यह पत्र वाणिज्यिक डेटा केंद्रों में तैनात 30 अत्याधुनिक बड़े पैमाने पर भाषा मॉडल (एलएलएम) के पर्यावरणीय प्रभाव को मापने के लिए एक नवीन बुनियादी ढाँचा-जागरूक बेंचमार्किंग ढाँचा प्रस्तुत करता है। हमने सार्वजनिक API प्रदर्शन डेटा, क्षेत्रीय पर्यावरणीय जल निकासी और हार्डवेयर कॉन्फ़िगरेशन पर सांख्यिकीय अनुमानों को मिलाकर ढाँचा बनाया है। हम क्रॉस-दक्षता डेटा लिफाफा विश्लेषण (DEA) का उपयोग करके पर्यावरणीय लागत के सापेक्ष उनके प्रदर्शन के आधार पर मॉडल को रैंक भी करते हैं। हम पाते हैं कि o3 और DeepSeek-R1 सबसे अधिक ऊर्जा-गहन मॉडल हैं, जो 33 Wh से अधिक की खपत करते हैं, जो GPT-4.1 नैनो की खपत से 70 गुना अधिक है। इसके विपरीत, क्लाउड-3.7 सॉनेट को सबसे अधिक पर्यावरण-कुशल मॉडल के रूप में स्थान दिया गया है। इसमें 35,000 अमेरिकी घरों की बिजली खपत, 12 लाख लोगों की वार्षिक पेयजल ज़रूरतों के बराबर मीठे पानी का वाष्पीकरण, और शिकागो के आकार के एक जंगल को संतुलित करने के लिए आवश्यक कार्बन उत्सर्जन शामिल है। ये परिणाम इस विरोधाभास को उजागर करते हैं कि जहाँ एक ओर AI सस्ता और तेज़ होता जा रहा है, वहीं दूसरी ओर इसके वैश्विक रूप से अपनाए जाने से संसाधनों की खपत अनुपातहीन हो रही है। यह अध्ययन LLM परिनियोजन की स्थिरता के मानदंड निर्धारण के लिए एक मानकीकृत और अनुभवजन्य रूप से आधारित पद्धति प्रदान करता है, जो AI विकास और स्थिरता मानकों में भविष्य की पर्यावरणीय ज़िम्मेदारी की नींव रखता है।
