Rok 2026 przyniósł nam nową definicję programowania, w której my pijemy pyszną herbatę, a kod pisze się sam. Siedzisz wygodnie w fotelu, wydajesz polecenie, a Claude Code, przekopuje setki plików i naprawia błędy. Cisza i spokój. Jednak gdzieś daleko, w klimatyzowanej hali pełnej serwerów, procesory graficzne wyją z wysiłku. Simon P. Couch postanowił sprawdzić, co dzieje się, gdy zrzucasz swoją pracę na sztuczną inteligencję, i przyłożył miarę do licznika prądu. Wyniki jego prywatnego śledztwa są dalekie od optymistycznych ulotek firm technologicznych. Okazuje się, że wygoda, którą tak pokochaliśmy, ma ogromny apetyt energetyczny. Jeśli sądzisz, że twoje zapytania są lekkie, przygotuj się na zderzenie z fizyką. Twoja dzienna sesja kodowania zużywa tyle prądu, co sprzęt AGD, który pracuje w twojej kuchni na okrągło.
Statystyki na start
- Typowe zapytanie do AI (mediana) - 0,3 Wh
- Pojedyncza sesja pracy z Claude Code - 41 Wh
- Dzienne zużycie energii przez power usera AI - 1300 Wh
- Szacunkowy koszt dzienny tokenów - 15-20 dolarów
- 138 razy - o tyle bardziej energochłonna jest sesja z agentem w porównaniu do zwykłego pytania.
Mediana to słowo pułapka
Kiedy giganci technologiczni mówią o ekologicznym wpływie swoich modeli, uwielbiają posługiwać się pojęciem "mediana zapytania" (median query). Według danych, na które powołuje się Couch (pochodzących z Gemini team, bloga Sama Altmana czy analiz Epoch AI), typowe zapytanie do modelu zużywa około 0,3 watogodziny, czyli tyle co nic. Problem w tym, że podana statystyka w 2026 roku staje się kompletnie nieadekwatna do rzeczywistości, w jakiej pracują programiści i specjaliści IT.
Autor analizy słusznie zauważa, że firmy technologiczne definiują "medianę" w sposób mętny. Czy uwzględnia ona prompt systemowy? Jak długa jest odpowiedź? Przykładowa konwersacja, która może wpadać w tę kategorię, to prosta prośba o żart, gdzie odpowiedź modelu jest krótka i zamknięta. W takim scenariuszu zużycie energii faktycznie jest pomijalne – jest wręcz błędem zaokrąglenia w domowym rachunku za prąd.
Sytuacja zmienia się diametralnie, gdy zaczynamy używać AI jako narzędzia pracy, czyli agenta. Couch wskazuje, że jego typowe użytkowanie to nie zadawanie pytań, ale sterowanie instancjami "Claude Code" – agenta, który działa w pętli. Tutaj statystyka mediany staje się bezużyteczna, a wręcz myląca.
Jak działa agent AI i dlaczego pożera zasoby
Agent AI jak omawiany Claude Code, nie działa na zasadzie "pytanie – odpowiedź". Jest to proces znacznie bardziej złożony. Simon Couch rozbiera cały mechanizm na czynniki pierwsze, pokazując, co dzieje się "pod maską", zanim w ogóle napiszemy pierwsze słowo.
Na starcie mamy ogromny kontekst. Sam prompt systemowy i opisy dostępnych narzędzi (narzędzia systemowe, narzędzia użytkownika MCP) w Claude Code zajmują blisko 20 000 tokenów. Model musi "przeczytać" i przetworzyć wszystkie informacje przy każdym uruchomieniu, jeszcze zanim użytkownik zleci jakiekolwiek zadanie. Na wstępie generuje to już koszt obliczeniowy, którego nie ma przy prostym czacie.
Kiedy użytkownik wydaje polecenie, na przykład "Zapoznaj się z projektem", agent nie wymyśla odpowiedzi. Wykonuje serię akcji:
- Wysyła żądanie do API.
- Decyduje się użyć narzędzia (np. wylistować pliki w katalogu lub przeszukać kod).
- Komputer użytkownika wykonuje polecenia i zwraca wyniki do modelu.
- Model analizuje otrzymane dane (które stają się nową, dłuższą historią konwersacji) i podejmuje kolejne kroki.
Jedna prośba użytkownika może uruchomić kaskadę 5 lub 10 pętli. Każda z nich przesyła tam i z powrotem rosnącą historię czatu, kod projektu i wyniki poleceń systemowych. Couch zauważa, że w jego przypadku typowa sesja składa się z około 12 wiadomości użytkownika, ale generuje dziesiątki wywołań narzędzi i przetwarza setki tysięcy tokenów.
Matematyka na serwetce
Autor przeprowadził własne obliczenia, opierając się na cennikach Anthropic dla modeli Claude Opus 4.5 i Sonnet 4.5 (dostępnych w styczniu 2026) oraz szacunkach z Epoch AI. Założył, że cena tokena jest dobrym przybliżeniem kosztu energetycznego jego przetworzenia. W związku z tym, że tokeny wyjściowe są droższe, prawdopodobnie ich wygenerowanie zużywa więcej prądu (około 5 razy więcej niż przetworzenie tokena wejściowego).
Po przeanalizowaniu logów ze swoich sesji (katalog ~/.claude/projects/), Couch doszedł do konkretnych liczb. Mediana jego sesji z Claude Code obejmuje 24 żądania i zużywa łącznie ponad 592 tysiące tokenów. Przeliczając to na energię:
- Jedna sesja z agentem zużywa 138 razy więcej energii niż owa mityczna "mediana zapytania".
- Daje to około 41 Wh na sesję.
Jednak Simon Couch, jako programista, nie uruchamia agenta raz dziennie. W typowy dzień pracy prowadzi dwie lub trzy instancje Claude Code równolegle przez kilka godzin.
Lodówka, zmywarka i kodowanie
Całodzienne intensywne korzystanie z autonomicznego programisty przekłada się na zużycie rzędu 1300 Wh (1,3 kWh). Aby nadać temu punkt zaczepienia, Couch używa porównań ze sprzętem AGD. Taka ilość energii odpowiada:
- Dodatkowemu cyklowi pracy zmywarki każdego dnia.
- Utrzymaniu drugiej, dodatkowej lodówki w domu.
- Rezygnacji z jednego przejazdu samochodem do sklepu na rzecz roweru (w skali tygodnia).
Wydatek tego kalibru nie sprawi, że pójdziecie z torbami, ale w skali makro przestaje być pomijalny. O ile wlanie szklanki wody do oceanu (pojedyncze zapytanie do AI) nie ma znaczenia, o tyle włączenie w każdym domu dodatkowej lodówki byłoby już widoczne w krajowym zużyciu prądu.
Koszty finansowe a ekologiczne
Ciekawym wątkiem pobocznym w analizie Simona jest koszt finansowy. Jako "power user", wydaje on na tokeny około 15-20 dolarów dziennie. W skali miesiąca jego szacunki (480 dolarów) pokrywają się z oficjalnymi billingami. Dla wielu użytkowników i firm to właśnie faktura od Anthropic będzie czynnikiem hamującym, a nie troska o kilowatogodziny.
Autor przeprowadza też "gut-check" (weryfikację na wyczucie) od strony infrastruktury. Jeśli przeliczymy jego wydatki na przychody Anthropic (szacowane na 10 mld dolarów rocznie), wychodzi na to, że firma potrzebuje około 85 megawatów ciągłej mocy tylko do obsługi wnioskowania (inference). To wynik mieszczący się w realnych ramach, biorąc pod uwagę, że centra danych tej firmy mają moc przekraczającą 1 gigawata.
Czy powinniśmy przestać używać agentów?
Nikt o zdrowych zmysłach nie wyrzuci teraz pralki przez okno, by prać ubrania ręcznie w umywalce, i podobnie nikt nie oczekuje, że programiści wrócą do dłubania w notatniku systemowym. Postęp ma swoją wymierną cenę, wyrażoną nie tylko w drogich subskrypcjach, ale w realnym cieple emitowanym do atmosfery.
Wnioski Simona Coucha mają wymiar czysto praktyczny. Mimo że jego praca generuje zużycie energii porównywalne z dodatkowym sprzętem AGD, nie zamierza rezygnować z asysty AI. Uznaje, że wartość, jaką narzędzia AI wnoszą do jego produktywności, jest tego warta. Jednak taka świadomość zmienia jego podejście do tematu ekologii.
Zatem zamiast udawać, że cyfrowa magia dzieje się w próżni bez kosztów, zaakceptujmy prosty fakt, że nasz genialny, wirtualny pomocnik jest po prostu szalenie głodny. Karm go mądrze!
Źródło: www.simonpcouch.com
