斯坦福提出 J2G 框架 揭示小模型能效经济价值更高
斯坦福大学研究团队推出“Joules-to-GDP”（J2G）评估框架，量化 AI 任务每消耗一焦耳能量所产生的净经济价值。实验表明，在 GDPval 基准测试中，较小规模的开源模型（如 Gemma 4 31B）虽绝对产出略低，但其单位能耗产生的经济回报显著优于超大模型，且多卡并行带来的速度提升远低于能耗增幅。该研究为算力受限环境下的模型选型提供了新的能效经济学依据。
报道正文
Rohan Paul (@rohanpaul_ai) · 2026-11-04 21
斯坦福大学最新论文发现，较小的 AI 模型在单位能耗上能产生远超最强模型的巨大经济价值。
既然世界正受限于能源/电力供应，那么每个 AI 任务消耗多少能源确实值得深入研究。
在此研究中，研究人员构建了“焦耳到 GDP”（Joules-to-GDP）指标，用于衡量每焦耳能量所对应的 AI 工作美元价值减去其运行成本后的净值。他们在来自 GDPval 的 220 项专业任务（涵盖 44 种职业）上测试了 5 个开源模型。
GLM 5.2 产生的单任务净价值最高，但 Gemma 4 31B 仅用 23% 的能耗就实现了其 56% 的价值。
将 Qwen3.6-27B 从 1 张 H100 扩展到 8 张 H100，任务耗时仅减少 22%，而能耗却增加了 3.2 倍。
GPT-OSS 120B 的能耗比 GLM 5.2 低 68%，尽管两者的价格和速度几乎相同。
在同一模型上，使用 8 张 H100 芯片而非 1 张，任务速度仅提升 22%，但能耗增加至 3.24 倍，最终产生的工作美元价值却几乎不变。
↳ 引用 @JonSaadFalcon (Jon Saad-Falcon): AI 正在消耗越来越多的全球能源。但我们从 AI 中获得了多少经济价值？
我们推出了 Joules-to-GDP (J2G) 框架，旨在衡量 AI 将能源转化为经济价值的效率，并揭示哪些任务、模型和硬件能带来最佳回报。
基于 @OpenAI 的 GDPval 数据集，我们在金融、工程、法律、行政等 44 种职业的任务中得出了三项主要发现：
经济价值最高的任务，并非每焦耳经济价值最高的任务。例如，CAD 设计的单任务收益比网站构建高约 10%，但后者每焦耳产生的价值高出约 27%。
最强大的模型并不总是能源的最佳用途。Gemma 4 31B 仅用 23% 的能耗就提供了 GLM 5.2 净价值的 56%，其每焦耳价值是前者的 2.5 倍。
更多的芯片并不保证成比例的回报。将同一模型从 1 张 NVIDIA H100 扩展到 8 张，能耗增加 3.2 倍，但完成时间仅缩短 22%，且产生的价值大致相同。
我们与 @SnorkelAI 合作，还发布了 GDPWorks，这是一个涵盖另外 36 种职业的高经济价值任务基准测试集。
该联合研究由 @amirzeinaalii 和 @Avanika15 共同主导，参与者包括 @Mersad_Abbasi, @Jon_Hartley_, John Hennessy, @HazyResearch 以及 @Azaliamirh。
更多细节见下方 🧵
