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. A OpenAI não publicou nenhum número mais recente até novembro de 2026, nem sequer para os modelos GPT-6 que agora fazem funcionar o ChatGPT. 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, porque é que as respostas longas com raciocínio e os documentos grandes custam muito mais do que uma resposta rápida e o que mudam os centros de dados mais recentes. 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.
• As respostas mais pesadas gastam mais água. Uma resposta média do GPT-5 foi estimada em cerca de 18 watts-hora (até 40), contra cerca de 2 Wh do GPT-4, e a entrada de um documento de 100 000 tokens em quase 40 Wh. Ninguém publicou ainda um número para os modelos GPT-6.
• Por prompt é insignificante, mas em grande escala não é. Se 16 milhões de norte-americanos escrevessem um e-mail com o ChatGPT por semana durante um ano, isso sozinho consumiria mais de 435 milhões de litros de água.
• Os novos centros de dados estão a passar para arrefecimento em circuito fechado. A OpenAI diz que o seu centro Stargate Michigan, anunciado em junho de 2026, vai gastar mais ou menos tanta água como um edifício de escritórios típico. É um número de projeto da empresa, não uma auditoria.

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.

O próprio Ren avisa agora que o número não deve ser lido como um valor atual. Em junho de 2026 disse ao Deseret News que não deve ser visto como medida da procura de água da IA de hoje: «Não podemos simplesmente usar um número de há dois anos para descrever o sistema de hoje.» A mesma reportagem refere que cerca de metade da garrafa é água que se evapora das albufeiras das centrais hidroelétricas, não arrefecimento de centros de dados.

Os modelos mais recentes do ChatGPT gastam mais água?

Provavelmente mais por resposta, mas ninguém mediu os modelos atuais. O ChatGPT funciona agora com a família GPT-6 da OpenAI, e a OpenAI não publicou nenhum número de energia ou de água para nenhum deles. Os melhores dados públicos têm uma geração de atraso. A Epoch AI estima uma resposta típica do GPT-4o em cerca de 0,3 watt-hora. Em agosto de 2025, o laboratório de IA da Universidade de Rhode Island estimou que uma resposta média do GPT-5 gasta em média cerca de 18 watts-hora e pode chegar aos 40, contra cerca de 2 watts-hora do GPT-4, como noticiou a DatacenterDynamics. Por token, cada geração é mais eficiente. Por resposta, os modelos de raciocínio fazem muito mais trabalho, pelo que a tendência líquida tem sido de subida.

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.

Os documentos longos são um multiplicador escondido

O tamanho do que se cola no chat também conta. A Epoch AI estima que uma entrada de 10 000 tokens, mais ou menos um artigo longo de revista, eleva o custo de uma consulta para cerca de 2,5 watts-hora. Uma entrada de 100 000 tokens, cerca de 200 páginas, exige quase 40 watts-hora. É um custo inicial: depois de o documento estar no chat, as perguntas seguintes não o voltam a pagar. Para o lado da eletricidade em detalhe, veja quanta energia o ChatGPT gasta.

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. O mesmo problema de âmbito atravessa qualquer número sobre a pegada de carbono da IA.

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 16 milhões de norte-americanos usassem o ChatGPT uma vez por semana para escrever um e-mail durante um ano, esse único hábito consumiria mais 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. Os valores vêm dos dados da Water Footprint Network: 16 000 litros por quilo de carne de vaca e 2 700 litros por camisa de algodão. 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».

O que os novos centros de dados de IA fazem de diferente

Os campus de IA mais recentes são projetados para gastar muito menos água do que os centros com arrefecimento por evaporação em que se baseavam as estimativas de 2023. A OpenAI começou a construir o Stargate Michigan, um centro de 1 GW, em junho de 2026. Segundo a empresa, o sistema de arrefecimento em circuito fechado precisa de mais ou menos tanta água como um edifício de escritórios típico. A ficha informativa da Oracle sobre os seus centros Stargate com a OpenAI estima a manutenção do sistema de arrefecimento em cerca de 12 625 galões por edifício por ano.

Ainda assim, há duas ressalvas. São números de projeto das empresas, não consumo auditado, e o arrefecimento em circuito fechado não muda nada na água que as centrais elétricas gastam para produzir a eletricidade, que é a maior parte do total do ciclo de vida. A Microsoft, parceira de cloud da OpenAI há muitos anos, diz que no ano fiscal de 2025 repôs pela primeira vez mais água do que retirou, mais de 14 milhões de metros cúbicos. Na mesma atualização de sustentabilidade de 2026 admite que as soluções de sustentabilidade «não estão a escalar suficientemente depressa para responder à procura».

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 usar por defeito um modelo mais leve para as perguntas de rotina e reservar o modo de raciocínio mais pesado para os problemas que realmente precisam dele. Agrupe perguntas relacionadas numa só sessão em vez de muitos arranques a frio, e resista a regenerar uma resposta por reflexo, porque cada nova tentativa é uma nova consulta. Se trabalhar com um documento longo, envie-o uma vez e continue a perguntar nesse chat, porque o custo de o ler é pago à partida. Nada disto exige culpa; basta usar a opção pesada de propósito e não por defeito.

Chatbots com menor pegada

Se quiser ir mais além, a nossa análise ao EcoGPT aborda um chatbot de IA que planta árvores, corre pequenos modelos open source em servidores da Google Cloud na Finlândia e financia uma árvore por cada 200 prompts, 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. Se pesquisa com o Ecosia, a nossa análise ao Ecosia AI explica como funciona o chat integrado e o que diz sobre o consumo de água.

O modelo leve e o pesado numa só app

Escolher o modelo conforme a pergunta só funciona se mudar for fácil. Com o Fello AI não é preciso escolher um único chatbot para tudo. GPT, Claude, Gemini, DeepSeek e outros modelos estão numa só app no Mac, iPhone e iPad. Enviar cada pergunta ao modelo que lhe serve é um clique, não uma segunda subscrição. O nosso guia de introdução mostra como funciona o seletor de modelos.

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. As respostas com raciocínio mais pesadas e os documentos longos aumentam esses números. Ninguém mediu ainda os modelos GPT-6 que agora fazem funcionar o ChatGPT. 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