“每度电创造多少产值”：一条被热转的斯坦福论文帖，把模型选型拉回电费账本

作者：周砚

X 用户 Rohan Paul 于 11 月 4 日转述一篇他称为“斯坦福新论文”的研究，提出用“Joules-to-GDP”衡量 AI 每消耗一焦耳电带来的净经济价值，结论是小模型的单位能耗回报可能远超最强模型。论文原文与署名目前无法独立核实，本文数字均出自这一条转述，按待核实读。

11 月 4 日，X 用户 Rohan Paul 转述了一篇他称为“斯坦福新论文”的研究 ：研究者提出名为 Joules-to-GDP 的指标，用“AI 任务产出的美元价值，减去运行成本，再除以消耗的焦耳数”给模型算账。结论是：电力成为瓶颈之后，小模型单位能耗的净回报可能远高于最强模型。变化不在模型本身，而在比较模型的方式——从看跑分，转到看每度电产出。先把话说在前面：帖内原文链接未能解析，论文署名、编号与全部假设目前都无法独立核实，以下数字均出自这一条转述 。

指标与实验设置（按转述）

转述称，研究者在 OpenAI 的 GDPval 基准上测了 5 个开源模型，共 220 个专业任务，覆盖 44 个职业 。GDPval 是 OpenAI 公开的职业任务基准，用于衡量模型能否完成“有经济价值的工作”；这组任务数与职业数与其公开口径吻合，但具体任务抽样无法核对。

指标本身值得解释一句：“每焦耳净产值”把三件常被分开谈的事压进同一个分母——任务质量（决定美元价值的分子）、推理成本（从分子里扣掉）、能耗（分母）。只要其中一项的定价方式变动，结论就会变；这也是它容易引起误读的地方。

三组账（数字均出自转述）

• GLM 5.2 单任务净价值最高，但 Gemma 4 31B 用 23% 的能耗拿到了它 56% 的净价值 。折算下来，每焦耳回报约为前者的 2.4 倍。
• Qwen3.6-27B 从 1 张 H100 扩到 8 张，任务只快 22%，能耗涨到约 3.2 倍（帖中另一处写 3.24 倍，应是同一实验的精度差异），产出价值几乎不变 。
• GPT-OSS 120B 比 GLM 5.2 少耗 68% 的电，而两者价格与速度接近 。

对企业账本意味着什么（若数字成立）

第一，选型坐标系在换。过去采购方比的是榜单差几分，现在多了一列“每度电净产出”。56% 价值配 23% 能耗这个组合若稳健，意味着同一笔电费预算用小模型能多产出一倍以上计价价值——前提是任务难度落在小模型能力圈内，质量不塌方。反过来说，凡是需要长链推理、错一次代价高于电费的任务，这个倍数就没那么重要。

第二，堆卡的边际收益递减得很明显。8 倍硬件换 22% 提速、3 倍多电耗，对文档处理、代码审查这类吞吐型批量任务是反向信号；真正愿意付这个溢价的，是时延敏感、按分钟计费的场景。对自建机房的团队，3.24 倍电耗不只是电费，还牵动配电容量、散热和机柜密度——这些才是排期表上的硬约束。

第三，同价位不等于同电耗。68% 的差距说明，API 报价单上的每百万 token 价格，可能掩盖了完全不同的电力画像。对在电力配额紧张地区运营的企业，这一项足以改变下单顺序。

不同利益方的读法不会一致。卖卡的看到的是“8 卡换 22%”的效率质疑，卖推理服务的会强调单位 token 成本而非能耗，买方则更关心指标里的美元价值怎么定价——是按人力时薪折算，还是按市场报价折算，两种口径下小模型的优势幅度会差很多。

未核实项

论文是否确为斯坦福团队署名、arXiv 编号、任务价值的定价方法、电价与硬件功耗假设、5 个模型的完整名单与版本号，均未从原文确认。目前只能按“单一社交转述、待核实”对待。在原文可查并经复现之前，它更适合当作一个提问方式：模型该不该按每瓦特业绩来买。这个问题本身，比那条热转的结论更耐用。

转载说明

本文根据以下公开资料整理，原文及配图出处见下方。

• [S1] New Stanford paper finds that a smaller AI model can return far more economic value per unit of energy than the most cap · Rohan Paul