Fiches modèles / Comparatif

DeepSeek Reasoner vs Llama 3.3 70B : CO₂e, eau, énergie et coût

Par million de tokens générés, Llama 3.3 70B émet 98 % de CO₂e de moins que DeepSeek Reasoner : 236 g contre 14,1 kg. Confiance moyenne pour DeepSeek Reasoner, moyenne pour Llama 3.3 70B.

Facteurs tokenclimate-v4-2026-07 et tokenclimate-v4-2026-08, mis à jour le 27 août 2026. Sources et équations dans la méthodologie.

Face à face, par million de tokens générés

Comment lire ce comparatif

L'unité est le million de tokens générés, la même que sur les fiches modèles et dans les grilles tarifaires des fournisseurs. Pour chaque modèle, la méthodologie part d'une énergie par million de tokens (la mesure publiée quand elle existe, sinon une estimation documentée), puis la convertit en CO₂e avec le PUE et l'intensité carbone du réseau électrique des régions d'hébergement, en location-based, sans instrument de marché. L'eau additionne le refroidissement sur site (WUE) et l'eau incorporée dans l'électricité achetée. Le niveau de confiance dit ce que vaut la source du facteur d'énergie, modèle par modèle.

Ici, l'écart de CO₂e ne suit pas exactement l'écart d'énergie : les deux modèles ne partagent pas les mêmes paramètres de datacenter (PUE, intensité carbone du réseau, WUE), détaillés fournisseur par fournisseur dans la méthodologie.

Le périmètre est l'inférence : l'entraînement des modèles, les terminaux et le réseau ne sont pas comptés. Les prix sont les tarifs publics par million de tokens au moment du relevé ; un contrat négocié ou un forfait par siège change le calcul de coût, pas celui de l'empreinte.

Quel arbitrage ?

À volume égal de tokens générés, Llama 3.3 70B l'emporte sur les deux plans : 98 % de CO₂e en moins et un prix de sortie inférieur (0,69 € contre 2 € le million de tokens). Router vers DeepSeek Reasoner ne se défend que si sa qualité est indispensable à votre cas d'usage.

Tester ce duel sur votre volume dans le calculateur · fiches détaillées : DeepSeek Reasoner et Llama 3.3 70B.