¿Cuánta agua consume ChatGPT? La propia cifra de OpenAI, indicada por el CEO Sam Altman, es de unos 0,000085 galones por consulta, aproximadamente 0,32 ml o una quinceava parte de una cucharadita, junto con 0,34 vatios-hora de electricidad. OpenAI no ha publicado ninguna cifra más reciente a noviembre de 2026, tampoco para los modelos GPT-6 con los que ahora funciona ChatGPT. Las estimaciones independientes que solo contabilizan la refrigeración de los centros de datos dan un valor algo más alto, entre 1,5 y 4 ml por prompt. La cifra viral y alarmante, unos 519 ml (una botella entera) para escribir un correo de 100 palabras con GPT-4, no es una contradicción. Contabiliza toda la cadena de suministro de electricidad y entrenamiento, por lo que las cifras fiables varían hasta más de 150 veces.
Esta guía te da una respuesta fechada y con fuentes para cada versión de la pregunta: por consulta, por prompt, por pregunta, por día y por año. Verás por qué las estimaciones difieren tanto, por qué las respuestas largas con razonamiento y los documentos grandes cuestan mucho más que una respuesta rápida y qué cambian los centros de datos más nuevos. También verás cómo se compara un solo prompt con una hamburguesa o una camiseta de algodón, y cuál es la única palanca que realmente cambia tu huella. Empezamos con los datos, no con el pánico, y señalamos lo que las cifras todavía no muestran.
Los puntos clave
- Cifra oficial de OpenAI: ~0,32 ml por consulta. Sam Altman afirma que una consulta media de ChatGPT usa 0,000085 galones de agua (unos quince avos de una cucharadita) y 0,34 vatios-hora de electricidad.
- Estimaciones independientes solo de refrigeración: ~1,5 a 4 ml por consulta. Solo alrededor del 15 % del agua asociada a una solicitud corresponde a la refrigeración en el centro de datos; el resto es generación de electricidad y entrenamiento.
- La cifra viral de la «botella por correo» es de ~519 ml para un correo de 100 palabras con GPT-4, procedente de UC Riverside a través del Washington Post. Incluye todo el ciclo de vida, por lo que supera en más de 150 veces la cifra que solo cuenta la refrigeración.
- Las respuestas más exigentes consumen más agua. Una respuesta mediana de GPT-5 se estimó en unos 18 vatios-hora (hasta 40), frente a unos 2 Wh de GPT-4, y la entrada de un documento de 100.000 tokens en casi 40 Wh. Nadie ha publicado todavía una cifra para los modelos GPT-6.
- Por prompt es insignificante; a escala no lo es. Si 16 millones de estadounidenses escribieran un correo con ChatGPT a la semana durante un año, solo eso consumiría más de 435 millones de litros de agua.
- Los nuevos centros de datos pasan a la refrigeración de circuito cerrado. OpenAI dice que su centro Stargate Michigan, anunciado en junio de 2026, usará más o menos tanta agua como un edificio de oficinas típico. Es una cifra de diseño de la empresa, no una auditoría.
¿Cuánta agua consume ChatGPT por consulta, prompt o pregunta?
Una sola consulta, prompt o pregunta de ChatGPT consume entre unos 0,32 ml y unos pocos mililitros de agua para una respuesta de texto normal, y las respuestas de razonamiento más pesadas pueden llegar a decenas de mililitros. La razón de que exista un rango y no una cifra única es que las distintas estimaciones trazan el límite en lugares diferentes. La cifra más baja es la propia de OpenAI, las cifras intermedias solo cuentan la refrigeración de los centros de datos, y la famosa cifra de la «botella» de 519 ml también cuenta la electricidad y el entrenamiento detrás de la respuesta.
| Estimación | Agua por consulta | Energía por consulta | Qué se contabiliza | Fuente y año |
|---|---|---|---|---|
| Oficial de OpenAI (Altman) | ~0,32 ml (1/15 cdta.) | 0,34 Wh | «Media» sin especificar | S. Altman, 2025 |
| Independiente, solo refrigeración | ~1,5 a 4 ml | ~0,3 Wh (GPT-4o) | Refrigeración en el centro de datos | Epoch AI / A. Masley, 2025 |
| Google Gemini (como comparación) | 0,26 ml (unas cinco gotas) | 0,24 Wh | Prompt de texto mediano en las apps de Gemini | Google, 2025 |
| Respuesta de razonamiento de GPT-5 | ~de unos pocos a decenas de ml | ~18 Wh (hasta 40) | Estimación de refrigeración en el centro de datos | Univ. de Rhode Island, 2025 |
| Entrada de un documento largo (100.000 tokens) | No estimado | ~40 Wh | Lectura de la entrada, una vez por subida | Epoch AI, 2025 |
| «Botella» de UC Riverside | ~10 a 50 ml por respuesta | n/d | Refrigeración + electricidad (ciclo de vida), era GPT-3 | UC Riverside, 2023 |
| «Correo» del Washington Post | ~519 ml por correo de 100 palabras | n/d | Ciclo de vida completo, GPT-4 | WaPo / S. Ren, 2024 |
La cifra oficial de OpenAI: unos 0,32 ml por consulta de ChatGPT
En su ensayo de junio de 2025 The Gentle Singularity, Sam Altman escribió que «la consulta media usa unos 0,34 vatios-hora» y «unos 0,000085 galones de agua, aproximadamente una quinceava parte de una cucharadita». Eso equivale a unos 0,32 ml por pregunta, la cifra creíble más baja en circulación y la única que viene de la propia OpenAI. Es un punto de referencia útil porque viene directamente de la empresa, y la mitad de energía coincide con trabajos independientes.
El problema es que Altman nunca definió qué es «media», nunca publicó una metodología y no dijo si se incluían el entrenamiento o la generación de electricidad. Por eso, los investigadores independientes la tratan como un piso plausible para el uso local, no como una contabilización completa. El propio análisis de Epoch AI se acerca en cuanto a energía, y estima una consulta típica de GPT-4o en unos 0,3 vatios-hora. Eso es diez veces menos que la estimación de 2023 ampliamente repetida, por lo que la vieja idea de que «ChatGPT consume diez veces más que una búsqueda en Google» está desactualizada.
La afirmación viral de la «botella de agua por correo»: unos 519 ml
La cifra detrás de todos los titulares alarmantes procede de «Making AI Less Thirsty», un estudio de 2023 de Pengfei Li, Shaolei Ren y colegas en UC Riverside. Calcularon que GPT-3 «bebe» aproximadamente una botella de 500 ml por cada 10 a 50 respuestas medianas, según cuándo y dónde funcione el centro de datos. En septiembre de 2024, el Washington Post, en colaboración con Ren, la reformuló como unos 519 ml de agua para escribir un correo de 100 palabras con GPT-4, que es la versión que se hizo viral.
Esa cifra no es incorrecta, solo es amplia. Mide el agua de refrigeración más el agua usada para generar la electricidad, y en algunos planteamientos también el agua de la fabricación de chips y el entrenamiento. El mismo estudio calculó que entrenar GPT-3 en los centros de datos de Microsoft en EE. UU. evaporó directamente unos 700 000 litros de agua dulce limpia. Puedes comprobar las cuentas en el artículo original de UC Riverside, pero la conclusión del titular es más simple: una cifra de «botella» por correo es un número de ciclo de vida, no de refrigeración.
El propio Ren advierte ahora de que no se lea como una cifra actual. En junio de 2026 dijo al Deseret News que no debe tomarse como medida de la demanda de agua de la IA actual: «No podemos usar sin más una cifra de hace dos años para describir el sistema de hoy». El mismo reportaje señala que aproximadamente la mitad de la botella es agua que se evapora de los embalses hidroeléctricos, no refrigeración de centros de datos.
¿Los modelos más nuevos de ChatGPT consumen más agua?
Probablemente más por respuesta, pero nadie ha medido los modelos actuales. ChatGPT funciona ahora con la familia GPT-6 de OpenAI, y OpenAI no ha publicado ninguna cifra de energía ni de agua para ninguno de ellos. Los mejores datos públicos tienen una generación de antigüedad. Epoch AI sitúa una respuesta típica de GPT-4o en unos 0,3 vatios-hora. En agosto de 2025, el laboratorio de IA de la Universidad de Rhode Island estimó que una respuesta mediana de GPT-5 consume de media unos 18 vatios-hora y puede llegar a 40, frente a unos 2 vatios-hora de GPT-4, según informó DatacenterDynamics. Por token, cada generación es más eficiente. Por respuesta, los modelos de razonamiento hacen mucho más trabajo, así que la tendencia neta ha ido al alza.
Como el agua de refrigeración sigue de cerca a la energía, una respuesta que cuesta de ocho a nueve veces más electricidad cuesta aproximadamente esa misma proporción más de agua. Así que el planteamiento honesto es que una respuesta rápida de un modelo ligero son unas pocas gotas, mientras que una respuesta larga de razonamiento de un modelo de vanguardia es un múltiplo considerable de eso. Como comparación, la cifra oficial de Google para un prompt de texto mediano de Gemini es de 0,26 ml, en un rango similar al número oficial de ChatGPT. El modelo y la tarea que elijas importan mucho más que la marca del logotipo.
Los documentos largos multiplican el consumo sin que se note
La longitud de lo que pegas también cuenta. Epoch AI estima que una entrada de 10.000 tokens, más o menos un artículo largo de revista, eleva el coste de una consulta a unos 2,5 vatios-hora. Una entrada de 100.000 tokens, unas 200 páginas, necesita casi 40 vatios-hora. Es un coste inicial: una vez que el documento está en el chat, las preguntas siguientes no lo vuelven a pagar. Para la parte eléctrica completa, consulta cuánta energía consume ChatGPT.

¿Por qué varían tanto las estimaciones del consumo de agua de ChatGPT?
El mismo prompt, dos respuestas honestas, una brecha de más de 150 veces. Esto es lo que explica esa diferencia.
Si has visto «una cucharadita» y «una botella entera» para el mismo prompt de ChatGPT, ninguna de las dos partes miente. Miden sistemas distintos, y en cuanto ves dónde está el límite, las cifras dejan de contradecirse. El agua local es la que un centro de datos evapora para refrigerar sus chips. El agua indirecta es la que consumen las centrales eléctricas para generar la electricidad que usan esos chips, y suele ser mayor que la propia refrigeración.
Un análisis del escritor Andy Masley, basado en los datos de Ren, calcula que solo alrededor del 15 % del agua atribuible a una solicitud es refrigeración local real, mientras que el otro 85 % corresponde a la generación de electricidad y al entrenamiento. Al aplicar esa proporción, el coste de refrigeración de una consulta baja a aproximadamente 1,5 a 4 ml, unas 150 a 300 veces menos que la versión viral de 500 ml por mensaje. Ninguna de las dos cifras es falsa, responden a preguntas distintas.
La regla práctica es preguntar siempre qué se está contando, dónde y cuándo antes de repetir una cifra. Una cifra solo de refrigeración de una región fría y rica en agua en invierno y una cifra de ciclo de vida completo de una red eléctrica caliente y basada en combustibles fósiles en verano pueden diferir en un orden de magnitud para exactamente el mismo prompt. Entender cómo funcionan realmente los sistemas de IA por dentro hace que esa dispersión sea mucho menos misteriosa. El mismo problema de alcance afecta a cualquier cifra sobre la huella de carbono de la IA.
¿Cuánta agua consume ChatGPT al día y al año?
La versión corta es que nadie tiene un total exacto, y ese es precisamente el punto.
No existe un total oficial de agua diario o anual solo para ChatGPT, y quien cite uno exacto al litro está especulando. Lo que sí tenemos es una proyección de escala creíble. El Washington Post y Shaolei Ren calcularon que si 16 millones de estadounidenses usaran ChatGPT una vez a la semana para escribir un correo durante un año, ese solo hábito consumiría más de 435 millones de litros de agua, aproximadamente lo que consumen todos los hogares de Rhode Island en un día y medio.
Si ampliamos la vista al consumo de agua de la IA en conjunto, la trayectoria es pronunciada. El equipo de UC Riverside proyecta una extracción global de agua para la IA de entre 4200 y 6600 millones de metros cúbicos para 2027, más que la extracción anual total de varios países pequeños. ChatGPT es solo una parte de eso, pero es uno de los mayores impulsores individuales, y la inferencia, el trabajo diario de responder prompts, es ahora la parte dominante y de crecimiento más rápido, por delante del entrenamiento puntual. Lo importante es la curva, no la cifra de un año concreto.
¿Es realmente un problema el consumo de agua de ChatGPT?
Para tu uso personal, no. Con la cifra oficial de OpenAI, una sola hamburguesa de ternera, que necesita más de 600 galones de agua para producirse, equivale a bastante más de un millón de consultas de ChatGPT, y una camiseta de algodón, con más de 700 galones, está en el mismo terreno. Las cifras salen de los datos de la Water Footprint Network: 16.000 litros por kilo de ternera y 2.700 litros por camisa de algodón. Con esa vara de medir, hacerle una pregunta a un chatbot es un error de redondeo frente al consumo diario, y sentirse culpable por prompts individuales está fuera de lugar.
La preocupación legítima es la concentración y el momento, no el coste por prompt. Los centros de datos se agrupan en un puñado de regiones, a menudo con estrés hídrico, y consumen mucho en horas concretas. Una instalación que extrae millones de galones al día en Arizona o Texas es un problema local real, aunque siga siendo un error de redondeo a escala global. Ambas cosas son ciertas a la vez, por lo que una buena respuesta a «¿es malo el consumo de agua de ChatGPT?» es «no por tu uso, pero sí por dónde se concentra la construcción de infraestructura».

Qué hacen distinto los nuevos centros de datos de IA
Los campus de IA más nuevos están diseñados para usar mucha menos agua que los centros con refrigeración por evaporación en los que se basaban las estimaciones de 2023. OpenAI empezó a construir Stargate Michigan, un centro de 1 GW, en junio de 2026. Según la empresa, su sistema de refrigeración de circuito cerrado necesita más o menos tanta agua como un edificio de oficinas típico. La ficha informativa de Oracle sobre sus centros Stargate con OpenAI cifra el mantenimiento del sistema de refrigeración en unos 12.625 galones por edificio al año.
Aun así, hay dos matices. Son cifras de diseño de las empresas, no consumo auditado, y la refrigeración de circuito cerrado no cambia nada del agua que usan las centrales eléctricas para generar la electricidad, que es la mayor parte del total del ciclo de vida. Microsoft, socio de nube de OpenAI desde hace años, afirma que en su año fiscal 2025 repuso por primera vez más agua de la que extrajo, más de 14 millones de metros cúbicos. En la misma actualización de sostenibilidad de 2026 reconoce que las soluciones de sostenibilidad «no escalan lo bastante rápido para cubrir la demanda».
Cómo reducir tu huella hídrica de ChatGPT
La palanca individual más importante que controlas es la elección del modelo, porque la diferencia entre un modelo ligero y un modelo de razonamiento de vanguardia es enorme. Enviar una pregunta sencilla a un modelo pesado puede usar casi diez veces más energía y agua que un modelo ligero que responda igual de bien. Ajustar el modelo a la tarea gana a cualquier recorte de prompts, y comparaciones como DeepSeek frente a ChatGPT y nuestra guía de los modelos de IA más capaces muestran lo distintos que son realmente los perfiles de eficiencia. Para conocer las herramientas más ecológicas a las que cambiar, consulta nuestra guía de la IA más respetuosa con el medio ambiente.
En la práctica, eso significa usar por defecto un modelo más ligero para las preguntas rutinarias y reservar el modo de razonamiento más pesado para los problemas que de verdad lo necesitan. Agrupa las preguntas relacionadas en una sola sesión en lugar de muchos arranques en frío, y resiste el impulso de regenerar una respuesta por reflejo, porque cada reintento es una consulta nueva. Si trabajas con un documento largo, súbelo una vez y sigue preguntando en ese chat, porque el coste de leerlo se paga al principio. Nada de esto exige culpa; solo exige usar la opción pesada a propósito y no por defecto.
Chatbots con menor huella
Si quieres ir un paso más allá, nuestra reseña de EcoGPT trata sobre un chatbot de IA que planta árboles, que ejecuta modelos pequeños de código abierto en servidores de Google Cloud en Finlandia y financia un árbol por cada 200 prompts, combinando el enfoque de modelo ligero con compensación ambiental activa. Otra opción de huella más ligera se trata en nuestra reseña de GreenPT, un chatbot centrado en la privacidad que se apoya en modelos eficientes energéticamente. Si buscas con Ecosia, nuestra reseña de Ecosia AI explica cómo funciona su chat integrado y qué dice sobre el consumo de agua.
El modelo ligero y el pesado en una sola app
Elegir el modelo según la pregunta solo funciona si cambiar es fácil. Con Fello AI no tienes que escoger un único chatbot para todo. GPT, Claude, Gemini, DeepSeek y otros modelos están en una sola app en Mac, iPhone y iPad. Enviar cada pregunta al modelo que le encaja es un clic, no una segunda suscripción. Nuestra guía para empezar muestra cómo funciona el selector de modelos.
Conclusión
Entonces, ¿cuánta agua consume ChatGPT? La respuesta oficial de OpenAI es de unos 0,32 ml por consulta, las estimaciones independientes solo de refrigeración la sitúan cerca de 1,5 a 4 ml, y la viral cifra de 519 ml de «botella por correo» es una medida de ciclo de vida completo, no una contradicción. Las respuestas con razonamiento más exigentes y los documentos largos elevan esas cifras. Nadie ha medido todavía los modelos GPT-6 con los que ahora funciona ChatGPT. La verdadera historia es la curva de escala, no un solo prompt. El siguiente paso más útil no es dejar de usar ChatGPT, sino ser deliberado sobre qué modelo elegir, empezando por entender bien en qué se diferencian los modelos líderes.
Preguntas frecuentes
¿Cuánta agua consume una búsqueda de ChatGPT?
Según la propia cifra de OpenAI, es de unos 0,32 ml, aproximadamente una quinceava parte de una cucharadita, por consulta. Las estimaciones independientes que solo cuentan la refrigeración de los centros de datos la sitúan más cerca de 1,5 a 4 ml, y la afirmación viral de 500 ml solo se aplica si también se cuenta la electricidad y el entrenamiento detrás de la respuesta.
¿Cuánta agua consume ChatGPT por cada 100 palabras?
La cifra ampliamente citada es de unos 519 ml para redactar un correo de 100 palabras con GPT-4, procedente de UC Riverside a través del Washington Post. Es un número de ciclo de vida completo; el coste de refrigeración local de la misma tarea es mucho menor, del orden de unos pocos mililitros.
¿Por qué se considera negativo el consumo de agua de ChatGPT?
El coste por prompt es mínimo, pero los centros de datos concentran la demanda en unas pocas regiones, a menudo con estrés hídrico, y consumen mucho en las horas punta. La preocupación es la presión local y el momento donde se está construyendo esa infraestructura, no los mililitros detrás de cualquiera de tus preguntas.
¿Dijo Sam Altman cuánta agua consume ChatGPT?
Sí. En su ensayo de junio de 2025 The Gentle Singularity, afirmó que una consulta media usa unos 0,000085 galones de agua, aproximadamente una quinceava parte de una cucharadita, y 0,34 vatios-hora de electricidad. No publicó una metodología, por lo que los investigadores independientes la tratan como un piso plausible en lugar de una contabilización completa.
¿Cuánta agua consume ChatGPT al día?
No existe un total diario oficial solo para ChatGPT. El indicador útil es la escala: el Washington Post calculó que si 16 millones de estadounidenses escribieran un correo semanal con ChatGPT durante un año, se consumirían más de 435 millones de litros, lo que muestra que el impacto está en el conjunto, no en el prompt individual.
¿GPT-6 consume más agua que GPT-5?
Todavía nadie lo sabe. A noviembre de 2026, OpenAI no ha publicado ninguna cifra de energía ni de agua para los modelos GPT-6, y no hemos encontrado ninguna estimación independiente. La última tendencia medida apunta al alza por respuesta, porque los modelos de razonamiento hacen más trabajo en cada respuesta aunque cada token sea más barato.
La imagen destacada de este artículo se creó con ayuda de la IA.