研究评测LLM代码优化的能耗成本

Sadra Emami 等研究者在一项 ICSE 2027 录用的 arXiv 研究中，测量了 11 个开源模型在 EffiBench 全部 1,000 道题上进行代码优化（自优化流程、四种解码配置）的推理能耗，共 44 个配置。结果发现：推理能耗为 0.79 至 8.68 MJ，约相当于 250 到 2800 次 GPT-4.1 查询；44 个配置中有 42 个产出的代码比人类参考解更耗能，额外开销为 +4% 到 +886%。 该研究针对“LLM 优化出的高性能代码同时也节能”这一假设进行了实证检验，结论是多数情况下并不成立。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。