Estima la energía, el agua y el carbono que hay detrás de tu uso de IA, y lo que eso significa en términos cotidianos.
Solo inferencia (se excluyen el entrenamiento y la sobrecarga del centro de datos); el agua es en sitio (scope-1); la cifra histórica de búsquedas en Google corresponde a 2009. Todas las cifras son estimaciones.
Estas son estimaciones de orden de magnitud basadas en mediciones públicas de modelos comparables — solo inferencia, con agua en sitio (scope-1) y factores de carbono y agua ajustables. Los modelos de frontera cerrados no se miden directamente, por lo que el resultado debe tratarse como una aproximación, no como una auditoría precisa.
Cada tarea de IA tiene una cifra de energía por uso en vatios-hora, obtenida de fuentes medidas actuales. Los conteos mensuales se multiplican para obtener el total anual, se suman y se convierten a kilovatios-hora.
El agua es el agua de refrigeración en sitio: la energía en kWh multiplicada por un factor de eficacia del uso del agua (litros por kWh). El carbono es la energía multiplicada por la intensidad de carbono de tu red eléctrica (gramos de CO₂ por kWh).
Una consulta de texto corta típica a un modelo de frontera actual usa aproximadamente 0.3 Wh — el punto de convergencia de las estimaciones de Google (0.24 Wh), OpenAI (0.34 Wh) y Epoch (0.3 Wh). Las consultas de razonamiento («thinking») y la generación de imágenes consumen mucho más.
El agua que se muestra aquí es el agua de refrigeración en sitio (scope-1): kWh × un factor de eficacia del uso del agua. No incluye el agua fuera del sitio utilizada para generar la electricidad (scope-2), por lo que el total real puede ser mayor. El factor varía considerablemente según el centro de datos, desde aproximadamente 0.26 hasta 1.9 L/kWh.
No. Son estimaciones centrales basadas en mediciones públicas de modelos comparables, etiquetadas como solo inferencia. Los modelos de frontera cerrados no se miden directamente, y las cifras del mundo real incluyen la sobrecarga del centro de datos que las mediciones brutas excluyen.
No. Cada cifra corresponde únicamente a la inferencia — el costo de usar el modelo, no el costo único de entrenarlo.
Esta calculadora convierte tu uso de la IA en su huella real: energía en kilovatios-hora, agua en litros y carbono en kilogramos de CO₂. Elige «Mi uso» para estimar un año de tus propios prompts, o «Por tarea» para ver cuánto cuesta un chat, una solicitud de razonamiento o una generación de imágenes. Cada cifra por tarea se obtiene de mediciones actuales y citadas, y corresponde únicamente a la inferencia — el costo de usar un modelo, no de entrenarlo.
El número principal es tu huella de carbono (anual en el modo «Mi uso», o para el volumen elegido en el modo «Por tarea»). Las tres tarjetas de métricas la desglosan en energía, agua y carbono, cada una acompañada de un equivalente cotidiano — una carga de teléfono, un vaso de agua, un kilómetro en automóvil — para que las unidades abstractas cobren sentido. Considera el resultado como una estimación de orden de magnitud: las cifras de energía por tarea cubren un rango amplio según el modelo, la extensión del prompt y el centro de datos, y los factores de agua y carbono son supuestos ajustables, no valores fijos.
Envías alrededor de 100 chats breves de IA al mes, con el factor de uso de agua en el valor predeterminado de la industria (1.8 L/kWh) y la red eléctrica de promedio mundial (471 gCO₂/kWh).
100 chats al mes equivalen a 1,200 al año. A 0.3 Wh cada uno, suman 360 Wh, es decir, 0.36 kWh — aproximadamente 30 cargas de teléfono. El agua resulta en unos 0.65 L (menos de tres vasos) y el carbono en unos 170 g de CO₂ — bien por debajo de un kilómetro en un automóvil típico. Un año entero de uso ligero de chat representa una huella muy pequeña; los prompts de razonamiento y la generación de imágenes son donde crece.
Un prompt de texto breve típico dirigido a un modelo de frontera actual utiliza aproximadamente 0.3 Wh de electricidad — punto de convergencia entre los 0.24 Wh medidos por Google para un prompt mediano de Gemini, los 0.34 Wh declarados por OpenAI por consulta en ChatGPT y la estimación de base de Epoch AI de 0.3 Wh para GPT-4o. Los documentos largos (~2.5 Wh), los modelos de razonamiento (~7.6 Wh) y la generación de imágenes (~2.9 Wh) consumen bastante más por uso.
El agua scope-1 es el agua que un centro de datos evapora in situ para enfriar sus servidores, calculada como energía (kWh) multiplicada por un factor de efectividad en el uso del agua (WUE) en litros por kWh. Excluye el agua scope-2 — el agua utilizada fuera de las instalaciones en la central eléctrica que genera la electricidad — por lo que el costo total de agua es mayor que el que se muestra. El WUE varía considerablemente entre operadores (de aproximadamente 0.26 a 1.9 L/kWh), razón por la que es ajustable aquí.
No. Son estimaciones centrales a partir de mediciones públicas de modelos comparables, y están etiquetadas deliberadamente como solo inferencia y con el alcance declarado. Los modelos de frontera cerrados no se miden directamente, y los límites de medición difieren (la energía del sistema completo es aproximadamente 2.4× la energía solo de GPU), por lo que dos cifras de «por consulta» provenientes de estudios distintos no son intercambiables.
No. Todas las cifras aquí corresponden únicamente a la inferencia: el costo de ejecutar un prompt, no el costo único de entrenar el modelo. El entrenamiento es un costo grande pero separado y amortizado que esta calculadora no intenta estimar.
Abre la sección de supuestos de agua y red eléctrica. El selector de red eléctrica aplica la intensidad de carbono del ciclo de vida para el promedio mundial, EE. UU., la UE, India o China (datos OWID 2024), y el selector de WUE te permite modelar un centro de datos de Google, Microsoft, Meta, el valor predeterminado de la industria o el promedio de la flota. El carbono y el agua escalan linealmente con estos factores.
Cada tarea de IA tiene un valor de energía por uso citado en vatios-hora: chat breve 0.30 Wh (convergencia Epoch/Google/OpenAI), documento largo 2.5 Wh (Epoch, entrada de ~10k tokens), razonamiento 7.6 Wh (Hugging Face AI Energy Score v2, DeepSeek-R1-70B con razonamiento activado) y generación de imágenes 2.907 Wh (Luccioni «Power Hungry Processing», media de la Tabla 2). En el modo «Mi uso», los conteos mensuales se multiplican por 12, se suman y se dividen entre 1,000 para obtener los kilovatios-hora anuales; el modo «Por tarea» usa los conteos tal como se ingresan. Agua en litros = kWh × WUE (predeterminado 1.8 L/kWh, scope-1 in situ). Carbono en gramos = kWh × intensidad de la red eléctrica (predeterminado 471 gCO₂/kWh, promedio mundial 2024, ciclo de vida OWID), luego dividido entre 1,000 para obtener kilogramos. Los equivalentes cotidianos se dividen entre anclas citadas: 12 Wh por carga de teléfono, 0.3 Wh por búsqueda histórica (2009) en Google, 120 Wh por hervido de una tetera de 1 litro, 244 gCO₂/km para un automóvil típico estadounidense y 106.4 gCO₂/km para un automóvil nuevo promedio de la UE, 60 L por ducha, 0.25 L por vaso y 0.5 L por botella.
Revisado por el equipo de YouCalc · Última revisión
¿Notaste algo en la traducción o el cálculo, o tienes una sugerencia? Cuéntanos.