Berget AI berekent bijna tien keer zoveel uitstoot voor Kimi K3 in Texas als in Zweden

Berget AI publiceert vandaag met SEI, WattTime en Klimatkollen een open rekenmethode die dezelfde Kimi K3-aanvraag met dezelfde hardware op 0,4 gram CO₂ in Zweden en 3,9 gram in Texas schat.

Bij 100.000 gelijksoortige verzoeken komt dat rekenkundig neer op 40 kilo CO₂ in Zweden tegenover 390 kilo in Texas. Voor teams die een open model via een aanbieder met meerdere regio’s inzetten, maakt de serverlocatie een meetbare inkoopvariabele naast prijs en kwaliteit. Het blijft een modelschatting per verzoek, geen vaste factor voor elke prompt.

Eén aanvraag, vier verschillende stroommixen

De verhouding tussen 3,9 en 0,4 gram is 9,75, afgerond bijna tien. SEI noemt voor dezelfde Kimi K3-aanvraag ook 1,2 gram in Ierland en 2,1 gram in Duitsland. Het model en de hardware blijven gelijk; de locatie bepaalt welke stroommix en datacenterinfrastructuur in de berekening meetellen. Dit is een locatievergelijking voor één workload, geen ranglijst van aanbieders.

De uitkomsten zijn locatiegebonden schattingen op basis van de gemiddelde uitstoot van het elektriciteitsnet waar de servers staan. De methode neemt ook de productie-uitstoot van hardware mee. Het model, het tijdstip en het cachen van een deel van de prompt veranderen de uitkomst eveneens. Daarom rekent de methode per verzoek in plaats van één gemiddelde over al het AI-gebruik.

CLEER meet een andere laag

De regiomethode vult CLEER aan, dat modelverschillen in energiegebruik zichtbaar maakt wanneer aanbieders weinig gegevens delen. Op 29 september liet CLEER zien dat de geschatte energie voor dezelfde taak tussen modellen meer dan dertig keer kan verschillen. Sustainable AI Group baseerde dat op metingen aan open modellen en schattingen voor gesloten modellen, met ruim twintig open modellen, 2.400 testruns en 425 miljoen tokens.

CLEER vergelijkt modellen en soorten gebruik. De Berget-methode voegt de locatie en infrastructuur van de uitvoering toe. Samen kunnen die metingen laten zien welk model een taak uitvoert en waar de uitstoot van die uitvoering ontstaat, als aanbieders model, tokenaantallen en serverregio bekendmaken.

De uitstoot van ingekochte AI-diensten valt aan klantzijde onder Scope 3 van de waardeketen. Daardoor raken verzoekmetingen ook duurzaamheidsgegevens van de afnemer. Zonder gegevens van de aanbieder moet een organisatie het gebruik zelf vertalen naar model- en regiofactoren.

De open code laat zien wat wordt gerekend

De samenwerking begon in maart, toen SEI aankondigde dat Berget AI, WattTime, Klimatkollen en onderzoekers Bergets infrastructuur en het AI-systeem Garbo zouden meten. De methode is nu openbaar onder de MIT-licentie. De broncode en documentatie noemen veertien modellen, vijftien netregio’s en zeven hardwareopstellingen, met standaardwaarden van Bergets eigen infrastructuur; aanbieders kunnen ook eigen modellen, servers en locaties invullen. De gedeelde cijfers komen uit metingen aan die ene infrastructuur en vergelijken geen andere aanbieders.

De berekening gebruikt onder meer invoer- en uitvoertokens, responstijd, hardwarebenutting en tijdstip. De uitkomst splitst energie voor de GPU, server en koeling van de toegerekende uitstoot van hardwareproductie. Het modeltrainen staat standaard uit. Netwerkverkeer en het apparaat van de eindgebruiker vallen buiten de beschreven berekening, zodat het resultaat geen volledige levenscyclusvoetafdruk van een AI-dienst is.

De Green Software Foundation beschrijft SCI for AI als een methode voor de hele levenscyclus, van datavoorbereiding en training tot het draaien van modellen. Berget zegt de kernformule te volgen, maar richt de calculator vooral op operationeel gebruik en hardware per verzoek. De methode kan dus een afgebakende aanvraag vergelijken; voor een bredere uitstootrapportage moet duidelijk zijn welke onderdelen zijn weggelaten.

De stroommix is nog geen vaste rapportagestandaard

De persmededeling zegt dat de vergelijking gemiddelde netemissies gebruikt. Marginale emissiefactoren, die ramen welke centrales extra stroomvraag opvangen, zouden in november aan de calculator worden toegevoegd en kunnen de uitkomst voor Zweden flink veranderen. De live calculator meldt dat die factoren nog worden verzameld en dat voorlopig gemiddelden worden getoond. De Kimi K3-verhouding is dus gebaseerd op gemiddelde netemissies, niet op een berekening van de extra centrales die door die vraag nodig zijn.

Ook ontbreken de exacte prompt- en antwoordlengte van de Kimi-test. De calculator kan met tokenaantallen rekenen, maar zonder die invoer kan een inkoper de gerapporteerde 0,4 en 3,9 gram niet zelfstandig voor dezelfde taak reproduceren. De factor tien blijft daarmee een concrete vergelijking voor één gepubliceerde berekening, geen gemiddelde voor iedere Kimi K3-aanvraag.

Op datacenter-niveau zet de Europese Commissie intussen een andere meetlaag in beweging. Op 21 september startte een consultatie over minimumprestatienormen voor datacenters, met een wetsvoorstel gepland voor het tweede kwartaal van 2027. Dat sluit aan op de eerder voorgestelde EU-labels die datacenters boven 500 kilowatt op energie- en waterefficiëntie beoordelen. Zulke normen kijken naar een locatie als geheel; verzoekdata leggen de uitstoot dichter bij het AI-gebruik van een klant.

Voor Nederlandse inkopers verschuift de vergelijking daarmee naar model, regio, tijdstip en rekenmethode. Verzoekcijfers worden pas onderling vergelijkbaar als de aanbieder vermeldt wat wel en niet wordt meegeteld, welke invoer is gebruikt en welke uitstootfactor geldt. De aangekondigde marginale gegevens zijn een volgende stap, maar de bron laat nog open hoe die zich verhouden tot de huidige gemiddelden en de concrete Kimi-test. Tot die gegevens naast elkaar staan, blijft bijna tien keer een onderbouwde uitkomst voor één gepubliceerde vergelijking.