En typisk förfrågan till öppenviktsmodellen Kimi K3 släpper ut cirka 0,4 gram CO2 när den körs på servrar i Sverige. Den identiska begäran, på identisk hårdvara, avger 3,2 gram i Texas — 8,5 gånger mer. Det gapet är kärnan i en ny öppen källkodsmetod för att beräkna koldioxidutsläppen från individuella AI-förfrågningar, släppt den 21 oktober av den svenska AI-leverantören Berget AI tillsammans med forskare från Stockholm Environment Institute (SEI) och de ideella organisationerna WattTime och Klimatkollen.
Varför Per-Request Carbon Accounting är viktigt For more context on this story, see our ongoing breaking AI news.
De flesta företag som använder AI har ingen möjlighet att veta vad deras användning faktiskt avger, enligt Berget AI. Offentliga siffror som finns är vanligtvis breda medelvärden som uppskattas utifrån, beräknade genom att multiplicera ett antaget genomsnittligt fotavtryck med en gissning på total volym - siffror som ingen självständigt kan kontrollera.
Den nya metoden tar det motsatta tillvägagångssättet: den beräknar utsläppsbegäran för begäran, baserat på den genomsnittliga utsläppsintensiteten för det regionala elnätet där servrarna faktiskt körs, och viker in det inbäddade kolet från tillverkningen av hårdvaran. Resultatet beror på modellen som används, tiden på dygnet och om en del av prompten serveras från cachen, så varje begäran beräknas individuellt snarare än via ett fast medelvärde.
"De flesta företag har idag ingen möjlighet att veta vad deras användning av AI avger", säger Andreas Lundmark, vd för Berget AI, i tillkännagivandet. "Med den här metoden kan våra kunder följa sina utsläppsbegäranden på begäran och jämföra leverantörer på data istället för marknadsföring. Vi vet att de flesta europeiska köpare skulle välja annorlunda om de kunde se siffrorna."
Grid är variabeln som dominerar
Rubrikjämförelsen – 0,4 gram CO2 per Kimi K3-förfrågan i Sverige mot 3,2 gram i Texas – kommer enbart från skillnader i nätmix. Samma begäran släpper ut 1,6 gram i Irland och 2,5 gram i Tyskland, enligt pressmeddelandet. Eftersom den underliggande hårdvaran är identisk i varje fall är deltat nästan helt en funktion av var datacentret ansluts.
Den variabeln håller på att bli ett upphandlingsbeslut snarare än en fast begränsning. Modeller med öppen vikt, som lagligt kan köras i vilket datacenter som helst, hanterar nu en växande andel av den globala AI-trafiken. Berget AI citerar siffror från Vercels AI Gateway som visar modeller med öppen vikt serverade 29 % av tokens i juni 2026, upp från 11 % i april. För dessa arbetsbelastningar kan köparen välja geografi - förutsatt att utsläppen faktiskt är synliga.
"De flesta av de alarmerande siffrorna om AI:s fotavtryck kommer från att multiplicera ett genomsnitt med en gissning på volymen, och ingen kan kontrollera dem", säger Christian Landgren, CTO och medgrundare av Berget AI. "Den enda rättvisa jämförelsen är att beräkna varje begäran och lägga ihop dem. Vi har publicerat våra bedömningssamtal så att alla kan kontrollera och använda dem."
Byggd på befintliga standarder, släppt under MIT
Metoden följer Green Software Foundations SCI for AI-specifikation och är tillgänglig under MIT-licensen på GitHub. Berget AI har också lanserat en offentlig kalkylator på co2.berget.ai som tillämpar metoden på vilken modell och region som helst, med utgångspunkt från tidigare estimerare med öppen källkod som EcoLogits och Sustainable AI Groups CLEER-instrumentpanel. Kunder av Bergets egen inferenstjänst kan se sina utsläpp ackumuleras i företagskonsolen när de frågar efter modeller.
Partnerna kartlade och mätte miljöpåverkan från Bergets infrastruktur direkt – energi, vatten och hårdvara – tillsammans med koldioxidavtrycket från Klimatkollens Garbo AI, som körs på den infrastrukturen, och kombinerade sedan mätningarna med aktuell forskning om att översätta resursanvändning till koldioxid och bredare miljöpåverkan.
Efterfrågan ökar fortfarande effektiviteten
Releasen kommer mitt i kraftigt stigande prognoser för datacenters strömförbrukning. Somya Joshi, forskningschef vid SEI, pekade på siffror från International Energy Agency som förutspår datacenters elförbrukning kommer att mer än fördubblas till cirka 945 TWh år 2030, med AI som den främsta drivkraften.
"Alla löften om effektivitetsvinster kommer sannolikt att uppvägas av högre efterfrågan, vilket motverkar alla utsläppsminskningar från förnybara energikällor", sa Joshi i tillkännagivandet. "Metodologier som denna erbjuder en transparent grund för välgrundade beslut. Deras styrka är att de tydligt visar hur platsen för nätet och kritisk infrastruktur spelar roll när det kommer till hur hållbar AI kan vara."
Vad det betyder för AI-köpare
För företag som kör sina egna öppna implementeringar är den praktiska innebörden okomplicerad: samma modell kan bära ett koldioxidpris som varierar med en faktor åtta beroende på region, och verktyg finns nu för att mäta den skillnaden innan ett kontrakt undertecknas. Berget AI säger att de vill att andra slutledningsleverantörer ska anta rapportering per begäran så att köpare kan jämföra leverantörer på uppmätta siffror snarare än marknadsföringspåståenden.
Metodens författare erkänner att deras siffror är platsbaserade uppskattningar som använder genomsnittlig nätmix snarare än marginalutsläpp per timme, en förenkling som är vanlig för denna klass av verktyg. Ändå är transparensen i antagandena - alla publicerade för granskning - det som skiljer ansträngningen från de ogenomskinliga medelvärdena som hittills har dominerat AI-energidiskursen.
Huruvida andra leverantörer följer efter kan bero mindre på koden än på upphandlingstrycket: om företagsköpare börjar begära utsläpp per begäran i RFP:er kommer genomsnittsbaserad rapportering att bli svårare att försvara.
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
