Yapay zekanın akıl yürütme kabiliyetine sahip gelişmiş modelleri, standart modellere kıyasla çok daha fazla enerji harcıyor. Hugging Face araştırmacısı Sasha Luccioni ve Salesforce’un yapay zeka sürdürülebilirliği direktörü Boris Gamazaychikov tarafından yürütülen “AI Energy Score” araştırması, bu modellerin elektrik tüketimi üzerindeki etkisini ortaya koydu. Çalışmada yer alan verilere göre, akıl yürütme özelliği aktif olan yapay zeka sistemleri, aynı görevi gerçekleştiren sade modellere oranla ortalama 100 kat daha fazla enerjiye ihtiyaç duyuyor. Bu fark bazı modellerde çok daha büyük boyutlara ulaşıyor.

Tek Bir Özellik, 6.000 Kat Fazla Enerjiye Mal Olabiliyor

Araştırma kapsamında OpenAI, Google, Microsoft gibi önde gelen şirketlerin 40 farklı açık yapay zeka modeli test edildi. Örnekler arasında yer alan Çin merkezli DeepSeek’in R1 modelinde, akıl yürütme devre dışıyken sadece 50 Wh enerji tüketilirken, aynı model bu özellik açıkken 308.186 Wh harcadı. Bu durum, enerji tüketiminde 6.000 katlık bir artış anlamına geliyor. Benzer şekilde Microsoft’un Phi-4 modeli, akıl yürütme aktifken 9.462 Wh, kapalıyken yalnızca 18 Wh enerji tüketti. OpenAI’nin gpt-oss modeli ise 8.504 Wh ile 313 Wh arasında değişen daha dengeli bir fark sundu.

Tüm modeller aynı donanımda, aynı soru setiyle test edilirken; enerji tüketimleri CodeCarbon yazılımı ile gerçek zamanlı olarak ölçüldü. Sorular arasında temel bilgi sorguları ile birlikte çok adımlı matematiksel problemler de yer aldı.

Elektrik Altyapısına Olan Etki Giderek Artıyor

Bu sonuçlar, yapay zekanın enerji altyapıları üzerindeki yükünü yeniden gündeme taşıdı. Bloomberg tarafından paylaşılan verilere göre, veri merkezlerinin yoğun olduğu bölgelerde toptan elektrik fiyatları son beş yılda %267’ye kadar yükseldi. Uluslararası Enerji Ajansı ise veri merkezlerinin 2030 yılına kadar elektrik tüketimini neredeyse ikiye katlayabileceğini, yapay zeka odaklı merkezlerde bu artışın dört katına kadar çıkabileceğini öngörüyor.

Enerji kullanımındaki bu artışın temel nedeni, akıl yürütme modellerinin çok daha fazla işlem gücü gerektirmesi ve buna bağlı olarak daha fazla metin üretmesi olarak gösteriliyor. AI Energy Score listesinin ikinci sürümünde yer alan bu çalışma, modellerin enerji verimliliğini beş yıldızlı sistemle derecelendirerek kullanıcıların seçim yaparken bilinçli kararlar almasını sağlamayı hedefliyor.