Een typisch verzoek aan het open-weight-model Kimi K3 stoot ongeveer 0,4 gram CO2 uit wanneer het op servers in Zweden draait. Het identieke verzoek, op identieke hardware, stoot in Texas 3,2 gram uit – 8,5 keer meer. Die kloof vormt het middelpunt van een nieuwe open-sourcemethode voor het berekenen van de CO2-uitstoot van individuele AI-verzoeken, die op 21 oktober werd vrijgegeven door de Zweedse AI-aanbieder Berget AI samen met onderzoekers van het Stockholm Environment Institute (SEI) en de non-profitorganisaties WattTime en Klimatkollen.

Waarom koolstofboekhouding per verzoek belangrijk is Voor meer context over dit verhaal, zie ons laatste AI-ontwikkelingen.

De meeste bedrijven die AI gebruiken, weten volgens Berget AI niet wat hun gebruik daadwerkelijk uitstoot. Publieke cijfers die wel bestaan, zijn meestal brede gemiddelden die van buitenaf worden geschat, berekend door een veronderstelde gemiddelde voetafdruk te vermenigvuldigen met een schatting van het totale volume – getallen die niemand onafhankelijk kan controleren.

De nieuwe methode hanteert de tegenovergestelde benadering: het berekent de emissies verzoek per verzoek, op basis van de gemiddelde emissie-intensiteit van het regionale elektriciteitsnet waar de servers feitelijk draaien, en voegt daar de ingebedde koolstof van de productie van de hardware in. Het resultaat hangt af van het gebruikte model, het tijdstip van de dag en of een deel van de prompt vanuit de cache wordt geserveerd. Daarom wordt elk verzoek afzonderlijk berekend in plaats van via een vast gemiddelde.

“De meeste bedrijven weten tegenwoordig niet wat hun gebruik van AI uitstoot”, zegt Andreas Lundmark, CEO van Berget AI, in de aankondiging. "Met deze methode kunnen onze klanten hun emissieverzoek op verzoek volgen en aanbieders vergelijken op basis van data in plaats van marketing. We weten dat de meeste Europese kopers anders zouden kiezen als ze de cijfers konden zien."

Het raster is de variabele die domineert

De belangrijkste vergelijking – 0,4 gram CO2 per Kimi K3-verzoek in Zweden versus 3,2 gram in Texas – komt alleen voort uit verschillen in de netwerkmix. Hetzelfde verzoek stoot volgens het persbericht 1,6 gram uit in Ierland en 2,5 gram in Duitsland. Omdat de onderliggende hardware in elk geval identiek is, is de delta bijna volledig afhankelijk van waar het datacenter wordt aangesloten.

Die variabele wordt een aankoopbeslissing in plaats van een vaste beperking. Open-weight-modellen, die legaal in elk datacenter kunnen draaien, verwerken nu een groeiend deel van het wereldwijde AI-verkeer. Berget AI citeert cijfers van Vercel's AI Gateway waaruit blijkt dat modellen met een open gewicht in juni 2026 29% van de tokens bedienden, tegen 11% in april. Voor die werklasten kan de koper de geografie kiezen, op voorwaarde dat de emissies daadwerkelijk zichtbaar zijn.

"De meeste alarmerende cijfers over de voetafdruk van AI komen voort uit het vermenigvuldigen van een gemiddelde met een schatting van het volume, en niemand kan ze controleren", zegt Christian Landgren, CTO en medeoprichter van Berget AI. "De enige eerlijke vergelijking is om elk verzoek te berekenen en bij elkaar op te tellen. We hebben onze beoordelingsgesprekken gepubliceerd, zodat iedereen ze kan controleren en gebruiken."

Gebouwd op bestaande standaarden, vrijgegeven onder MIT

De methode volgt de SCI for AI-specificatie van de Green Software Foundation en is beschikbaar onder de MIT-licentie op GitHub. Berget AI heeft ook een openbare calculator gelanceerd op co2.berget.ai die de methode op elk model en elke regio toepast, voortbouwend op eerdere open-source schatters zoals EcoLogits en het CLEER-dashboard van de Sustainable AI Group. Klanten van Bergets eigen inferentiedienst kunnen zien hoe hun uitstoot zich ophoopt in de bedrijfsconsole terwijl ze modellen opvragen.

De partners hebben de milieu-impact van de infrastructuur van Berget rechtstreeks in kaart gebracht en gemeten – energie, water en hardware – samen met de koolstofvoetafdruk van Klimatkollen’s Garbo AI, die op die infrastructuur draait. Vervolgens combineerden ze de metingen met huidig ​​onderzoek naar het vertalen van het gebruik van hulpbronnen in koolstof en een bredere impact op het milieu.

De groei van de vraag overtreft nog steeds de efficiëntie

De release komt te midden van sterk stijgende projecties voor het stroomverbruik van datacenters. Somya Joshi, onderzoeksdirecteur bij SEI, wees op cijfers van het International Energy Agency die voorspellen dat het elektriciteitsverbruik in datacenters in 2030 meer dan zal verdubbelen tot ongeveer 945 TWh, met AI als belangrijkste drijfveer.

“Elke belofte van efficiëntiewinst zal waarschijnlijk worden gecompenseerd door een hogere vraag, waardoor elke emissiereductie door hernieuwbare energiebronnen teniet wordt gedaan”, zei Joshi in de aankondiging. “Methodologieën als deze bieden een transparante basis voor weloverwogen beslissingen. Hun kracht is dat ze duidelijk aantonen hoe de locatie van het elektriciteitsnet en de kritieke infrastructuur van belang zijn als het gaat om hoe duurzaam AI kan zijn.”

Wat het betekent voor AI-kopers

Voor bedrijven die hun eigen open-weight-implementaties uitvoeren, is de praktische implicatie eenvoudig: hetzelfde model kan een CO2-prijs hanteren die met een factor acht varieert, afhankelijk van de regio, en er bestaan ​​nu instrumenten om dat verschil te meten voordat een contract wordt ondertekend. Berget AI zegt dat het wil dat andere aanbieders van gevolgtrekkingen rapportage per verzoek gaan gebruiken, zodat kopers aanbieders kunnen vergelijken op basis van gemeten cijfers in plaats van op basis van marketingclaims.

De auteurs van de methode erkennen dat hun cijfers locatiegebaseerde schattingen zijn, waarbij gebruik wordt gemaakt van de gemiddelde netwerkmix in plaats van marginale emissies per uur, een vereenvoudiging die gebruikelijk is bij deze klasse van instrumenten. Toch is het de transparantie van de aannames – die allemaal ter beoordeling zijn gepubliceerd – wat deze inspanning onderscheidt van de ondoorzichtige gemiddelden die tot nu toe het AI-energiediscours hebben gedomineerd.

Of andere aanbieders dit voorbeeld zullen volgen, hangt wellicht minder af van de code dan wel van de druk op aanbestedingen: als zakelijke kopers in RFP's om emissies per verzoek gaan vragen, zal rapportage op basis van gemiddelden moeilijker te verdedigen zijn.

---

Blijf Voorop met AI

Het laatste AI-nieuws, analyses en doorbraken — allemaal op één plek.

Lees meer AI-nieuws →