Исследователи из Мичиганского университета выяснили, что обработка запросов нейросетями на разных языках требует неодинаковых энергозатрат. Расход энергии при использовании неанглийских языков может превышать показатели для английского в 1,4–180 раз.
В ходе работы ученые протестировали 122 языка на моделях Qwen 3, Gemma 3 и Llama 3.1. Для оценки потребления энергии применялась система ML.Energy и графические ускорители NVIDIA L40S и RTX 6000 Pro Blackwell.
Разница в энергопотреблении вызвана неэффективностью токенизаторов для нелатинских алфавитов и генерацией более длинных ответов. Для некоторых языков объем выходных токенов превышает английский в 20–25 раз, что снижает эффективность работы GPU.
Суммарные затраты на обработку набора запросов варьируются от 17,6 кДж для английского до 3147 кДж для пушту. Генерация текста на хинди требует в 7,9 раза больше энергии, на бенгальском — в 15,3 раза, а на многих западноевропейских языках — в два раза больше.
Около 5,2 миллиарда человек используют языки, требующие как минимум вдвое больше энергии для работы ИИ. Это может привести к росту стоимости коммерческих сервисов для таких пользователей и ограничить доступность моделей на определенных языках.
Для решения проблемы авторы предлагают оптимизировать модели под конкретные языки, использовать предварительный перевод на английский или расширять обучающие корпуса данными на недостаточно представленных языках.
