Автономные ИИ-ассистенты преподносятся технологическими гигантами как вершина продуктивности: они пишут скрипты, правят код и развертывают инфраструктуру за считанные минуты. Однако за красивым интерфейсом кроется внушительный «архитектурный налог». Независимый эксперимент показал, что подавляющая часть вычислительной мощности современных ИИ-агентов сгорает не на генерацию решений, а на банальное перечитывание собственного контекста.
Анатомия перерасхода: 3,2 миллиарда токенов ради 0,4% результата
Климатолог Зик Хаусфазер провел детальное восьминедельное исследование инструмента Claude Code от компании Anthropic, зафиксировав точные паттерны расхода вычислительных ресурсов. Цифры оказались парадоксальными: за время тестирования ассистент обработал 3,2 миллиарда токенов, но лишь крошечные 0,4% из этого колоссального объема составили полезный вывод, который в итоге увидел пользователь.
Куда растворились остальные мощности? Около 96% всех операций пришлись на кешированные чтения. Механика работы Claude Code устроена так, что на каждом из приблизительно 14 000 совершенных шагов — будь то считывание файла, запуск терминальной команды или обращение к внешнему инструменту — агент вынужден заново прогонять через себя весь накопленный массив контекста. Это напоминает попытку написать эссе, перечитывая черновик с первой страницы перед каждой новой поставленной точкой.
Реальный счет за электричество: прожорливее холодильника
Хотя разработчики LLM существенно удешевили обращение к кешированным токенам, сам масштаб бесконечных повторных чтений неизбежно конвертируется в высокое энергопотребление дата-центров. Хаусфазер зафиксировал, что ежедневный аппетит Claude Code колеблется от 1,2 до 5,9 кВт·ч.
Чтобы осознать масштаб, достаточно бытовой аналогии: пара стандартных домашних холодильников, работающих без перерыва 24 часа в сутки, потребляет около 5 кВт·ч суммарно. Иными словами, активная сессия работы одного программиста с умным агентом может обходиться экосистеме дороже, чем базовые электроприборы на кухне.
Что касается климатического следа, расчеты показывают следующие параллели:
- Годовой объем выбросов CO2 от регулярной эксплуатации ассистента слегка превосходит выхлоп от работы электрической сушилки для одежды.
- Тот же объем выбросов эквивалентен половине углеродного следа электромобиля, проехавшего 18 500 км по трассам Калифорнии.
Методологические споры и молчание бигтеха
Полученные данные вызвали резонанс в экспертной среде, но не обошлись без скепсиса. Специалист по устойчивому развитию ИИ Борис Гамазайчиков охарактеризовал подсчеты Хаусфазера как «хорошую попытку», однако обратил внимание на то, что исследователь мог опираться на не самые актуальные базовые метрики дата-центров. Гамазайчиков анонсировал собственный масштабный отчет, публикация которого ожидается в конце сентября 2026 года — он должен представить скорректированную картину индустрии.
Главная проблема подобных изысканий заключается в информационной закрытости: ведущие ИИ-лаборатории неохотно делятся точной телеметрией энергозатрат на агентские цепочки reasoning-моделей. Пока индустрия пытается осознать реальную цену автономности ИИ, происходят сдвиги и на юридическом фронте: к примеру, недавно Илон Маск отозвал свой антимонопольный иск против Apple, снизив накал борьбы вокруг монополизации технологий искусственного интеллекта. Но если регуляторные споры можно уладить в суде, то законы термодинамики обойти не удастся — архитектурам ИИ-агентов требуется срочная оптимизация работы с памятью.