Eksplorator
Porównaj modele w czasie
Każdy punkt to jeden model w dniu publikacji. Wybierz metrykę i filtry, by zobaczyć, jak kolejne modele zbliżają się do mózgu — stałego punktu odniesienia.
Metrykai
Ile procent pojemności informacyjnej ludzkiego mózgu osiąga model — liczone metodą mocy diagnostycznej. Mózg = 100%.
2012
2026
i
Modele w czasie — Indeks Świadomości
170 z 170 modeli · 2012–2026Każdy punkt to jeden model w miesiącu publikacji. Kolor = lab. Kliknij punkt, aby otworzyć profil modelu.
ładowanie…
Porównywarka
Wybierz do 6 modeli i zestaw je w bieżącej metryce. Mózg pojawia się jako słupek odniesienia tam, gdzie ma wartość (Indeks, Sprawność).
ładowanie…
Wszystkie modelei
170 modeliSortowanie po dowolnej kolumnie, w obie strony.
| Pewność | ||||||||
|---|---|---|---|---|---|---|---|---|
| Grok 3 | xAI | USA | II 2025 | 3 bln | 0,060% | 236 GWh | 0,057 bit/J | szacunek |
| Grok 4 | xAI | USA | VII 2025 | 3 bln | 0,060% | 265 GWh | 0,05 bit/J | szacunek |
| Llama 4 Behemoth (preview) | Meta AI | USA | IV 2025 | 2 bln | 0,045% | 34,9 GWh | 0,3 bit/J | szacunek |
| GPT-4 (Mar 2023) | OpenAI | USA | III 2023 | 1,8 bln | 0,042% | 25,6 GWh | 0,3 bit/J | szacunek |
| GPT-4.5 | OpenAI | USA | II 2025 | 1,8 bln | 0,042% | 201 GWh | 0,039 bit/J | szacunek z compute |
| DeepSeek-V4-Pro | DeepSeek | Chiny | IV 2026 | 1,6 bln | 0,039% | 4,1 GWh | 1,7 bit/J | szacunek |
| GLaM | USA | XII 2021 | 1,2 bln | 0,032% | 428 MWh | 12 bit/J | — | |
| Kimi K2.5 | Moonshot | Chiny | II 2026 | 1 bln | 0,029% | 3,9 GWh | 1,2 bit/J | szacunek |
| Kimi K2.6 | Moonshot | Chiny | IV 2026 | 1 bln | 0,029% | — | — | — |
| Composer 2.5 | Cursor | USA | V 2026 | 1 bln | 0,029% | 18 GWh | 0,3 bit/J | szacunek |
| MiMo-V2.5-Pro | Xiaomi Corp | Chiny | IV 2026 | 1 bln | 0,028% | 2,9 GWh | 1,6 bit/J | szacunek |
| Kimi K2 | Moonshot | Chiny | VII 2025 | 1 bln | 0,028% | 2 GWh | 2,2 bit/J | — |
| Qwen3-Max | Alibaba | Chiny | IX 2025 | 1 bln | 0,028% | 8 GWh | 0,6 bit/J | szacunek |
| Ling-1T | Ant Group | Chiny | X 2025 | 1 bln | 0,028% | 3,2 GWh | 1,4 bit/J | — |
| Kimi K2 Thinking | Moonshot | Chiny | XI 2025 | 1 bln | 0,028% | 2,2 GWh | 2 bit/J | szacunek |
| GLM-5.1 | Z.ai (Zhipu AI) | Chiny | IV 2026 | 754 mld | 0,023% | — | — | — |
| GLM-5 | Z.ai (Zhipu AI) | Chiny | II 2026 | 744 mld | 0,023% | 5,7 GWh | 0,6 bit/J | szacunek |
| GPT-5 | OpenAI | USA | VIII 2025 | 741,6 mld | 0,023% | 34,9 GWh | 0,094 bit/J | szacunek z compute |
| DeepSeekMath-V2 | DeepSeek | Chiny | XI 2025 | 685 mld | 0,021% | — | — | — |
| DeepSeek-V3 (Mar 2025) | DeepSeek | Chiny | III 2025 | 671 mld | 0,021% | 2,2 GWh | 1,3 bit/J | — |
| DeepSeek-R1 (May 2025) | DeepSeek | Chiny | V 2025 | 671 mld | 0,021% | 2,1 GWh | 1,4 bit/J | — |
| Gemini 1.0 Ultra | Google DeepMind | USA | XII 2023 | 645,5 mld | 0,021% | 58,9 GWh | 0,049 bit/J | szacunek z compute |
| PaLM-E | USA | III 2023 | 562 mld | 0,019% | — | — | szacunek | |
| Hunyuan-TurboS | Tencent | Chiny | III 2025 | 560 mld | 0,019% | 2,9 GWh | 0,9 bit/J | — |
| Nemotron 3 Ultra | NVIDIA | USA | VI 2026 | 550 mld | 0,018% | 2,8 GWh | 0,9 bit/J | szacunek |
| PaLM (540B) | Google Research | USA | IV 2022 | 540,4 mld | 0,018% | 3 GWh | 0,8 bit/J | — |
| Flan-PaLM 540B | USA | X 2022 | 540 mld | 0,018% | 3 GWh | 0,8 bit/J | — | |
| U-PaLM (540B) | USA | X 2022 | 540 mld | 0,018% | 3 GWh | 0,8 bit/J | — | |
| LMSI-Palm | USA | X 2022 | 540 mld | 0,018% | — | — | — | |
| Megatron-Turing NLG 530B | Microsoft | USA | X 2021 | 530 mld | 0,018% | 1 GWh | 2,2 bit/J | — |
| Claude 3.7 Sonnet | Anthropic | USA | II 2025 | 528,4 mld | 0,018% | 17,7 GWh | 0,1 bit/J | szacunek z compute |
| Doubao-pro | ByteDance | Chiny | X 2024 | 500 mld | 0,017% | 16,9 GWh | 0,1 bit/J | szacunek |
| Grok 4.20 | xAI | USA | II 2026 | 500 mld | 0,017% | — | — | szacunek |
| Grok-2 | xAI | USA | VIII 2024 | 496,7 mld | 0,017% | 19,9 GWh | 0,1 bit/J | szacunek z compute |
| Qwen3-Coder-480B-A35B | Alibaba | Chiny | VII 2025 | 480 mld | 0,017% | 833 MWh | 2,6 bit/J | — |
| Claude 3.5 Sonnet | Anthropic | USA | VI 2024 | 474,3 mld | 0,017% | 18,2 GWh | 0,1 bit/J | szacunek z compute |
| Llama 3.1-405B | Meta AI | USA | VII 2024 | 405 mld | 0,015% | 25,6 GWh | 0,07 bit/J | — |
| Llama 4 Maverick | Meta AI | USA | IV 2025 | 400 mld | 0,015% | 1,2 GWh | 1,5 bit/J | szacunek |
| Qwen3.5 397B-A17B | Alibaba | Chiny | II 2026 | 397 mld | 0,015% | — | — | szacunek |
| Hunyuan-Large | Tencent | Chiny | XI 2024 | 389 mld | 0,014% | 2,4 GWh | 0,7 bit/J | — |
| GLM-4.7 | Z.ai (Zhipu AI) | Chiny | XII 2025 | 358 mld | 0,014% | 2,3 GWh | 0,7 bit/J | szacunek |
| GLM-4.6 | Z.ai (Zhipu AI) | Chiny | IX 2025 | 357 mld | 0,014% | 2,3 GWh | 0,7 bit/J | szacunek |
| GLM-4.5 | Z.ai (Zhipu AI) | Chiny | VIII 2025 | 355 mld | 0,014% | 2,3 GWh | 0,7 bit/J | — |
| PaLM 2 | USA | V 2023 | 340 mld | 0,013% | 8,6 GWh | 0,2 bit/J | szacunek | |
| Med-PaLM 2 | Google Research | USA | V 2023 | 340 mld | 0,013% | — | — | szacunek |
| Nemotron-4 340B | NVIDIA | USA | VI 2024 | 340 mld | 0,013% | 12,1 GWh | 0,1 bit/J | — |
| Grok-1 | xAI | USA | XI 2023 | 314 mld | 0,012% | 2 GWh | 0,7 bit/J | szacunek |
| Mistral Large | Mistral AI | Francja | II 2024 | 305,5 mld | 0,012% | 7,5 GWh | 0,2 bit/J | szacunek z compute |
| Inflection-2 | Inflection AI | USA | XI 2023 | 288,8 mld | 0,012% | 6,7 GWh | 0,2 bit/J | szacunek z compute |
| DeepSeek-V4-Flash | DeepSeek | Chiny | IV 2026 | 284 mld | 0,012% | 1,1 GWh | 1,2 bit/J | szacunek |
| Gopher (280B) | DeepMind | Wielka Brytania | XII 2021 | 280 mld | 0,011% | 2,2 GWh | 0,6 bit/J | — |
| ERNIE 3.0 Titan | Baidu | Chiny | XII 2021 | 260 mld | 0,011% | 2 GWh | 0,6 bit/J | — |
| Inflection-2.5 | Inflection AI | USA | III 2024 | 258,2 mld | 0,011% | 5,4 GWh | 0,2 bit/J | szacunek z compute |
| Llama-3.1-Nemotron-70B-Instruct | NVIDIA | USA | VI 2024 | 257,1 mld | 0,011% | 5,3 GWh | 0,2 bit/J | szacunek z compute |
| Aramco Metabrain AI | Saudi Aramco | Arabia Saudyjska | III 2024 | 250 mld | 0,011% | 7,1 GWh | 0,2 bit/J | szacunek |
| Yuan 1.0 | Inspur | Chiny | X 2021 | 245,7 mld | 0,010% | 432 MWh | 2,5 bit/J | — |
| DeepSeek-Coder-V2 236B | DeepSeek | Chiny | VI 2024 | 236 mld | 0,010% | 866 MWh | 1,2 bit/J | — |
| DeepSeek-V2.5 | DeepSeek | Chiny | IX 2024 | 236 mld | 0,010% | 1,2 GWh | 0,9 bit/J | — |
| Qwen3-235B-A22B-Thinking (Jul 2025) | Alibaba | Chiny | VII 2025 | 235 mld | 0,010% | 2,5 GWh | 0,4 bit/J | szacunek |
| Qwen3-235B-A22B (Jul 2025) | Alibaba | Chiny | VII 2025 | 235 mld | 0,010% | 2,5 GWh | 0,4 bit/J | szacunek |
| HyperCLOVA 204B | NAVER | Korea Płd. | IX 2021 | 204 mld | 0,0092% | 244 MWh | 3,7 bit/J | szacunek |
| Amazon Titan | Amazon | USA | IX 2023 | 200 mld | 0,0091% | 5,9 GWh | 0,2 bit/J | szacunek |
| Falcon-180B | Technology Innovation Institute | ZEA | IX 2023 | 180 mld | 0,0084% | 4,6 GWh | 0,2 bit/J | — |
| Claude 2 | Anthropic | USA | VII 2023 | 179,5 mld | 0,0084% | 2,6 GWh | 0,3 bit/J | szacunek z compute |
| Jurassic-1-Jumbo | AI21 Labs | Izrael | VIII 2021 | 178 mld | 0,0084% | 452 MWh | 1,8 bit/J | — |
| InstructGPT 175B | OpenAI | USA | I 2022 | 175 mld | 0,0083% | 215 MWh | 3,6 bit/J | — |
| BlenderBot 3 | McGill University | Kanada | VIII 2022 | 175 mld | 0,0083% | 525 MWh | 1,5 bit/J | szacunek |
| GPT-3 175B (davinci) | OpenAI | USA | V 2020 | 174,6 mld | 0,0083% | 598 MWh | 1,3 bit/J | — |
| Palmyra X 004 | Writer | USA | X 2024 | 150 mld | 0,0074% | — | — | szacunek |
| GPT-3.5 (davinci-002) | OpenAI | USA | III 2022 | 146,6 mld | 0,0073% | 3,1 GWh | 0,2 bit/J | szacunek z compute |
| FLAN 137B | Google Research | USA | IX 2021 | 137 mld | 0,0070% | 7,1 GWh | 0,085 bit/J | — |
| Pangu Ultra | Huawei | Chiny | IV 2025 | 135 mld | 0,0069% | 5,7 GWh | 0,1 bit/J | — |
| GLM-130B | Tsinghua University | Chiny | VIII 2022 | 130 mld | 0,0067% | 433 MWh | 1,3 bit/J | — |
| Mistral Large 2 | Mistral AI | Francja | VII 2024 | 123 mld | 0,0065% | 14,4 GWh | 0,038 bit/J | szacunek |
| Qwen3.5-122B-A10B | Alibaba | Chiny | II 2026 | 122 mld | 0,0064% | — | — | szacunek |
| gpt-oss-120b | OpenAI | USA | VIII 2025 | 116,8 mld | 0,0062% | 3,3 GWh | 0,2 bit/J | — |
| Yi-Lightning | 01.AI | Chiny | X 2024 | 111,8 mld | 0,0060% | 1 GWh | 0,5 bit/J | szacunek z compute |
| Llama 4 Scout | Meta AI | USA | IV 2025 | 109 mld | 0,0059% | 2,2 GWh | 0,2 bit/J | szacunek |
| Yi-Large | 01.AI | Chiny | V 2024 | 100 mld | 0,0056% | 1,2 GWh | 0,4 bit/J | szacunek |
| Qwen3-Coder-Next | Alibaba | Chiny | II 2026 | 80 mld | 0,0048% | — | — | szacunek |
| Qwen2-72B | Alibaba | Chiny | VI 2024 | 72,7 mld | 0,0045% | 2 GWh | 0,2 bit/J | — |
| Qwen2.5-72B | Alibaba | Chiny | IX 2024 | 72,7 mld | 0,0045% | 5,3 GWh | 0,061 bit/J | — |
| Qwen2.5 Instruct (72B) | Alibaba | Chiny | IX 2024 | 72,7 mld | 0,0045% | 5,3 GWh | 0,061 bit/J | — |
| Qwen-72B | Alibaba | Chiny | XI 2023 | 72 mld | 0,0044% | 876 MWh | 0,4 bit/J | — |
| Palmyra X 003 | Writer | USA | I 2024 | 72 mld | 0,0044% | — | — | szacunek |
| Qwen1.5-72B | Alibaba | Chiny | II 2024 | 72 mld | 0,0044% | 876 MWh | 0,4 bit/J | — |
| Chinchilla | DeepMind | Wielka Brytania | III 2022 | 70 mld | 0,0044% | 678 MWh | 0,5 bit/J | — |
| Llama 2-70B | Meta AI | USA | VII 2023 | 70 mld | 0,0044% | 989 MWh | 0,3 bit/J | — |
| Llama 3-70B | Meta AI | USA | IV 2024 | 70 mld | 0,0044% | 5,3 GWh | 0,059 bit/J | — |
| Llama 3.3 70B | Meta AI | USA | XII 2024 | 70 mld | 0,0044% | 4,6 GWh | 0,067 bit/J | — |
| Reka Core | Reka AI | USA | IV 2024 | 67 mld | 0,0042% | 10,3 GWh | 0,029 bit/J | szacunek |
| LLaMA-65B | Meta AI | USA | II 2023 | 65,2 mld | 0,0041% | 672 MWh | 0,4 bit/J | — |
| SNM-skip | USA | XII 2014 | 62 mld | 0,0040% | 9 MWh | 29 bit/J | szacunek | |
| Mixtral 8x7B | Mistral AI | Francja | XII 2023 | 46,7 mld | 0,0033% | 522 MWh | 0,4 bit/J | szacunek |
| Falcon-40B | Technology Innovation Institute | ZEA | III 2023 | 40 mld | 0,0029% | 293 MWh | 0,6 bit/J | — |
| Yi-34B | 01.AI | Chiny | XI 2023 | 34 mld | 0,0026% | 745 MWh | 0,2 bit/J | — |
| Qwen2.5-32B | Alibaba | Chiny | IX 2024 | 32,5 mld | 0,0025% | 2,4 GWh | 0,061 bit/J | — |
| Olmo 3 | Allen Institute for AI | USA | XI 2025 | 32 mld | 0,0025% | 741 MWh | 0,2 bit/J | — |
| gpt-oss-20b | OpenAI | USA | VIII 2025 | 20,9 mld | 0,0019% | 370 MWh | 0,3 bit/J | — |
| GPT-NeoX-20B | EleutherAI | USA | II 2022 | 20 mld | 0,0018% | 114 MWh | 0,8 bit/J | — |
| Parti | Google Research | USA | VI 2022 | 20 mld | 0,0018% | 600 MWh | 0,1 bit/J | — |
| GPT-3.5 Turbo | OpenAI | USA | VI 2023 | 20 mld | 0,0018% | — | — | szacunek |
| GPT-3.5 Turbo Instruct | OpenAI | USA | IX 2023 | 20 mld | 0,0018% | — | — | szacunek |
| SPHINX (Llama 2 13B) | Shanghai AI Lab | Chiny | XI 2023 | 19,9 mld | 0,0018% | 37 MWh | 2,4 bit/J | szacunek |
| Turing-NLG | Microsoft | USA | II 2020 | 17 mld | 0,0016% | 30 MWh | 2,5 bit/J | szacunek |
| StarCoder | Hugging Face | USA | V 2023 | 15,5 mld | 0,0015% | 103 MWh | 0,7 bit/J | — |
| nekomata-14b | rinna | Japonia | XII 2023 | 14,2 mld | 0,0014% | 172 MWh | 0,4 bit/J | — |
| mT5-XXL | USA | X 2020 | 13 mld | 0,0013% | 100 MWh | 0,6 bit/J | — | |
| FinGPT-13B | University of California Los Angeles (UCLA) | USA | X 2023 | 13 mld | 0,0013% | 108 MWh | 0,5 bit/J | szacunek |
| T5-11B | USA | X 2019 | 11 mld | 0,0012% | 115 MWh | 0,4 bit/J | — | |
| Llama 3.2 11B | Meta AI | USA | IX 2024 | 10,6 mld | 0,0012% | 390 MWh | 0,1 bit/J | — |
| ERNIE 3.0 | Baidu | Chiny | VII 2021 | 10 mld | 0,0011% | 51 MWh | 0,9 bit/J | — |
| Qwen-VL | Alibaba | Chiny | VIII 2023 | 9,6 mld | 0,0011% | — | — | szacunek |
| MoE-Multi | Jagiellonian University | Polska | I 2017 | 8,7 mld | 0,0010% | 215 kWh | 180 bit/J | — |
| ContextNet + Noisy Student | USA | I 2020 | 8,2 mld | 0,0010% | 28 MWh | 1,3 bit/J | szacunek z compute | |
| Qwen3 Embedding | Alibaba | Chiny | VI 2025 | 8 mld | 0,0010% | — | — | — |
| Llama 2-7B | Meta AI | USA | VII 2023 | 7 mld | 0,0009% | 103 MWh | 0,3 bit/J | — |
| Llama Guard | Meta AI | USA | XII 2023 | 7 mld | 0,0009% | 195 MWh | 0,2 bit/J | — |
| Qwen-VL-Max | Alibaba | Chiny | I 2024 | 7 mld | 0,0009% | — | — | — |
| InstructGPT 6B | OpenAI | USA | I 2022 | 6 mld | 0,0008% | — | — | — |
| AlphaGo Lee | DeepMind | Wielka Brytania | I 2016 | 4 mld | 0,0006% | 26 MWh | 0,7 bit/J | szacunek z compute |
| Meena | Google Brain | USA | I 2020 | 2,6 mld | 0,0004% | 390 MWh | 0,03 bit/J | — |
| GShard (dense) | USA | VI 2020 | 2,3 mld | 0,0004% | 166 MWh | 0,062 bit/J | — | |
| OpenAI TI7 DOTA 1v1 | OpenAI | USA | VIII 2017 | 2,2 mld | 0,0004% | 1 MWh | 7,2 bit/J | szacunek z compute |
| Libratus | Carnegie Mellon University (CMU) | USA | VIII 2017 | 2,1 mld | 0,0004% | 1 MWh | 7,6 bit/J | szacunek z compute |
| Big Transformer for Back-Translation | Facebook AI Research | USA | VIII 2018 | 2 mld | 0,0004% | 911 kWh | 9,7 bit/J | szacunek z compute |
| Seq2Seq LSTM | USA | IX 2014 | 1,9 mld | 0,0003% | 2 MWh | 4,8 bit/J | — | |
| GPT-2 (1.5B) | OpenAI | USA | II 2019 | 1,5 mld | 0,0003% | 7 MWh | 1 bit/J | szacunek |
| InstructGPT 1.3B | OpenAI | USA | I 2022 | 1,3 mld | 0,0003% | — | — | — |
| Unsupervised High-level Feature Learner | USA | VII 2012 | 1 mld | 0,0002% | 19 kWh | 233 bit/J | szacunek | |
| Conformer + Wav2vec 2.0 + Noisy Student | USA | X 2020 | 1 mld | 0,0002% | 26 MWh | 0,2 bit/J | — | |
| TransE | Universite de Technologie de Compiègne – CNRS | Francja | XII 2013 | 942 mln | 0,0002% | 43 kWh | 98 bit/J | szacunek |
| ResNeXt-101 32x48d | USA | V 2018 | 829 mln | 0,0002% | 20 MWh | 0,2 bit/J | — | |
| Word2Vec (large) | USA | X 2013 | 692 mln | 0,0002% | 1 kWh | 2492 bit/J | szacunek | |
| LUKE | University of Washington | USA | X 2020 | 483 mln | 0,0001% | 41 MWh | 0,052 bit/J | szacunek |
| Noisy Student (L2) | Carnegie Mellon University (CMU) | USA | XI 2019 | 480 mln | 0,0001% | 91 MWh | 0,023 bit/J | — |
| ProtBERT-BFD | Technical University of Munich | Niemcy | V 2021 | 420 mln | 0,0001% | 136 MWh | 0,014 bit/J | — |
| GPT-2 Medium (FlashAttention) | Stanford University | USA | V 2022 | 355 mln | 0,0001% | 1 MWh | 1,4 bit/J | — |
| BERT-Large | USA | X 2018 | 340 mln | 0,0001% | 2 MWh | 0,9 bit/J | — | |
| ERNIE-GEN (large) | Baidu | Chiny | VIII 2020 | 340 mln | 0,0001% | 244 kWh | 6,2 bit/J | szacunek |
| DDPM-IP (CelebA) | Utrecht University | Holandia | I 2023 | 295 mln | 0,0001% | 800 kWh | 1,6 bit/J | szacunek |
| GNMT | USA | IX 2016 | 278 mln | 0,0001% | 90 MWh | 0,014 bit/J | szacunek | |
| ERNIE-Doc (247M) | Baidu | Chiny | XII 2020 | 247 mln | 0,0001% | 37 kWh | 30 bit/J | — |
| Transformer | Google Research | USA | VI 2017 | 213 mln | 0,0001% | 17 kWh | 56 bit/J | — |
| OpenAI Five | OpenAI | USA | XII 2019 | 159 mln | 0,0001% | 153 MWh | 0,0046 bit/J | — |
| DistBelief NNLM | USA | I 2013 | 147,6 mln | 0,0001% | 83 kWh | 7,9 bit/J | szacunek z compute | |
| AlphaStar | DeepMind | Wielka Brytania | X 2019 | 139 mln | 0,0001% | 375 MWh | 0,0016 bit/J | — |
| VGG16 | University of Oxford | Wielka Brytania | IX 2014 | 138 mln | 0,0001% | 390 kWh | 1,6 bit/J | — |
| SAF R-CNN | Beijing Institute of Technology | Chiny | X 2015 | 138 mln | 0,0001% | 391 kWh | 1,6 bit/J | szacunek |
| GPT-1 | OpenAI | USA | VI 2018 | 117 mln | 0,0000% | 40 kWh | 13 bit/J | szacunek |
| AlphaFold 2 | DeepMind | Wielka Brytania | XI 2020 | 93 mln | 0,0000% | 10 MWh | 0,04 bit/J | szacunek |
| PolyNet | Chinese University of Hong Kong (CUHK) | Hongkong | XI 2016 | 92 mln | 0,0000% | 871 kWh | 0,5 bit/J | szacunek |
| MSRA (C, PReLU) | Microsoft Research | USA | II 2015 | 87 mln | 0,0000% | 761 kWh | 0,5 bit/J | — |
| DeepLoc | Technical University of Denmark | Denmark | VII 2017 | 69,4 mln | 0,0000% | 1 kWh | 234 bit/J | szacunek z compute |
| Visualizing CNNs | New York University (NYU) | USA | XI 2013 | 66,6 mln | 0,0000% | 17 kWh | 18 bit/J | szacunek z compute |
| ResNet-152 (ImageNet) | Microsoft | USA | XII 2015 | 60,2 mln | 0,0000% | 331 kWh | 0,8 bit/J | — |
| AlexNet | University of Toronto | Kanada | IX 2012 | 60 mln | 0,0000% | 15 kWh | 18 bit/J | — |
| Hierarchical Scene Labeling (Stanford Background) | New York University (NYU) | USA | VIII 2013 | 51,6 mln | 0,0000% | 8 kWh | 30 bit/J | — |
| DistBelief Speech | USA | XII 2012 | 47,2 mln | 0,0000% | 10 kWh | 21 bit/J | szacunek | |
| AlphaGo Zero | DeepMind | Wielka Brytania | X 2017 | 46,4 mln | 0,0000% | 1 MWh | 0,1 bit/J | — |
| JFT | Google Research | USA | VII 2017 | 44,7 mln | 0,0000% | 2 MWh | 0,1 bit/J | — |
| NASv3 (CIFAR-10) | Google Brain | USA | XI 2016 | 37,4 mln | 0,0000% | 30 MWh | 0,0056 bit/J | szacunek |
| Inception v3 | USA | XII 2015 | 23,6 mln | 0,0000% | 3 MWh | 0,033 bit/J | szacunek | |
| Xception | USA | X 2016 | 22,9 mln | 0,0000% | 6 MWh | 0,017 bit/J | — | |
| AlphaGo Fan | DeepMind | Wielka Brytania | X 2015 | 8,2 mln | 0,0000% | 12 MWh | 0,003 bit/J | szacunek |
| SPN-4+KN5 | Singapore University of Technology & Design | Singapur | IX 2014 | 5 mln | 0,0000% | 1 kWh | 16 bit/J | szacunek |
| LSTM+NeuralCache | KU Leuven | Belgium | IX 2018 | 2,1 mln | 0,0000% | 0 kWh | 4158 bit/J | szacunek |
| IMPALA | DeepMind | Wielka Brytania | II 2018 | 1,6 mln | 0,0000% | 384 kWh | 0,019 bit/J | — |
| SPIDER2 | Griffith University | Australia | X 2016 | 0,4 mln | 0,0000% | 0 kWh | 7,3 bit/J | szacunek |
| DNN EM segmentation | IDSIA | Switzerland | XII 2012 | 0,2 mln | 0,0000% | 15 kWh | 0,064 bit/J | — |