¿Cuánta Energía Usa la IA? Las Cifras Reales de 2026

¿Cuánta energía usa la IA? Un prompt de texto normal usa aproximadamente 0,24 vatios-hora, la cifra oficial de Google para un prompt mediano de Gemini, hasta unos 0,34 vatios-hora para una consulta media de ChatGPT. Es más o menos lo que consume un horno en un segundo. El modelo que elijas lo cambia todo. Si buscas un chatbot construido específicamente en torno a modelos más ligeros y de menor consumo, consulta nuestro análisis de GreenPT. Un benchmark independiente de 2025 situó a Claude Sonnet en unos 2,8 Wh para un prompt medio, a DeepSeek-V3 cerca de 2 Wh para un prompt medio, y al razonamiento de DeepSeek-R1 en unos 29 Wh, la misma categoría de peso pesado que los modelos de la clase GPT-5. Las estimaciones creíbles por prompt varían en más de 65x. A gran escala la cifra es enorme: los centros de datos globales consumieron unos 415 teravatios-hora de electricidad en 2024 y se prevé que esta cifra se duplique de aquí a 2030.

Esta guía te ofrece cifras verificadas para cada versión de la pregunta: por prompt, por modelo, por año y por centro de datos, comparando a Gemini, ChatGPT, Claude, DeepSeek, Grok y modelos abiertos codo con codo. Cada cifra está fechada y atribuida a su fuente. Verás por qué el modelo más barato de comprar no es el más barato de usar, por qué las estimaciones creíbles difieren tanto y qué afirmaciones virales estaban infladas. También verás cómo se compara el consumo de energía de la IA con una búsqueda en Google o una hora de streaming, y el único cambio que realmente reduce tu huella. Presentamos primero los datos, sin alarmismo, y te decimos lo que los datos todavía no muestran. Para el veredicto final, consulta si la IA es mala para el medioambiente.

Las conclusiones clave

• Un prompt normal es minúsculo: ~0,24 a 0,34 Wh. La cifra oficial de Google de 2025 para un prompt de texto mediano de Gemini es 0,24 Wh; Sam Altman, de OpenAI, da 0,34 Wh para una consulta media de ChatGPT, aproximadamente lo que consume un horno en un segundo.
• Barato de comprar no es barato de usar. En un mismo benchmark de 2025, DeepSeek-R1 usó unos 29 Wh por prompt, mientras que DeepSeek-V3 se mantuvo cerca de 2 Wh, frente a unos 2,8 Wh de Claude Sonnet y 1,2 Wh de GPT-4o. El precio bajo de la API de DeepSeek oculta un consumo de inferencia alto.
• Los modelos de razonamiento cuestan de 10 a 65x más. Una respuesta media de la clase GPT-5 se estima en ~18 Wh y hasta 40 Wh, la misma categoría que DeepSeek-R1 y o3, por lo que las estimaciones creíbles varían en más de 65x entre modelos.
• Grok y GPT-5.5 no tienen cifra oficial. Ni xAI ni OpenAI publican una cifra de energía por consulta para sus modelos estrella actuales, así que cualquier cifra concreta de vatios-hora para Grok o GPT-5.5 es una estimación, no un dato oficial.
• Los centros de datos globales usaron unos 415 TWh en 2024, aproximadamente el 1,5% de la electricidad mundial; la AIE prevé que esta cifra se duplique hasta unos 945 TWh en 2030, cerca de todo el consumo eléctrico anual de Japón.
• La elección del modelo es la palanca más grande que controlas. Enviar una pregunta sencilla a un modelo de razonamiento de frontera puede usar aproximadamente 10x a 65x la energía de un modelo ligero que dé una respuesta igual de buena.

¿Cuánta energía usa la IA por prompt?

Para una pregunta de texto normal en un modelo ligero, la respuesta honesta es entre 0,24 y 0,34 vatios-hora. El límite inferior es la cifra oficial de Google de 2025 para un prompt mediano de Gemini; el límite superior es la cifra que el CEO de OpenAI, Sam Altman, publicó para una consulta media de ChatGPT. Ambas son diminutas, aproximadamente lo que consume un microondas en un segundo. Las cifras más alarmantes vienen de una realidad distinta. El modelo y la longitud del prompt cambian la respuesta en órdenes de magnitud, así que una sola cifra «por prompt» esconde una diferencia de más de 65x en cuanto Claude, DeepSeek y los modelos de razonamiento entran en la tabla.

Una tabla comparativa

Una salvedad mantiene esto honesto. Las cifras oficiales de Google y de OpenAI miden un prompt mediano ligero; el benchmark independiente «How Hungry is AI?» de Jegham y sus colegas mide prompts medios y largos realistas en muchos modelos con toda la sobrecarga incluida, razón por la que sus cifras son más altas. No son contradictorias, tienen alcances distintos, y la sección siguiente muestra cómo interpretar ambas.

Google Gemini: unos 0,24 Wh por prompt

En agosto de 2025 Google publicó la medición propia más detallada hasta la fecha, basada en datos de producción de mayo de 2025. Encontró que un prompt de texto mediano de Google Gemini usa 0,24 vatios-hora de energía y emite 0,03 gramos de CO2 equivalente. Y algo crucial: esa cifra no es un caso ideal escogido a dedo, porque el método de Google incluye refrigeración, capacidad de reserva inactiva, CPU y RAM, y sobrecarga del centro de datos, lo que la convierte en una de las cifras individuales más honestas disponibles. Puedes leer el método en el informe de impacto ambiental de Google.

ChatGPT y GPT-5.5: unos 0,34 Wh por consulta, modelo estrella sin divulgar

En una publicación de blog de junio de 2025, el CEO de OpenAI Sam Altman escribió que una consulta media de ChatGPT usa 0,34 vatios-hora, lo que un horno usaría en poco más de un segundo. Es el primer dato oficial de OpenAI, no ha sido revisado por pares, y la empresa nunca definió qué cuenta como una consulta «media». Trabajos independientes respaldan el orden de magnitud: el instituto de investigación Epoch AI estima una consulta típica de GPT-4o en unos 0,3 Wh.

Esa cifra de 0,34 Wh es anterior al modelo estrella actual. GPT-5.5 se lanzó en abril de 2026 y se convirtió en el modelo predeterminado de ChatGPT en mayo de 2026, pero OpenAI no ha publicado ninguna cifra de energía por consulta para él. Como GPT-5.5 enruta más consultas hacia el razonamiento, lo realista es esperar una cifra más alta que 0,34 Wh para cualquier cosa que active un pensamiento extendido, más cerca del nivel pesado de abajo que de la mediana ligera.

Claude: sin cifra oficial, entre 1 y 5 Wh en benchmarks

Anthropic no publica una cifra de energía por prompt para Claude, así que toda cifra de Claude es una estimación externa. La más rigurosa es el benchmark de inferencia de Jegham et al. (mayo de 2025), que midió a Claude Sonnet en unos 0,8 Wh para un prompt corto, 2,8 Wh para uno medio y 5,5 Wh para uno largo. El AI Index 2026 de Stanford llega a la misma conclusión por otro método, situando a un modelo estrella de Claude cerca del extremo eficiente de los modelos de frontera para un prompt medio. Ese mismo benchmark calificó a Claude Sonnet como el modelo más ecoeficiente en general una vez fijada la calidad de las respuestas. Claude ofrece respuestas sólidas sin la factura energética desbocada de un modelo de razonamiento puro.

DeepSeek: barato de comprar, caro de usar

DeepSeek es el ejemplo más claro de por qué precio y energía no son lo mismo. Su API está entre las más baratas de cualquier modelo de frontera. Sin embargo, el benchmark de Jegham midió a DeepSeek-V3 en unos 2 Wh para un prompt medio, mientras que el modelo ajustado para razonamiento DeepSeek-R1 alcanzó 29 Wh, entre los modelos más intensivos en energía probados y muy por encima de Claude o GPT-4o. El AI Index 2026 de Stanford encontró el mismo patrón, con un modelo de DeepSeek usando varias veces más energía por prompt que un modelo estrella de Claude para un trabajo comparable.

El más reciente DeepSeek V4, lanzado a finales de abril de 2026, usa un diseño de mezcla de expertos con 1,6 billones de parámetros, de los que solo unos 49.000 millones de parámetros están activos por token (y una variante Flash de 284.000 millones de parámetros con ~13.000 millones activos), lo que DeepSeek afirma que reduce drásticamente el coste de inferencia. Es una historia de eficiencia creíble sobre el papel, pero todavía no existe ninguna cifra independiente de vatios-hora por consulta para V4, así que trata cualquier afirmación concreta sobre la energía de V4 como algo no verificado por ahora.

Grok: sin cifra por prompt, la escala del centro de datos es la señal real

xAI no publica ninguna cifra de energía por consulta para Grok, y los rangos creíbles de terceros son amplios, desde una fracción de vatio-hora para una consulta sencilla hasta varios vatios-hora para razonamiento pesado o ejecuciones agénticas. La señal más concreta sobre Grok es la infraestructura. Se ha informado de que el superordenador Colossus de xAI en Memphis ronda los cientos de megavatios, y análisis por satélite sitúan al más reciente Colossus 2 en el rango de los gigavatios, la escala en la que un solo clúster de IA rivaliza con el consumo eléctrico de una ciudad de tamaño medio. Para Grok, la respuesta honesta es que la cifra por prompt se desconoce y que la huella a nivel de sistema es grande y crece rápido.

Modelos abiertos: el extremo más eficiente del rango

Los modelos abiertos más pequeños anclan el extremo eficiente. En el mismo benchmark, un Llama 3.2 de 1.000 millones de parámetros usó unos 0,07 Wh para un prompt corto, mientras que el mucho más grande Llama 3.1 405B usó unos 9 Wh para uno medio. La conclusión es consistente entre proveedores: el tamaño y la profundidad del razonamiento determinan la energía mucho más que la empresa que construyó el modelo, y por eso ajustar el modelo a la tarea es tan importante.

¿Por qué difieren tanto las estimaciones de energía de la IA?

Buena parte de la confusión viene de qué cuenta cada cifra. Una cifra baja como los 0,24 Wh de Google mide la electricidad para ejecutar los chips más la refrigeración y la sobrecarga de un único prompt mediano ligero. Una cifra alarmante cuenta un modelo de razonamiento pesado, un prompt largo, todo el consumo eléctrico del centro de datos y, a veces, la energía para fabricar el hardware. Alcances distintos producen cifras que difieren en más de 65x, aunque todas son técnicamente correctas.

La arquitectura del modelo es el segundo factor. Un modelo denso ejecuta todos los parámetros en cada token, mientras que un modelo de mezcla de expertos como DeepSeek V4 activa solo una fracción, así que dos modelos de tamaño total similar pueden diferir muchísimo en energía. Los modos de razonamiento añaden una tercera capa. Un modelo que «piensa» antes de responder puede generar varias veces más tokens que una respuesta directa, razón por la que DeepSeek-R1 y los modelos de la clase o3 se sitúan cerca de 20 a 40 Wh mientras que GPT-4o se queda cerca de 1 Wh en la misma prueba.

El último factor es el entrenamiento frente a la inferencia. El entrenamiento es una ejecución única y muy grande; entrenar GPT-3 usó una estimación de 1.287 megavatios-hora, y entrenar GPT-4 se estima en cerca de 50 gigavatios-hora. La inferencia es la electricidad que se gasta cada vez que envías un prompt, y como un modelo popular responde a miles de millones de prompts al día, la inferencia domina ahora el consumo total de energía de la IA. La cifra de 2,9 Wh, «diez veces una búsqueda en Google», ampliamente citada, procede de estimaciones antiguas que después se revisaron a la baja en aproximadamente un orden de magnitud, razón por la que sigue chocando con las cifras oficiales más recientes. Este es uno de los mitos más habituales sobre la IA y su consumo de energía.

¿Cuánta energía usan los centros de datos de IA?

Por prompt las cifras son diminutas, pero el agregado es de escala nacional. Según el informe Energía e IA de la AIE, los centros de datos globales consumieron unos 415 teravatios-hora de electricidad en 2024, aproximadamente el 1,5% de la electricidad mundial. El escenario base de la AIE prevé que esta cifra se duplique hasta unos 945 TWh en 2030, justo por debajo del 3% de la electricidad global y cerca de todo el consumo anual de Japón. Los servidores acelerados por IA son el componente que más rápido crece, en torno al 30% anual.

También verás titulares que afirman que los centros de datos superarán los 1.000 TWh en 2026. Esa cifra procede del informe de electricidad de 2024 de la AIE, una proyección a más corto plazo; el informe más detallado de Energía e IA de 2025 de la AIE se decantó por el escenario base de ~945 TWh en 2030 usado más arriba. La trayectoria, y no el titular de un año concreto, es la verdadera historia. En Estados Unidos en concreto, los centros de datos ya consumían cerca del 4,4% de toda la electricidad en 2023, y se proyecta que más de la mitad de eso vaya a la IA en 2028.

¿Es eso mucho en realidad? El consumo de energía de la IA comparado con otras cosas

Para una persona, un prompt ligero de IA es un error de redondeo en su consumo de energía diario. El propio enfoque de Google sitúa un prompt de 0,24 Wh en aproximadamente la energía de ver la televisión durante menos de nueve segundos. La conclusión honesta a nivel individual es que el uso cotidiano de chatbots ligeros es insignificante junto a una sola ducha caliente o un trayecto corto en coche. Una hora de streaming de vídeo usa decenas de vatios-hora, superando fácilmente a cientos de prompts ligeros. La excepción es el razonamiento pesado, donde una sola respuesta de DeepSeek-R1 o de un modelo de la clase GPT-5 puede equivaler ella sola a más de cien prompts ligeros.

El problema está en la escala y la concentración. Prompts individualmente insignificantes suman ~15 TWh en toda la IA generativa en 2025, con una proyección cercana a 347 TWh en 2030, y esa carga recae sobre redes eléctricas regionales concretas en lugar de repartirse de forma uniforme. Así que la respuesta personal («casi nada») y la respuesta de sistema («una presión creciente sobre la red») son ambas ciertas, y por eso el tema es tan fácil de presentar en cualquiera de las dos direcciones.

¿La IA es cada vez más eficiente en energía?

Por prompt, sí, y rápido. Google informó de que la energía de un prompt mediano de Gemini cayó unas 33 veces en doce meses gracias a mejores modelos, hardware y software. Los diseños de mezcla de expertos como DeepSeek V4 empujan en la misma dirección al activar solo una fracción de los parámetros por token. El problema es el efecto Jevons, según el cual una IA más barata y mejor se usa mucho más, así que el consumo total sigue subiendo aunque cada prompt sea cada vez más limpio.

Esa tensión es el núcleo de hacia dónde va la IA en 2026. Las ganancias de eficiencia son reales y grandes, pero los sistemas agénticos cambian las cuentas, porque una sola petición a un agente de IA puede ramificarse en decenas de llamadas al modelo encadenadas. Las cifras ligeras por prompt no capturan un flujo de trabajo que ejecuta en silencio un modelo de razonamiento cincuenta veces para completar una sola tarea, que es el siguiente vacío de medición que los datos públicos apenas han empezado a abordar.

La única palanca que controlas: la elección del modelo

Lo más eficaz que controla una persona es qué modelo responde a la pregunta, porque la diferencia entre modelos es enorme. Enviar una consulta sencilla a un modelo de razonamiento de frontera puede usar aproximadamente 10x a 65x la energía de un modelo ligero que dé una respuesta igual de buena, y como muestra la tabla de arriba, esa diferencia se mantiene en Claude, DeepSeek, Gemini y los modelos de la clase GPT. Ajustar el modelo a la tarea aporta más que cualquier cantidad de recorte de prompts. Comparativas como DeepSeek frente a ChatGPT, ChatGPT frente a Gemini y nuestra guía de los modelos de IA más capaces muestran lo distintos que son realmente los perfiles de eficiencia. Nuestro resumen de la IA más ecológica recoge las herramientas más verdes entre las que elegir.

En la práctica, eso significa usar por defecto un modelo más ligero para las preguntas del día a día y reservar los modelos de razonamiento pesados para los problemas que realmente los necesiten. Usar varios modelos desde un mismo lugar hace que «elegir la herramienta adecuada» sea algo realista y no solo teórico. Ese es el sentido de una configuración multimodelo como la de nuestra guía para empezar, donde una sola suscripción te da Claude, ChatGPT, Gemini, Grok y DeepSeek uno junto al otro. La opción ligera está a un toque de la pesada. Nada de esto exige sentirte culpable; solo significa usar la opción pesada de forma deliberada y no por defecto.

Conclusión

Entonces, ¿cuánta energía usa la IA? Un prompt normal en un modelo ligero es, de forma realista, de 0,24 a 0,34 vatios-hora, pero el modelo importa más que cualquier otra cosa: Claude Sonnet ronda los 2,8 Wh, DeepSeek-R1 ronda los 29 Wh, y el razonamiento de la clase GPT-5 llega a 18 Wh o más, una diferencia de más de 65x. A gran escala las cifras son enormes y crecen rápido, con los centros de datos globales en torno a 415 TWh en 2024 y con una proyección de duplicarse hacia 2030. El siguiente paso útil no es dejar de usar la IA; es ser deliberado sobre qué modelo eliges, empezando por una mirada clara a cómo difieren realmente los modelos líderes.

Preguntas frecuentes