驚人研究：AI回答問題的碳排量竟相差50倍！

最新研究顯示，向AI提問時，不同型別的問題會產生天差地別的碳排放量。當我們向AI提出問題時，無論答案正確與否，模型都會使用「token」來產生回應。這些token可能是完整單字或字詞片段，經過轉換成數字串後才能被大型語言模型處理。

德國研究團隊針對已訓練完成的大型語言模型，使用標準化問題集進行碳排放量測量比較。慕尼黑應用科技大學研究員、同時也是《傳播前沿》研究第一作者Maximilian Dauner指出：「具有推理功能的模型產生的碳排放量，比簡潔回答模型高出50倍之多！」

研究人員評估了14種引數量從70億到720億不等的大型語言模型，涵蓋1,000道各學科領域的基準問題。結果發現，推理模型平均每個問題會產生543.5個「思考token」，而簡潔模型僅需37.7個。值得注意的是，更多token意味著更高碳排放，卻不代表答案更正確。

研究中最準確的是擁有700億引數的Cogito推理模型，準確率達84.9%，但其碳排放量卻是同規格簡潔回答模型的3倍。Dauner表示：「目前我們看到大型語言模型存在準確性與永續性的權衡取捨。」

問題型別也會顯著影響碳排放量。需要長篇推理的問題（如抽象代數或哲學）產生的排放量，比簡單科目（如高中歷史）高出6倍。研究人員建議，使用者可要求AI提供簡潔答案，或僅在真正需要時才使用高容量模型，這樣能大幅降低碳排放。

模型選擇也至關重要。舉例來說，讓DeepSeek R1（700億引數）回答60萬個問題產生的碳排放，相當於倫敦到紐約的往返航班；而Qwen 2.5（720億引數）在相同排放量下能回答超過190萬個問題，且準確率相當。

Dauner總結道：「如果使用者知道AI輸出產品的確切碳成本，例如隨意將自己轉換成動作玩偶的環境代價，他們可能會更謹慎地選擇使用這些技術的時機與方式。」

[end]