La huella ambiental
pequeña por instrucción, grande en el agregado
La IA usa energía y agua. Un negociador climático que la use debería poder decir cuánta. Su propio uso es pequeño. La demanda total es grande y crece.
Medido, por instrucción
energía
carbono
agua
Medición de Google de una instrucción de texto típica a Gemini. Incluye servidores inactivos y consumo adicional de los centros de datos, que casi todas las estimaciones omiten. Google, arXiv:2508.15734, agosto de 2025.
01Su propio uso es reducido
Un intercambio usa tanto como un portátil encendido unos segundos.
Un día entero de uso intenso sigue por debajo de un viaje corto en coche.
Polly muestra esta cifra para cada cuenta y publica su cálculo abajo.
02La demanda total es grande
- La demanda eléctrica de los centros de datos crece más rápido que el paso de las redes a energía limpia.
- Se construyen nuevos centros de datos donde ya falta agua.
- Las empresas que publican las bajas cifras por instrucción han visto subir sus emisiones totales desde que empezaron a crear estos sistemas.
03Lo que cuesta hacer funcionar la inteligencia
- en la frontera
- superado por un modelo de la frontera
- modelo cerrado, situado según su precio
- un modelo con distintos niveles de esfuerzo
Más arriba y a la izquierda es mejor. Un punto relleno está en la frontera: ningún otro modelo medido es a la vez más inteligente y más ligero de ejecutar. Un ✳ es un modelo cerrado situado según su precio, una estimación aproximada que no puede definir la frontera. Pase el cursor sobre cualquier punto, o tóquelo, para ver sus cifras.
Puntuaciones: Artificial Analysis Intelligence Index, 27 de agosto de 2026. Energía: The ML.ENERGY Benchmark v3.0.
Cómo se calcula esto
- La energía se mide, no se adivina. Artificial Analysis cuenta los tokens que cada modelo escribe por pregunta. La energía por token se basa en 33 lecturas reales de medidores del banco de pruebas ML.ENERGY.
- Usted ajusta el esfuerzo de razonamiento. Cada modelo aparece una vez por nivel probado. Kimi K3 usa 4.197 tokens en el nivel bajo y 25.474 en el máximo. Ambos están en la frontera.
- Cómo funciona un modelo importa más que cuál elija. Según la configuración del servidor, el mismo modelo puede usar diez veces más energía.
- El precio no sirve de guía. Coste y energía van de la mano (r = 0,74), pero el precio por unidad de cálculo varía hasta 60 veces. Qwen3.6 35B A3B reasoning y Ring-2.6-1T cuestan casi lo mismo, y aun así uno usa 19 veces la energía del otro.
- Quiénes faltan. Si un laboratorio no dice qué parte del modelo usa cada token, no podemos calcular su energía. Cada modelo de este gráfico publica sus pesos.
El método completo, y los modelos cerrados situados según su precio, están en el capítulo 13, en ai4cop.org/read#environmental-footprint.
04El cálculo, mostrado
Energía por token
Agua y carbono
Leer su instrucción cuesta cerca de un cuarto de lo que cuesta escribir la respuesta. Releer una ya vista cuesta un décimo. Las tres se cuentan por separado. El modelo de Polly usa 18.000 millones de parámetros por token. Un intercambio típico usa unos 0,10 Wh y 0,11 mL de agua, algo menos que la cifra de Google de arriba.
05Lo que esto deja fuera
Entrenar el modelo. El agua para producir electricidad. Su dispositivo. El carbono de fabricar el hardware.
Tome cada cifra de esta ficha como aproximada dentro de un factor de dos, no como una medida exacta.
06Qué hacer al respecto
- 1
Desactive el razonamiento si no lo necesita. Si está activo, el mismo modelo puede usar de veinte a cuarenta veces más tokens.
- 2
Pida cifras a los proveedores, incluida el agua, y qué red eléctrica sirve sus solicitudes. Son preguntas justas que pocos hacen.
- 3
Publique su cifra. Una delegación que informa de la huella de su uso de IA puede pedir con razón que otros hagan lo mismo.