כתבה
arXiv cs.AI ·
הפער האנרגטי בשפות: מדידת עלות האנרגיה של LLM רב-לשוני
The Language-Energy Divide: Measuring Energy Costs of Multilingual LLM Inference
מחקר חדש מראה כי עלות האנרגיה של מודלי שפה רב-לשוניים (LLM) משתנה באופן משמעותי בין שפות. המחקר, שהשתמש במסגרת ML-Energy, מצא כי העלות האנרגטית לטוקן אחד יכולה להשתנות פי 8.3 בין שפות, וכי השפות עם העלות האנרגטית הגבוהה ביותר גם משיגות את הדיוק הנמוך ביותר.
תקציר מקורי באנגליתarXiv:2606.21869v2 Announce Type: replace-cross Abstract: Large language models (LLMs) are increasingly deployed in multilingual settings, yet the energy costs of serving these models across different languages remain poorly understood. We present a systematic study of inference energy consumption across languages with ML.Energy framework (Chung et al., 2026). We find striking disparities: energy consumption per output token varies by up to 8.3 times across languages, while total energy for a fixed set of requests varies by up to 179 times between the cheapest (English, 17.6 kJ) and the most expensive (Pashto, 3,147 kJ) languages. Our analysis shows that this disparity is driven by two compounding factors: (1) higher per-token energy costs for languages using complex or rare scripts, and (
קרא במקור המקורי
arxiv.org
פתח כתבה מקורית