00e5 en ansvarlig m\u00e5te. <\/p>\n\n\n\n
Her er hva du kan gj\u00f8re:<\/p>\n\n\n\n
- \n
- V\u00e6r kortfattet:<\/strong> Gi klare og tydelige rammer for instruksjonene dine. Hver ekstra token som behandles, koster litt energi.<\/li>\n\n\n\n
- Unng\u00e5 spamming av meldinger:<\/strong> Motst\u00e5 fristelsen til \u00e5 sende inn 15 litt omformulerte versjoner av det samme sp\u00f8rsm\u00e5let.<\/li>\n\n\n\n
- Bruk egnede modeller:<\/strong> N\u00e5r det er mulig, b\u00f8r du velge lettere, billigere modeller (som GPT-4o-mini, hvis den tilbys) for uformelle eller lette oppgaver.<\/li>\n\n\n\n
- Batch foresp\u00f8rslene dine:<\/strong> I stedet for en haug med fragmenterte sp\u00f8rsm\u00e5l, kan du samle dem i \u00e9n enkelt, gjennomtenkt ledetekst.<\/li>\n<\/ul>\n\n\n\n
Hvis du vil slippe \u00e5 gj\u00f8re endel\u00f8se omkamper og genereringer p\u00e5 nytt, er det smart \u00e5 bruke dedikerte verkt\u00f8y som genererer renere, publiseringsklart innhold fra de f\u00f8rste fors\u00f8kene.<\/p>\n\n\n\n
Det er her Ikke p\u00e5visbar AI<\/a> verkt\u00f8y som Stealth Writer<\/a> eller Omskriver<\/a> ...kom inn. <\/p>\n\n\n
\n![\"Uoppdagelig](\"https:\/\/undetectable.ai/blog\/wp-content\/uploads\/2025\/04\/AI-Stealth-Writer.jpg\" "\\"\\"")
<\/figure><\/div>\n\n\n![\"Skjermbilde](\"https:\/\/undetectable.ai/blog\/wp-content\/uploads\/2025\/04\/AI-paraphrasing-tool-1-1024x369.jpg\" "\\"\\"")
<\/figure><\/div>\n\n\nI stedet for \u00e5 be ChatGPT om den perfekte versjonen av teksten din gjennom flere redigeringer og nye fors\u00f8k (som hver gang koster mer energi), kan du ganske enkelt bruke v\u00e5re spesialiserte verkt\u00f8y som er bygget for presisjon. <\/p>\n\n\n\n
Verkt\u00f8y som er utviklet for spesifikke oppgaver, er generelt mer effektive, og alle verkt\u00f8yene v\u00e5re passer rett inn i denne modellen for smart og energibevisst bruk. <\/p>\n\n\n\n
Med andre ord, renere produksjon p\u00e5 f\u00e6rre fors\u00f8k = mindre energiforbruk = lykkeligere servere = du redder verden, ett skarpt avsnitt om gangen.<\/p>\n\n\n\n
Er du klar til \u00e5 se forskjellen? Start v\u00e5r AI Detector og Humanizer i widgeten nedenfor!<\/p>\n\n\n\n
- Unng\u00e5 spamming av meldinger:<\/strong> Motst\u00e5 fristelsen til \u00e5 sende inn 15 litt omformulerte versjoner av det samme sp\u00f8rsm\u00e5let.<\/li>\n\n\n\n
- V\u00e6r kortfattet:<\/strong> Gi klare og tydelige rammer for instruksjonene dine. Hver ekstra token som behandles, koster litt energi.<\/li>\n\n\n\n