Mistral ha lanzado una nueva herramienta de auditoría de sostenibilidad para ayudar a las organizaciones a comprender el impacto ambiental de los modelos de inteligencia artificial. El Frontrunner francés de IA completó un análisis de ciclo de vida de su modelo insignia de 2 grandes 2, trabajando con la Agencia Francesa de Gestión de Medio Ambiente y Energía (ADEME) y Carbone 4, una consultoría especializada en la estrategia de carbono. Ministral, un huella de 20.4ktco ₂e o 20.4 mil tons de tensos de carbono de los jéga, a Janes, a Jan 2, a Jan 2, a Jan 2, a Jan 2, a Janes, a Janes, a Janes, a Janes, a Janes, a Janes, a Janes, a Janes de Ajanes, a Janes, a Juses de Ajan. 2025. Para esa fecha, el modelo también había consumido 281,000 m3 de agua, equivalente a 74.2 millones de galones. Esta cifra contabilizó tanto la capacitación del modelo como para 18 meses de uso, según la firma de IA. La persona francesa promedio consume 150 litros de agua en un día, según los datos de Lavie, lo que significa que la fase de capacitación para 2 grandes fue igual al consumo anual de más de 5,100 ciudadanos franceses franceses. Tan como 91% del uso del agua y el 85.5% de las emisiones de gases de efecto invernadero asociados con 2 de la capacitación y las fases de inferencia. o meses, para producir modelos avanzados. Inferencia, en la que un modelo entrenado produce salidas basadas en las entradas de un usuario, dibuja de manera similar enormes cantidades de potencia y agua para el enfriamiento. Aunque cada indicador que un usuario pone en una LLM tiene un impacto mucho menor que capacitar al modelo, se suman rápidamente, particularmente porque millones o cientos de millones de usuarios interactúan con los modelos simultáneamente. Significa hoy y recibirá una copia gratuita de nuestro Informe de Focus Focus 2025, la orientación líder en AI, Cybersity y otras desafíos de TI como 700+ Senior. 1.14 GCO₂E y el consumo de 45 ml (1.5 fl oz) de agua. Mistral comparó este uso con la cantidad de energía necesaria para transmitir un video durante 10 segundos, o el agua necesaria para hacer crecer un pequeño rábano. «Aunque se han tomado algunas iniciativas recientes, como la Coalición para la IA sostenible, lanzada durante la Cumbre de Acción de París en febrero de 2025, el trabajo para lograr aquí sigue siendo importante», escribió maltrales en su blog de blogs. models, take informed purchasing decisions, fill enterprises’ extra-financial obligations or reduce the impacts associated with their use of AI.AI is driving direct and indirect emissionsThe environmental impact of training and running AI models is increasingly acknowledged by the largest companies in the tech sector.This is because they are obliged to publish their scope 1 emissions – those they directly control – as well as their scope 2 and 3, accounting for the impact of their energy Las compras y las de otras compañías en su cadena de suministro. Las emisiones de Google han aumentado en un 51% desde 2019, impulsadas en gran parte por las emisiones de alcance 3, como la construcción de centros de datos masivos, en la construcción de centros de datos. centers, and even burying human waste.Google has also put great emphasis on its newest chips for AI training and inference, which it’s said are 30x more efficient than its 2018 models. But emissions continue to rise in the face of these big tech efforts.Mistral eyes sustainability improvementsMistral acknowledged that, at present, LLM computation happens across a wide range of data centers, including in regions with carbon-intensive electricity generation and those experiencing water La escasez. La firma dijo que está en el proceso de construir su propio centro de datos en Francia para hacer uso de la abundante energía del país derivada de la energía nuclear baja en carbono y el clima más fresco, los cuales impulsarán las emisiones de sus modelos. Por lo general, Mistral descubrió que la huella ambiental de LLMS se correlaciona muy estrechamente con su escala «.[A] El modelo 10 veces más grande generará impactos un orden de magnitud más grande que un modelo más pequeño para la misma cantidad de tokens generados. Esto resalta la importancia de elegir el modelo adecuado para el caso de uso correcto ”, escribió Mistral. Con esto en mente, las empresas pueden considerar los pros y los contras de usar los modelos más grandes del mercado, incluidas las ofertas insignia de OpenAI, Google y Anthrope, sobre modelos más livianos. de los modelos de IA pero actualmente es difícil de rastrear. «En el futuro, estamos comprometidos a actualizar nuestros informes de impacto ambiental en el futuro y participar en las discusiones sobre el desarrollo de los estándares internacionales de la industria», agregó Mistral. «Abogará por una mayor transparencia sobre toda la cadena de valor de la IA y el trabajo para ayudar a los adoptantes de la IA a tomar decisiones informadas sobre las soluciones que mejor se adaptan a sus necesidades. Los resultados luego estarán disponibles a través de la base de datos Base Empreinte de Ademe, estableciendo un nuevo estándar para la referencia futura para la transparencia en el sector de IA «. Asegúrese de seguir a ITPro en Google News para vigilar todas nuestras últimas noticias, análisis y reseñas de ITPro