How much energy does one LLM API call use?

For a mid-sized model producing a few hundred output tokens, published operator estimates put a single short request in the region of a few tenths of a watt-hour — roughly what a laptop draws in twenty seconds. The number is dominated by output tokens, because generation runs the whole model once per token while prefill processes the input in parallel at a small fraction of the per-token cost. That is why this calculator prices input tokens at about a tenth of the output rate, and why a long prompt with a short answer is far cheaper in energy than a short prompt with a long answer.

Why do reasoning models have such a bigger carbon footprint?

Because the hidden reasoning trace is output. A reasoning model that thinks for two thousand tokens before writing a two-hundred-token answer has generated 2,200 tokens of output, not 200, and every one of them cost a full forward pass through a large model. Switching a workload from a mid-sized model to a long-chain-of-thought model at the same request volume typically multiplies energy by an order of magnitude, which is visible immediately in the model-class comparison table on this page. It is also why the cheapest carbon reduction available to most teams is routing easy requests away from the reasoning tier rather than changing anything about infrastructure.

Does the data centre region really change my AI carbon footprint?

More than any other single lever. Grid carbon intensity spans roughly 40 grams of CO2e per kilowatt-hour in nuclear- and hydro-heavy grids such as France and Sweden to over 600 grams in coal-heavy grids — a factor of fifteen for identical compute. Running the same workload in a low-carbon region cuts emissions by well over 90% without touching a line of code, whereas efficiency work on the model itself rarely delivers more than a factor of two or three. PUE matters too but has a much narrower spread, since modern hyperscale sites cluster between 1.1 and 1.2 while older enterprise rooms sit closer to 1.6.

Calcolatore di energia e carbonio per inferenza AI

Calcolatore di energia e carbonio con inferenza AI

✓ Ultima verifica: 23-07-2026· Fattori di rete: intensità di generazione media nazionale· suggerire una correzione →

Il reporting sulla sostenibilità richiede un numero e la dashboard del tuo fornitore ti dà dollari. Questo converte il volume mensile dei token in kilowattora e chilogrammi di CO2e, divide correttamente l’input dall’output e mostra quale effetto hanno effettivamente la scelta della regione e la classe del modello sul totale.

I token di output sono il conto. La generazione esegue un passaggio in avanti completo per token; prefill elabora l'intero prompt in parallelo per circa un decimo dell'energia per token. Un prompt breve con una risposta lunga costa molto di più di un prompt lungo con una risposta breve e la traccia nascosta di un modello di ragionamento conta come output.

Stesso carico di lavoro, ogni classe di modello

Volume della richiesta e forma del token identici, instradati a livelli diversi. Il passaggio al livello di ragionamento non è incrementale: è il singolo fattore controllabile più grande in un bilancio di carbonio inferenziale.

Classe modello

Wh / 1k di potenza in uscita tok

kWh/mese

kg CO2e/mese

Costo energetico/mese

Perché la suddivisione input/output è più importante del totale dei token

Quasi ogni tentativo di stimare l’energia dell’IA moltiplica i token totali per un singolo numero per token, e questo è sbagliato in un modo che conta. L'inferenza del trasformatore ha due fasi con profili di costo completamente diversi. La precompilazione legge l'intero prompt in un passaggio fortemente parallelo, quindi un prompt da 1.500 token costa poco più di uno da 150 token sui moderni stack di servizio. La decodifica genera un token alla volta, ciascuno dei quali richiede un passaggio completo sui pesi del modello, quindi la lunghezza di output ridimensiona l'energia in modo quasi lineare. La conseguenza pratica è che inserire più contesto in un prompt è relativamente economico e lasciare che un modello divaghi è costoso: l'esatto opposto dell'intuizione con cui la maggior parte dei team inizia, e l'opposto di come è strutturato il foglio dei prezzi, dal momento che anche i fornitori addebitano l'input con uno sconto ma neanche lontanamente vicino a uno 10×.

Il livello del ragionamento è dove le impronte vanno a morire

Viene prodotta la traccia del pensiero di un modello di ragionamento. Attraversa il decodificatore esattamente come fa la risposta visibile, semplicemente non raggiunge mai l'utente. Una richiesta che produce 200 token visibili dopo 2.000 token di deliberazione ha generato 2.200 token e se quel modello è anche un ordine di grandezza più grande per token rispetto all'alternativa di livello intermedio, l'energia per richiesta può essere cinquanta volte superiore a quella a cui la stessa attività ha risposto direttamente. Esegui la tabella delle classi del modello sopra con il tuo volume e l'aritmetica è dura. Questa è anche la leva più gestibile: instradare le richieste semplici a un livello più piccolo e riservare il ragionamento ai casi che lo richiedono, riducendo contemporaneamente sia i costi che l'ingombro. Dimensioni che commerciano con calcolatore del risparmio di routing del modelloe controlla quanto ti costano in dollari i gettoni pensanti con calcolatore del costo del token di ragionamento.

L’energia è un errore di arrotondamento rispetto a ciò che paghi – e questo è il punto

Gestire i numeri predefiniti e l'elettricità dietro due milioni di richieste di livello intermedio costa decine di dollari a fronte di una fattura API di migliaia. Nessuno cambia fornitore per salvarlo. La ragione per calcolarlo comunque è che il numero di carbonio, a differenza del costo energetico, finisce in un CSRD o in un questionario del cliente dove deve essere difendibile, e sempre più spesso nelle conversazioni sugli appalti in cui a un fornitore vengono chieste le emissioni per unità di servizio. La riga della regione è quella su cui agire: un calcolo identico in una rete a basso contenuto di carbonio emette un quindicesimo di quello che fa in una ad alto consumo di carbone, che nessuna quantità di ottimizzazione del modello può eguagliare. Se l’obbligo di divulgazione in sé è ciò che ti ha portato qui, valuta il programma di governance circostante con il Calcolatore dei costi di conformità alla legge sull'intelligenza artificiale dell'UE.

Come funziona questa calcolatrice

Questa calcolatrice stima il energia e impronta di carbonio del carico di lavoro di inferenza AI anziché della fattura API stessa. Inserisci le tue richieste per mese, la classe del modello e i token di input e output per richiesta per stabilire il volume totale dei token mensili, in cui viene convertito kilowattora consumati E chilogrammi di CO2e emessi. I fattori principali sono la classe del modello (i modelli più grandi assorbono più energia per token), il volume di output (ragionamenti e risposte lunghe moltiplicano l’impronta), il regione del data center e la sua intensità di carbonio nella griglia, e il PUE, che rappresenta il raffreddamento e le spese generali oltre ai chip. La tariffa elettrica industriale consente di prezzare l’energia sottostante e la bolletta mensile fornisce un punto di riferimento per il confronto.

Il compromesso che vale la pena guardare è token di output rispetto alla regione: un modello loquace o un ragionamento pesante possono dominare l’uso dell’energia, quindi tagliare la produzione non necessaria spesso taglia più di qualsiasi cambiamento infrastrutturale. Allo stesso tempo, lo stesso carico di lavoro viene eseguito in a regione a basso contenuto di carbonio possono emettere una frazione della CO2e di una rete ad alto consumo di carbone, anche a parità di kWh. Considera i numeri come stime direzionali, poiché il PUE reale, il mix di rete e l'energia per token variano in base al fornitore e all'ora, e usali per confrontare le opzioni anziché come misurazioni esatte.

Domande frequenti

Quanta energia consuma una chiamata API LLM?

Per un modello di medie dimensioni che produce poche centinaia di token di output, le stime pubblicate dagli operatori collocano una singola breve richiesta nell'ordine di pochi decimi di wattora, più o meno ciò che un laptop assorbe in venti secondi. Il numero è dominato dai token di output, perché la generazione esegue l'intero modello una volta per token mentre la precompilazione elabora l'input in parallelo a una piccola frazione del costo per token. Questo è il motivo per cui questo calcolatore valuta i token di input a circa un decimo del tasso di output e perché un prompt lungo con una risposta breve è molto più economico in termini energetici rispetto a un prompt breve con una risposta lunga.

Perché i modelli di ragionamento hanno un’impronta di carbonio così maggiore?

Perché viene emessa la traccia del ragionamento nascosto. Un modello di ragionamento che pensa per duemila token prima di scrivere una risposta di duecento token ha generato 2.200 token di output, non 200, e ognuno di essi costa un passaggio in avanti completo attraverso un modello di grandi dimensioni. Il passaggio di un carico di lavoro da un modello di medie dimensioni a un modello a catena di pensiero lunga con lo stesso volume di richieste in genere moltiplica l'energia per un ordine di grandezza, che è immediatamente visibile nella tabella di confronto delle classi di modelli in questa pagina. È anche il motivo per cui la riduzione delle emissioni di carbonio più economica disponibile per la maggior parte dei team consiste nell’indirizzare le richieste facili lontano dal livello di ragionamento piuttosto che cambiare qualcosa nell’infrastruttura.

La regione del data center cambia davvero l'impronta di carbonio dell'intelligenza artificiale?

Più di ogni altro monocomando. L’intensità di carbonio della rete varia da circa 40 grammi di CO2e per kilowattora nelle reti ad alto impiego di energia nucleare e idroelettrica come Francia e Svezia fino a oltre 600 grammi nelle reti ad alto impiego di carbone: un fattore quindici per un calcolo identico. L’esecuzione dello stesso carico di lavoro in una regione a basse emissioni di carbonio riduce le emissioni di oltre il 90% senza toccare una riga di codice, mentre il lavoro di efficienza sul modello stesso raramente fornisce più di un fattore due o tre. Anche il PUE è importante, ma ha una diffusione molto più ristretta, poiché i moderni siti iperscalabili si collocano tra 1,1 e 1,2 mentre le sale aziendali più vecchie si avvicinano a 1,6.