Quanta Água Consome o ChatGPT?

Quanta água consome o ChatGPT? O próprio número da OpenAI, indicado pelo CEO Sam Altman, é de cerca de 0,000085 galões por consulta, ou seja, aproximadamente 0,32 mL, um décimo quinto de uma colher de chá, além de 0,34 watt-hora de eletricidade. Estimativas independentes que contam apenas o arrefecimento dos centros de dados chegam a um valor um pouco mais alto, cerca de 1,5 a 4 mL por prompt. O assustador número viral, cerca de 519 mL (uma garrafa inteira) para escrever um e-mail de 100 palavras com o GPT-4, não é uma contradição. Conta toda a cadeia de eletricidade e de treino, e é por isso que os números credíveis variam em mais de 150x.

Este guia dá-lhe uma resposta datada e com fontes para cada versão da pergunta, ou seja, por consulta, por prompt, por pergunta, por dia e por ano. Vai perceber porque é que as estimativas variam tanto e porque é que os modelos mais recentes da classe GPT-5 são mais sedentos em vez de mais eficientes. Vai também ver como um único prompt se compara a um hambúrguer ou a uma t-shirt de algodão, e qual é a única alavanca que realmente muda a sua pegada. Começamos pelos dados, não pelo pânico, e assinalamos o que os números ainda não mostram.

Pontos essenciais

• Número oficial da OpenAI: ~0,32 mL por consulta. Sam Altman afirma que uma consulta média do ChatGPT usa 0,000085 galões de água (cerca de um décimo quinto de uma colher de chá) e 0,34 watt-hora de eletricidade.
• Estimativas independentes só de arrefecimento: ~1,5 a 4 mL por consulta. Apenas cerca de 15% da água associada a um pedido é arrefecimento no local; o resto é geração de eletricidade e treino.
• O número viral da «garrafa por e-mail» é ~519 mL para um e-mail de 100 palavras com o GPT-4, da UC Riverside via Washington Post. Engloba todo o ciclo de vida, e é por isso que é mais de 150x superior ao valor apenas de arrefecimento.
• Os modelos da classe GPT-5 são mais sedentos, não mais eficientes. Uma resposta média do GPT-5 é estimada perto de 18 watt-hora (até 40), face a cerca de 2 Wh no GPT-4, ou seja, o consumo de água aumenta com o peso do modelo.
• Por prompt é insignificante, mas em grande escala não é. Se um em cada dez trabalhadores norte-americanos escrevesse um e-mail com o ChatGPT por semana durante um ano, isso sozinho consumiria cerca de 435 milhões de litros de água.

Quanta água consome o ChatGPT por consulta, prompt ou pergunta?

Uma única consulta, prompt ou pergunta ao ChatGPT consome algures entre cerca de 0,32 mL e alguns mililitros de água para uma resposta de texto normal, com as respostas de raciocínio mais pesadas a chegar às dezenas de mililitros. A razão para existir um intervalo e não um número certinho é que as diferentes estimativas traçam a fronteira em pontos diferentes. O valor mais baixo é o da própria OpenAI, os valores intermédios contam apenas o arrefecimento dos centros de dados, e o famoso número da «garrafa» de 519 mL conta também a eletricidade e o treino por trás da resposta.

O número oficial da OpenAI: cerca de 0,32 mL por consulta do ChatGPT

No seu ensaio de junho de 2025, The Gentle Singularity, Sam Altman escreveu que «a consulta média usa cerca de 0,34 watt-hora» e «cerca de 0,000085 galões de água, ou seja, um décimo quinto de uma colher de chá». Isso equivale a cerca de 0,32 mL por pergunta, o valor credível mais baixo em circulação e o único que vem da própria OpenAI. É uma referência útil por vir diretamente da empresa, e a parte da energia está alinhada com trabalhos independentes.

O senão é que Altman nunca definiu o que é «média», nunca publicou uma metodologia e não disse se o treino ou a geração de eletricidade estavam incluídos. Por isso, os investigadores independentes tratam-no como um piso plausível para o uso no local, e não como uma contabilização completa. A própria análise da Epoch AI chega perto em termos de energia, estimando uma consulta típica do GPT-4o em cerca de 0,3 watt-hora. Isso é dez vezes menos do que a estimativa de 2023 amplamente repetida, pelo que a velha ideia de que «o ChatGPT usa dez vezes mais do que uma pesquisa no Google» está desatualizada.

A alegação viral da «garrafa de água por e-mail»: cerca de 519 mL

O número por trás de todos os títulos alarmantes remonta a «Making AI Less Thirsty», um estudo de 2023 de Pengfei Li, Shaolei Ren e colegas da UC Riverside. Estimaram que o GPT-3 «bebe» cerca de uma garrafa de 500 mL por cada 10 a 50 respostas médias, dependendo de quando e onde o centro de dados funciona. Em setembro de 2024, o Washington Post, em colaboração com Ren, reformulou isto como cerca de 519 mL de água para escrever um e-mail de 100 palavras com o GPT-4, que é a versão que se tornou viral.

Esse valor não está errado, é apenas abrangente. Mede a água de arrefecimento mais a água usada para gerar a eletricidade e, em algumas formulações, também a água do fabrico de chips e do treino. O mesmo estudo estimou que o treino do GPT-3 nos centros de dados da Microsoft nos EUA evaporou diretamente cerca de 700 000 litros de água doce limpa. Pode conferir as contas no artigo original da UC Riverside, mas a conclusão principal é mais simples, pelo que uma alegação de «garrafa» por e-mail é um número de ciclo de vida, não um número de arrefecimento.

GPT-5 vs GPT-4o: os modelos mais recentes do ChatGPT consomem mais água, não menos

Um pressuposto comum é que cada geração do ChatGPT se torna mais eficiente, pelo que o consumo de água deveria descer. Por token até desce, mas os modelos também fazem muito mais trabalho por resposta, e a direção líquida é para cima. A Epoch AI situa uma resposta típica do GPT-4o perto de 0,3 watt-hora, enquanto o laboratório de IA da Universidade de Rhode Island estima que uma resposta média do GPT-5 ronda os 18 watt-hora e pode chegar aos 40, contra cerca de 2 watt-hora no GPT-4.

Como a água de arrefecimento acompanha de perto a energia, uma resposta que custa oito a nove vezes mais eletricidade custa aproximadamente essa mesma proporção a mais em água. Por isso, a forma honesta de enquadrar isto é que uma resposta rápida de um modelo leve são umas gotas, enquanto uma longa resposta de raciocínio de um modelo de fronteira é um múltiplo significativo disso. Para comparação, o número oficial da Google para um prompt de texto mediano do Gemini é de 0,26 mL, na mesma ordem de grandeza do número oficial do ChatGPT. O modelo e a tarefa que escolhe importam muito mais do que a marca no logótipo.

Porque é que as estimativas de água do ChatGPT variam tanto?

Mesmo prompt, duas respostas honestas, uma diferença de mais de 150x. Eis porque é que isso acontece.

Se já viu «uma colher de chá» e «uma garrafa inteira» para o mesmo prompt do ChatGPT, nenhum dos lados está a mentir. Medem sistemas diferentes e, assim que se vê a fronteira, os números deixam de se contradizer. A água no local é a que um centro de dados evapora para arrefecer os seus chips. A água indireta é a que as centrais elétricas consomem para gerar a eletricidade que alimenta esses chips, o que é muitas vezes maior do que o próprio arrefecimento.

Uma análise do escritor Andy Masley, com base nos dados de Ren, estima que apenas cerca de 15% da água atribuível a um pedido é, de facto, arrefecimento no local, ficando os restantes 85% na geração de eletricidade e no treino. Aplicando essa divisão, o custo apenas de arrefecimento de uma consulta desce para cerca de 1,5 a 4 mL, o que é cerca de 150 a 300 vezes menor do que a versão viral de 500 mL por mensagem. Nenhum dos números é falso, apenas respondem a perguntas diferentes.

A regra prática é perguntar sempre o que está a ser contado, onde e quando, antes de repetir um número. Um valor apenas de arrefecimento de uma região fresca e rica em água no inverno e um valor de ciclo de vida completo de uma rede alimentada a combustíveis fósseis no verão podem diferir numa ordem de grandeza para exatamente o mesmo prompt. Perceber como os sistemas de IA realmente funcionam por dentro torna essa disparidade muito menos misteriosa.

Quanta água consome o ChatGPT por dia e por ano?

Em resumo, ninguém tem um total exato, e é precisamente esse o problema.

Não existe um total oficial de água por dia ou por ano só para o ChatGPT, e quem cita um número ao litro está a adivinhar. O que temos é uma projeção de escala credível. O Washington Post e Shaolei Ren estimaram que, se apenas um em cada dez trabalhadores norte-americanos usasse o ChatGPT uma vez por semana para escrever um e-mail durante um ano, esse único hábito consumiria cerca de 435 milhões de litros de água, aproximadamente o que todos os agregados familiares de Rhode Island consomem num dia e meio.

Alargando a visão ao consumo de água da IA em geral, a trajetória é acentuada. A equipa da UC Riverside projeta uma captação global de água pela IA de 4,2 a 6,6 mil milhões de metros cúbicos até 2027, mais do que a captação anual total de vários países pequenos. O ChatGPT é apenas parte disso, mas é um dos maiores fatores isolados, e a inferência, o trabalho diário de responder a prompts, é agora a fatia dominante e de crescimento mais rápido, em vez do treino pontual. A história está na curva, não no número de um único ano.

O consumo de água do ChatGPT é realmente um problema?

Para o seu uso pessoal, não. Com o número oficial da OpenAI, um único hambúrguer de vaca, que precisa de mais de 600 galões de água para ser produzido, equivale a muito mais de um milhão de consultas do ChatGPT, e uma t-shirt de algodão, com mais de 700 galões, está na mesma ordem de grandeza. Por essa bitola, fazer uma pergunta a um chatbot é um erro de arredondamento face ao consumo diário, e o sentimento de culpa por prompts individuais está fora de lugar.

A preocupação legítima é a concentração e o momento, não o custo por prompt. Os centros de dados concentram-se numa mão-cheia de regiões, muitas vezes com stress hídrico, e consomem fortemente em horas específicas. Uma instalação que consome milhões de galões por dia no Arizona ou no Texas é um problema local real, mesmo continuando a ser um erro de arredondamento a nível global. As duas coisas são verdade ao mesmo tempo, e é por isso que uma boa resposta a «o consumo de água do ChatGPT é mau» é «não para o seu uso, mas sim para onde a expansão está concentrada».

Como reduzir a sua pegada hídrica do ChatGPT

A maior alavanca que controla é a escolha do modelo, porque a diferença entre um modelo leve e um modelo de raciocínio de fronteira é enorme. Enviar uma pergunta simples para um modelo pesado pode consumir quase dez vezes mais energia e água do que um modelo leve que responda igualmente bem. Ajustar o modelo à tarefa vale muito mais do que qualquer redução do prompt, e comparações como DeepSeek vs ChatGPT e o nosso guia aos modelos de IA mais capazes mostram como os perfis de eficiência são realmente diferentes. Para as ferramentas mais ecológicas para as quais mudar, consulte o nosso guia à IA mais amiga do ambiente.

Na prática, isso significa optar por predefinição por um modelo mais leve para perguntas de rotina e reservar o raciocínio da classe GPT-5 para problemas que realmente precisem dele. Agrupe perguntas relacionadas numa única sessão em vez de vários arranques do zero, e resista a regenerar uma resposta por reflexo, já que cada nova tentativa é uma consulta nova. Correr vários modelos a partir de um único lugar, tal como funciona uma configuração multimodelo como a do nosso guia de introdução, transforma «escolher a ferramenta certa» numa escolha real e não teórica. Nada disto exige sentimento de culpa, apenas exige usar a opção pesada de propósito e não por predefinição.

Se quiser ir mais além, a nossa análise ao EcoGPT aborda um chatbot de IA regenerativo que funciona com chips Groq LPU eficientes em energia e financia a plantação de árvores à razão de 100 mensagens por árvore, combinando a abordagem de modelo mais leve com a compensação ambiental ativa. Outra opção de pegada mais leve está coberta na nossa análise ao GreenPT, um chatbot que dá prioridade à privacidade e assenta em modelos eficientes em energia.

Conclusão

Então, quanta água consome o ChatGPT? A resposta oficial da OpenAI é cerca de 0,32 mL por consulta, as estimativas independentes apenas de arrefecimento situam-na perto de 1,5 a 4 mL, e o número viral de 519 mL da «garrafa por e-mail» é uma medida de ciclo de vida completo e não uma contradição. Os modelos mais recentes da classe GPT-5 aumentam esses números, não os reduzem, e a verdadeira história está na curva de escala, não em qualquer prompt isolado. O próximo passo mais útil não é deixar de usar o ChatGPT, é ser deliberado sobre qual o modelo a que recorre, começando por olhar com clareza para as diferenças entre os principais modelos.

FAQ