En realidad, las nuevas operaciones de b\u00fasqueda de Google son unas 10 veces m\u00e1s eficientes que en 2009, y el consumo real de energ\u00eda por solicitud de ChatGPT es hoy mucho menor de lo que suger\u00edan aquellas primeras alarmas.<\/p>\n\n\n\n
Los modelos m\u00e1s recientes, como el GPT-4o, han avanzado mucho en eficiencia, lo que significa que las cifras que circulan por ah\u00ed est\u00e1n desfasadas y, sinceramente, son un poco enga\u00f1osas.<\/p>\n\n\n\n
Entonces, \u00bfcu\u00e1l es la realidad? Eso es exactamente en lo que nos sumergimos aqu\u00ed.<\/p>\n\n\n\n
Sus conclusiones ser\u00e1n:<\/p>\n\n\n\n
- \n
- \u00bfQu\u00e9 hace funcionar ChatGPT?<\/li>\n\n\n\n
- \u00bfCu\u00e1nta energ\u00eda consume una b\u00fasqueda ChatGPT?<\/li>\n\n\n\n
- \u00bfCu\u00e1nta energ\u00eda consume en comparaci\u00f3n con Google Search y otros modelos de IA?<\/li>\n\n\n\n
- \u00bfQu\u00e9 hace OpenAI para reducir su impacto?<\/li>\n\n\n\n
- \u00bfQu\u00e9 medidas puedes tomar como usuario para que tu uso de la IA sea m\u00e1s responsable?<\/li>\n<\/ul>\n\n\n\n
Vamos a ello.<\/p>\n\n\n\n
\u00bfQu\u00e9 potencia ChatGPT?<\/h2>\n\n\n
\n![\"\"](\"https:\/\/undetectable.ai/blog\/wp-content\/uploads\/2025\/04\/robot-human-hands-interacting-1-1024x585.jpg\" "\\"\\"")
<\/figure><\/div>\n\n\nMark Russinovich, Director T\u00e9cnico de Microsoft Azure, nos dio una mirada detr\u00e1s de la cortina en un podcast<\/a> que Microsoft public\u00f3 en 2023<\/a>. <\/p>\n\n\n\n
Seg\u00fan \u00e9l, Microsoft construy\u00f3 una infraestructura capaz de entrenar modelos con cientos de miles de millones de par\u00e1metros. <\/p>\n\n\n\n
GPT-3, por ejemplo, ten\u00eda 175.000 millones de par\u00e1metros, que ya parecen demasiados hasta que oyes que el modelo Megatron-Turing de Microsoft flexionaba con 530.000 millones.<\/p>\n\n\n\n
En cuanto al hardware, el superordenador OpenAI 2020 original reun\u00eda m\u00e1s de 285.000 n\u00facleos de CPU AMD conectados por InfiniBand y 10.000 GPU NVIDIA V100 Tensor Core. <\/p>\n\n\n\n
La nueva serie de m\u00e1quinas virtuales H100 agrupa hasta ocho GPU NVIDIA H100 Tensor Core por m\u00e1quina virtual y puede escalarse hasta miles de ellas, igual que el tipo de infraestructura de alto rendimiento que se utiliza en las m\u00e1quinas virtuales. alojamiento de servidores Minecraft<\/a> para ofrecer experiencias de baja latencia y alto tiempo de actividad.<\/p>\n\n\n\n
En resumen, si te preguntas qu\u00e9 es lo que impulsa ChatGPT, la respuesta es b\u00e1sicamente: todo ello. <\/p>\n\n\n\n
Todos los n\u00facleos, todas las GPU, todo el ancho de banda de red que puedas acumular en tus sue\u00f1os.<\/p>\n\n\n\n
Consumo energ\u00e9tico estimado de ChatGPT<\/h3>\n\n\n\n
Pasemos ahora a la verdadera cuesti\u00f3n: \u00bfcu\u00e1nta energ\u00eda consume ChatGPT por pregunta? <\/p>\n\n\n\n
Podr\u00edas esperar que fuera apocal\u00edptico, como si derritiera glaciares con cada mensaje que tecleas. <\/p>\n\n\n\n
Pero, en realidad, seg\u00fan estimaciones recientes, una consulta t\u00edpica de ChatGPT en GPT-4o consume unos 0,3 vatios-hora (Wh). <\/p>\n\n\n\n
Eso es unas diez veces menos que las estimaciones anteriores (y probablemente inexactas) de principios de 2023, que lo situaban en 3 vatios-hora. <\/p>\n\n\n\n
El aumento de la eficacia se debe a la mejora de los modelos y del hardware y a la constataci\u00f3n de que las estimaciones anteriores eran demasiado pesimistas en cuanto al n\u00famero de fichas.<\/p>\n\n\n\n
A escala, 0,3 vatios-hora es menos energ\u00eda que la que consume tu port\u00e1til mientras recalientas el caf\u00e9. <\/p>\n\n\n\n
Incluso si te pasas el d\u00eda haciendo consultas pesadas, las cifras de cu\u00e1nta energ\u00eda consume ChatGPT al d\u00eda siguen siendo bastante discretas en comparaci\u00f3n con, por ejemplo, el funcionamiento de tu aire acondicionado o tu PC de juegos. Pero eso es s\u00f3lo tu uso.<\/p>\n\n\n\n
La base de usuarios de OpenAI superaba los 400 millones semanales en febrero, seg\u00fan un Un portavoz de OpenAI dijo a Reuters<\/a>. As\u00ed que ser\u00edan muchos vatios-hora incluso siendo eficiente.<\/p>\n\n\n\n
Es importante se\u00f1alar que esta cifra de 0,3 vatios-hora sigue siendo un poco prudente. <\/p>\n\n\n\n
Muchas consultas cotidianas son probablemente m\u00e1s baratas que eso.<\/p>\n\n\n\n
Sin embargo, las consultas que implican grandes cantidades de datos de entrada y salida, o modelos de razonamiento muy complejos, pueden disparar el consumo.<\/p>\n\n\n\n
Consumo de energ\u00eda: GPT-4 frente a GPT-3.5<\/h2>\n\n\n\n
Aunque GPT-3.5 ya no existe, su legado a\u00fan perdura, especialmente cuando hablamos de cu\u00e1nta energ\u00eda consume ChatGPT en las distintas versiones.<\/p>\n\n\n\n
Esto es lo que dicen los datos sobre su consumo de energ\u00eda en comparaci\u00f3n con GPT-4.<\/p>\n\n\n\n
Para un modelo de estilo GPT-3 con unos 175.000 millones de par\u00e1metros, las emisiones ya eran intensas, pero pasar a un modelo de estilo GPT-4 con su arquitectura m\u00e1s pesada podr\u00eda disparar las emisiones unas 200 veces. <\/p>\n\n\n\n
Seg\u00fan George Hotz<\/a>GPT-4 son ocho instancias de un modelo GPT-3 de 220B de par\u00e1metro cosidas entre s\u00ed. <\/p>\n\n\n\n
Pero, lo que es m\u00e1s importante, s\u00f3lo dos de estos modelos se enrutan realmente durante la inferencia, lo que significa que la acci\u00f3n real ocurre con unos 280B de par\u00e1metros efectivos una vez que se tiene en cuenta que se comparten algunos par\u00e1metros (~55B para los mecanismos de atenci\u00f3n).<\/p>\n\n\n\n
Si lo comparamos con la configuraci\u00f3n 175B de GPT-3.5, empezaremos a entender por qu\u00e9 los costes de inferencia de GPT-4 son hasta tres veces superiores. <\/p>\n\n\n\n
El crecimiento del consumo de energ\u00eda supera el mero aumento del n\u00famero de par\u00e1metros, que deber\u00eda haber sugerido s\u00f3lo un aumento de 1,6 veces. <\/p>\n\n\n\n
Pero no ha sido as\u00ed, porque las consultas de GPT-4 son sencillamente mucho m\u00e1s caras. <\/p>\n\n\n\n
La huella de carbono de los modelos de IA<\/h3>\n\n\n\n
Ejecutar grandes modelos de IA no es barato, ni para el planeta ni para la factura de la luz. <\/p>\n\n\n\n
Estos modelos requieren una gran capacidad de c\u00e1lculo, lo que significa mucha electricidad y, en muchos casos, muchas emisiones.<\/p>\n\n\n\n
Por ejemplo, se dice que GPT-3 necesit\u00f3 unos 1.287 MWh de electricidad para entrenarse, produciendo m\u00e1s de 50 libras de CO2<\/a>. <\/p>\n\n\n\n
Los modelos m\u00e1s recientes, como el GPT-4o, son a\u00fan m\u00e1s grandes, pero OpenAI no ha hecho p\u00fablica su huella exacta.<\/p>\n\n\n\n
Adem\u00e1s del ChatGPT de OpenAI, tienes el asistente de IA de Meta, que probablemente funciona con modelos Llama 3.2 (par\u00e1metros 11B o 90B). <\/p>\n\n\n\n
Una vez m\u00e1s, no se dispone de cifras exactas sobre las emisiones de CO2.<\/p>\n\n\n\n
El Sonnet Claude 3.5 de Anthropic pesa mucho m\u00e1s, unos 400.000 millones de par\u00e1metros, sin que se haya revelado su huella de carbono exacta.<\/p>\n\n\n\n
\u00bfY el Gemini de Google? Con las variantes \"Flash\" y \"Pro\", aunque Google no ha revelado los par\u00e1metros exactos. <\/p>\n\n\n\n
Aun as\u00ed, podemos deducir que est\u00e1n en la misma l\u00ednea que la GPT-4o o sus variantes mini.<\/p>\n\n\n\n
Y hablando de modelos simplificados, DeepSeek-V3 se muestra con s\u00f3lo 37.000 millones de par\u00e1metros activos (de un total de 671.000). <\/p>\n\n\n\n
Su variante de razonamiento R1 muestra un gran rendimiento a la vez que sorbe la energ\u00eda con m\u00e1s delicadeza por token que GPT-4o. <\/p>\n\n\n\n
\u00bfC\u00f3mo se compara ChatGPT con otras herramientas?<\/h2>\n\n\n
\n![\"\"](\"https:\/\/undetectable.ai/blog\/wp-content\/uploads\/2025\/04\/Chatgpt-comparison-683x1024.jpg\" "\\"\\"")
<\/figure><\/div>\n\n\nLlegados a este punto, deber\u00edas saber que la cantidad de energ\u00eda que consume ChatGPT depende de la versi\u00f3n con la que est\u00e9s interactuando, de la duraci\u00f3n de los avisos y de la mec\u00e1nica bajo el cap\u00f3. <\/p>\n\n\n\n
En comparaci\u00f3n con el universo m\u00e1s amplio de herramientas de IA, ChatGPT se sit\u00faa en la media en cuanto a consumo energ\u00e9tico, especialmente en los modelos de gama alta. <\/p>\n\n\n\n
Pero cuando se trata de la cuota de mercado y la frecuencia de uso, incluso la \"media\" se traduce en una enorme huella energ\u00e9tica a escala.<\/p>\n\n\n\n
Uso de la energ\u00eda frente a la b\u00fasqueda en Google<\/h3>\n\n\n\n
En 2009, Google estima que<\/a> el coste energ\u00e9tico de una \u00fanica consulta de b\u00fasqueda es de 0,3 Wh.<\/p>\n\n\n\n
Si avanzamos hasta 2024, esa estimaci\u00f3n se ha desvanecido.<\/p>\n\n\n\n
Resulta que las b\u00fasquedas actuales en Google consumen 10 veces menos energ\u00eda que aquellas primeras estimaciones. <\/p>\n\n\n\n
Mientras tanto, las estimaciones anteriores de energ\u00eda para una petici\u00f3n LLM media, incluyendo ChatGPT, tambi\u00e9n eran unas 10 veces demasiado altas (2,9 Wh).<\/p>\n\n\n\n
Con las \u00faltimas investigaciones que consumo de energ\u00eda de Google a 0,04 Wh<\/a> y ChatGPT a 0,3 Wh, estos dos errores se anulan mutuamente, lo que significa que el viejo \"los LLM consumen unas 10 veces m\u00e1s energ\u00eda por consulta que Google Search\" sigue siendo v\u00e1lido... pero s\u00f3lo porque todo el mundo se equivoc\u00f3 en el sentido justo. <\/p>\n\n\n\n
\u00bfQu\u00e9 hace OpenAI para reducir el impacto?<\/h2>\n\n\n\n
OpenAI es plenamente consciente de que entrenar y ejecutar modelos como ChatGPT consume energ\u00eda a un ritmo significativamente m\u00e1s r\u00e1pido. <\/p>\n\n\n\n
Lo que nos lleva a la pregunta: \u00bfqu\u00e9 se est\u00e1 haciendo al respecto?<\/p>\n\n\n\n
En primer lugar, OpenAI ha estado impulsando mejoras de eficiencia. <\/p>\n\n\n\n
Con el tiempo, los nuevos modelos, como GPT-4o, y ahora GPT-4.1<\/a>se han optimizado espec\u00edficamente para reducir significativamente el consumo de energ\u00eda durante la inferencia. <\/p>\n\n\n\n
Los avances en la arquitectura de modelos, la gesti\u00f3n de tokens y las mejoras en el hardware a nivel de servidor hacen que, hoy en d\u00eda, la cantidad de energ\u00eda que consume una consulta ChatGPT sea ya muy inferior a la que habr\u00eda consumido incluso hace un a\u00f1o para la misma tarea.<\/p>\n\n\n\n
OpenAI tambi\u00e9n est\u00e1 asociada con Microsoft Azure, y Azure se ha comprometido a que sus centros de datos funcionen con energ\u00eda renovable 100% para 2025<\/a>. <\/p>\n\n\n\n
Esto es importante porque cuando lanzas consultas a ChatGPT, est\u00e1s haciendo ping a los superordenadores Azure de los que habl\u00e1bamos antes. <\/p>\n\n\n\n
Cambiar la fuente de energ\u00eda de los combustibles f\u00f3siles a las energ\u00edas renovables no reduce directamente la potencia en vatios de una consulta, pero s\u00ed disminuye radicalmente la huella de carbono asociada a ella.<\/p>\n\n\n\n
M\u00e1s all\u00e1 de la infraestructura, hay otras cosas de cara al futuro. OpenAI investiga activamente formas de reducir el tama\u00f1o de los modelos sin sacrificar el rendimiento. <\/p>\n\n\n\n
La compresi\u00f3n de modelos, la destilaci\u00f3n y un enrutamiento m\u00e1s inteligente (como el procesamiento din\u00e1mico de tokens) son temas muy candentes en los c\u00edrculos de eficiencia de la IA. <\/p>\n\n\n\n
\u00bfQu\u00e9 puede hacer usted como usuario?<\/h2>\n\n\n\n
Mientras OpenAI se ocupa de los grandes cambios estructurales, los usuarios siguen teniendo un papel que desempe\u00f1ar a la hora de minimizar los residuos y utilizar ChatGPT de forma responsable. <\/p>\n\n\n\n
Esto es lo que puedes hacer:<\/p>\n\n\n\n
- \n
- S\u00e9 conciso:<\/strong> Enmarque sus peticiones de forma clara y ajustada. Cada ficha extra procesada cuesta un poco de energ\u00eda.<\/li>\n\n\n\n
- Evita el spam:<\/strong> Resista la tentaci\u00f3n de presentar 15 versiones ligeramente reformuladas de la misma pregunta.<\/li>\n\n\n\n
- Utilice modelos adecuados:<\/strong> Cuando sea posible, elija modelos m\u00e1s ligeros y baratos (como GPT-4o-mini, si se ofrece) para tareas ocasionales o ligeras.<\/li>\n\n\n\n
- Agrupe sus solicitudes:<\/strong> En lugar de un mont\u00f3n de preguntas fragmentadas, consol\u00eddalas en una sola bien pensada.<\/li>\n<\/ul>\n\n\n\n
Si quieres reducir las interminables repeticiones y regeneraciones, lo m\u00e1s inteligente es utilizar herramientas espec\u00edficas que generen contenidos m\u00e1s limpios y listos para publicar desde los primeros intentos.<\/p>\n\n\n\n
Aqu\u00ed es donde IA indetectable<\/a> herramientas como Escritor furtivo<\/a> o Parafraseador<\/a> entra. <\/p>\n\n\n
\n![\"Escritor](\"https:\/\/undetectable.ai/blog\/wp-content\/uploads\/2025\/04\/AI-Stealth-Writer.jpg\" "\\"\\"")
<\/figure><\/div>\n\n\n![\"Captura](\"https:\/\/undetectable.ai/blog\/wp-content\/uploads\/2025\/04\/AI-paraphrasing-tool-1-1024x369.jpg\" "\\"\\"")
<\/figure><\/div>\n\n\nEn lugar de pedir a ChatGPT esa versi\u00f3n perfecta de su texto a trav\u00e9s de m\u00faltiples ediciones y reintentos (cada uno de los cuales cuesta m\u00e1s energ\u00eda), puede utilizar simplemente nuestras herramientas especializadas creadas para la precisi\u00f3n. <\/p>\n\n\n\n
Las herramientas dise\u00f1adas para acciones espec\u00edficas suelen rendir m\u00e1s y todas las nuestras encajan perfectamente en este modelo de uso inteligente y consciente de la energ\u00eda. <\/p>\n\n\n\n
En otras palabras, resultados m\u00e1s limpios en menos intentos = menos energ\u00eda quemada = servidores m\u00e1s contentos = usted salva el mundo, p\u00e1rrafo a p\u00e1rrafo.<\/p>\n\n\n\n
\u00bfListo para ver la diferencia? \u00a1Pon en marcha nuestro Detector de IA y Humanizador en el widget de abajo!<\/p>\n\n\n\n
- Evita el spam:<\/strong> Resista la tentaci\u00f3n de presentar 15 versiones ligeramente reformuladas de la misma pregunta.<\/li>\n\n\n\n
- S\u00e9 conciso:<\/strong> Enmarque sus peticiones de forma clara y ajustada. Cada ficha extra procesada cuesta un poco de energ\u00eda.<\/li>\n\n\n\n