«¿Cuánta energía usa ChatGPT?» es una de las preguntas más buscadas y más disputadas sobre la IA hoy en día — las estimaciones públicas van desde una fracción de watt-hora hasta casi 20 Wh por consulta según el modelo, la fuente y lo que se incluye en la contabilidad. Esta calculadora no pretende que el debate esté resuelto. En su lugar, pone tu propio uso personal de IA en perspectiva con supuestos transparentes, citados y editables, contabilidad de carbono consciente de la región y equivalentes cotidianos que realmente puedes imaginar.
Por qué el número de energía por consulta es tan disputado
Las estimaciones del uso de energía de la IA por consulta varían en un orden de magnitud o más en la investigación pública, y con razón: los proveedores rara vez publican cifras exactas, las arquitecturas de los modelos y la infraestructura de servicio difieren enormemente, y un solo «prompt» puede significar una pregunta de dos palabras o una cadena de razonamiento de varios miles de tokens. Las primeras estimaciones de la era 2023 para modelos de clase GPT-3 citaban cifras cercanas a 3 Wh por consulta; análisis más recientes de modelos de producción eficientes (como las cifras divulgadas de Gemini de Google y las estimaciones de ChatGPT de Epoch AI) sugieren bastante menos de 1 Wh para consultas cortas típicas, mientras que los modelos de razonamiento de frontera que «piensan» a través de muchos pasos intermedios pueden usar un orden de magnitud más.
Esta calculadora usa por defecto estimaciones puntuales informadas por la investigación para cinco clases de modelo — Pequeño/eficiente, Medio (clase GPT), Frontera grande, Generación de imágenes y Generación de video — pero expone el supuesto de Wh/prompt como un campo editable precisamente porque ningún número único es autoritativo. Si tienes una mejor estimación para el modelo que realmente usas, introdúcela.
Por qué la región de tu red cambia la respuesta tanto como tu modelo
Un kWh de electricidad no conlleva el mismo costo de carbono en todas partes. La base de datos eGRID de la EPA muestra intensidades regionales de la red de EE. UU. que van desde aproximadamente 0.08 kg CO2/kWh en el noroeste del Pacífico, dominado por la hidroeléctrica, hasta 0.45 kg CO2/kWh o más en regiones dominadas por el carbón — una diferencia de casi 6x. A nivel nacional e internacional la brecha es aún mayor: una red dominada por la nuclear o la hidroeléctrica puede emitir bastante menos de 0.1 kg CO2/kWh, mientras que una red dominada por el carbón puede superar 0.9 kg CO2/kWh.
Eso significa que dos personas ejecutando la misma carga de trabajo de IA pueden tener huellas de carbono que difieren en 5-10x únicamente por dónde se generó la electricidad que sirve sus consultas — por eso esta calculadora trata la región de la red como un campo de primera clase, no como una idea tardía, y por eso la pestaña Comparación de Modelos muestra tu región frente a una red baja en carbono junto a la comparación por clase de modelo.
Poner un número pequeño en perspectiva — y qué lo mueve realmente
Para el caso de uso personal mediano — unas docenas de prompts de chat al día en un modelo convencional — la huella anual suele situarse en los kilogramos de CO2 de un solo dígito bajo, comparable a un puñado de miles de conducción. Eso es genuinamente pequeño frente a categorías como el consumo energético del hogar, los viajes aéreos o los trayectos en auto. Pero las huellas escalan linealmente con el uso, y el multiplicador de la clase de modelo es grande: cambiar de un modelo eficiente a un modelo de razonamiento de frontera para la misma tarea puede multiplicar tu huella aproximadamente 10x, y la generación intensiva de imágenes o video conlleva un costo por unidad sustancialmente mayor que el chat de texto.
Si quieres reducir tu huella de IA, las dos palancas de mayor impacto son las que esta calculadora aísla: usa el modelo más pequeño que resuelva la tarea en las labores rutinarias y, cuando tengas opción, prefiere proveedores cuyos centros de datos operen en redes más limpias. Todo lo demás — desactivar el modo oscuro, cerrar pestañas del navegador — es ruido en comparación.