La recherche en IA te passionne ?
Les papers et avancées qui comptent, expliqués simplement, chaque soir. Gratuit.
Inclus dès l'inscription : notre sélection des meilleurs guides & comparatifs IA.
Choisis ton rythme
Gratuit · Pas de spam · Désabonnement en 1 clic
Analyse des coûts énergétiques des LLM sur RTX 3090
Une étude récente a exploré la consommation électrique des modèles de langage de grande taille (LLM) exécutés localement sur une carte graphique RTX 3090. Cette analyse a révélé des variations significatives des coûts d'exécution, mesurés en euros par million de tokens, pour huit modèles différents.
Résultats des mesures
Les résultats indiquent que les coûts d'exécution ne sont pas directement proportionnels à la taille des modèles. En effet, le modèle le moins coûteux à faire fonctionner n'est pas nécessairement le plus petit, et inversement, le modèle le plus cher n'est pas le plus grand. Ces observations soulignent l'importance de la performance et de l'efficacité énergétique dans le calcul des coûts totaux.
Implications pour l'utilisation locale
Ces mesures offrent des informations cruciales pour les utilisateurs envisageant de déployer des modèles de langage localement. Elles mettent en évidence des aspects économiques souvent négligés, permettant ainsi une meilleure planification des ressources et une optimisation des coûts énergétiques.
