Resumen: A medida que los grandes modelos de lenguaje se vuelven parte integral de los sistemas de inteligencia artificial agentes, sus demandas de energía durante la inferencia pueden plantear importantes desafíos de sostenibilidad. Este estudio investiga si la implementación de modelos de lenguaje de menor escala puede reducir el consumo de energía sin comprometer la capacidad de respuesta y la calidad de la salida en entornos del mundo real con múltiples agentes. Realizamos un análisis comparativo entre modelos lingüísticos de distintas escalas para cuantificar las compensaciones entre eficiencia y rendimiento. Los resultados muestran que los modelos de peso abierto más pequeños pueden reducir el uso de energía y al mismo tiempo preservar la calidad de la tarea. Sobre la base de estos hallazgos, proponemos pautas prácticas para el diseño sostenible de inteligencia artificial, incluida la configuración óptima del tamaño de lote y la asignación de recursos computacionales. Estos conocimientos ofrecen estrategias viables para desarrollar sistemas de inteligencia artificial escalables y ambientalmente responsables.
Publicado originalmente en export.arxiv.org el 27 de enero de 2026.
Ver fuente original
