Como a calculadora funciona
Você informa 4 variáveis do seu uso de LLM: modelo, requests por dia, tokens médios por request e região do servidor: e a ferramenta estima a emissão de CO2 mensal da sua operação de IA.
O cálculo em 3 passos:
- Energia por token: cada modelo tem um consumo de energia por token processado (inferência em GPU).
- Volume mensal: requests/dia × tokens/request × 30 dias = tokens processados por mês.
- Fator de carbono da região , energia × fator de emissão da rede elétrica da região = CO2 emitido.
A ferramenta mostra kg de CO2 por mês e compara com km percorridos por um carro, árvores necessárias para compensar e kWh equivalente. Tudo roda no navegador. Nada é enviado pra servidor.
Por que medir a pegada de carbono de IA
LLMs consomem muita energia. Cada request passa por bilhões de operações em GPU, e a conta de carbono escala rápido com volume. Para empresas que publicam relatórios ESG, atendem clientes exigentes ou querem otimizar custo, saber quanto sua IA emite virou parte do jogo.
A boa notícia: a maior parte da emissão vem de escolha de região (rede elétrica mais limpa) e escolha de modelo (modelos menores emitem muito menos). Migrar a inferência de uma região a carvão para uma hidrelétrica reduz emissão sem mudar o produto.
Como os números são estimados
Os fatores de energia por token são médias publicadas em estudos de pegada de LLM (Patterson et al., Luccioni et al.) e variam com o tamanho do modelo. Os fatores de carbono por região são médias da rede elétrica (US ~0.39 kg CO2/kWh, EU ~0.23 kg CO2/kWh, BR ~0.10 kg CO2/kWh por matriz predominantemente hidrelétrica).
As equivalências usam médias simples: carro emite ~0.18 kg CO2/km, árvore adulta absorve ~21 kg CO2/ano, 1 kWh = 1000 Wh. Trate como referência de ordem de grandeza, não como auditoria certificável.
Quer reduzir a pegada de carbono da sua IA?
A calculadora dá a estimativa. O diagnóstico gratuito (30 min, online) ajuda a escolher modelos, regiões e estratégias (cache, batching, destilação) que cortam custo e emissão ao mesmo tempo.