2021年9月26日，来自马尼帕尔理工学院（Manipal Institute of Technology）的一个四人小组——Mirza Yusuf, Praatibh Surana, Gauri Gupta, Krithika Ramesh——在arXiv上发表论文《遏制你的碳排放：机器翻译中的碳排放基准》（Curb Your Carbon Emissions: Benchmarking Carbon Emissions in Machine Translation）。
这成为机器翻译（MT）一项新的基准，而且该基准与翻译质量关系不大。印度的研究人员使用 CodeCarbon 软件包，对训练 MT 引擎的二氧化碳（CO2）排放进行基准测试，衡量各种语言对的环境（不）友好程度。
论文作者们认为探讨MT的碳效益（carbon efficiency）已是 "当务之急"，尽管相对而言，MT并非气候恶化的主要帮凶，气候活动家们也不太可能抵制 MT。但据该论文，语言模型 "需要大量的计算能力和数据来训练，因此导致了大量的碳足迹"。
其中一家MT供应商即是 DeepL。这家总部设在德国的公司在冰岛建立了一个数据中心，以加强其计算能力，他们声称其超级计算机是世界上最大的计算机之一。
研究人员同样评估了六种语言对，以评估训练所需的计算能力；即哪些语言对更耗电，因此也更耗碳。他们使用 CodeCarbon 软件包跟踪训练过程中释放的碳排放，以及 BLEU 分数的提高，以供参考和比较。
研究评估结果显示，法语→德语、英语→德语、德语→法语，三种语言对分别位居碳排放榜首及第二、三位，且远超英语→法语、德语→英语和法语→英语语言对。
