No existe evidencia pública comparable que permita afirmar si ChatGPT, Gemini o Claude «contamina menos». Los tres servicios cambian de modelo, hardware, longitud de respuesta y centro de datos; además, sus proveedores no publican las mismas métricas ni utilizan el mismo perímetro.

Google sí ha documentado una medición de la petición de texto mediana de Gemini Apps. OpenAI ha comunicado una cifra media para ChatGPT, pero sin detallar el cálculo. En las fuentes oficiales de Anthropic revisadas no encontramos una cifra equivalente por petición de Claude. Esta guía compara lo que se sabe, lo que falta y cómo elegir con criterios verificables, sin fabricar un ranking.

1. La comparación honesta: transparencia, no un ganador ambiental

Servicio	Dato público por petición	Calidad de la evidencia pública	Conclusión permitida
Gemini Apps	0,24 Wh; 0,03 gCO₂e; 0,26 ml de agua para la petición de texto mediana	Metodología técnica y perímetro operativo explicados; datos de mayo de 2025; no verificados por un tercero	Es la divulgación más completa de las tres, no una victoria universal
ChatGPT	0,34 Wh y 0,000085 galones de agua para una consulta media	Cifra comunicada por Sam Altman; sin definición pública detallada de consulta, modelos, periodo o perímetro	Sirve como orden de magnitud atribuido, no como benchmark reproducible
Claude	No localizada en fuentes oficiales revisadas	Anthropic publica compromisos e infraestructura, pero no una métrica comparable por petición	No puede colocarse por encima ni por debajo

Las cifras de Gemini y ChatGPT no deben restarse ni ordenar directamente: una es mediana y la otra media; sus límites de sistema y periodos no coinciden. Actualización de la revisión: 28 de julio de 2026.

Qué significa «calidad de la evidencia»

No puntuamos la eficiencia real del modelo, sino la posibilidad de auditar la afirmación. Una divulgación sólida debería identificar versión, fecha, distribución de peticiones, energía de aceleradores y servidores, inactividad asignada, refrigeración, electricidad, agua, entrenamiento, hardware y verificación externa.

2. Qué publicó Google sobre Gemini

Google comunicó en agosto de 2025 que la petición de texto mediana de Gemini Apps, medida en mayo de 2025, utilizaba:

• 0,24 Wh de electricidad;
• 0,03 gCO₂e de emisiones;
• 0,26 ml de agua.

La metodología amplía el cálculo más allá del acelerador activo. Incluye CPU y memoria del servidor anfitrión, una parte de las máquinas inactivas y la sobrecarga del centro de datos mediante PUE. Para carbono y agua aplica promedios de la flota de Google. Es una mejora importante frente a estimaciones que solo multiplican potencia de GPU por segundos de ejecución.

Los límites de la cifra

• representa la mediana, por lo que la mitad de las peticiones queda por encima y la otra mitad por debajo;
• corresponde a peticiones de texto de Gemini Apps, no a todas las modalidades, modelos o productos de Google Cloud;
• es una instantánea de mayo de 2025, no una constante para 2026;
• las emisiones utilizan intensidad media, no necesariamente la generación marginal de cada hora y lugar;
• el agua deriva de una media de la flota y no describe el estrés hídrico local;
• Google indica que los datos no fueron verificados por un tercero independiente;
• no debe interpretarse como una evaluación completa de fabricación, entrenamiento y fin de vida.

La mejora de 33 veces

Google también afirmó que la energía de la petición mediana cayó 33 veces en doce meses y su huella de carbono 44 veces. Es una comparación interna valiosa porque mantiene la definición de servicio del proveedor, pero no permite deducir que todas las peticiones actuales consuman 33 veces menos ni comparar directamente Gemini con otro asistente.

3. Qué sabemos sobre el consumo de ChatGPT

En junio de 2025, Sam Altman escribió que una consulta media de ChatGPT utilizaba unos 0,34 Wh de electricidad y 0,000085 galones de agua. El agua equivale aproximadamente a 0,32 ml.

La cifra es relevante porque procede del máximo responsable de OpenAI, pero la publicación no define:

• qué periodo y modelos forman la media;
• si incluye razonamiento, búsqueda, generación de imágenes o herramientas;
• la longitud de entrada y salida;
• si incorpora servidores anfitriones, capacidad inactiva, red y almacenamiento;
• cómo se asignan refrigeración y agua de generación eléctrica;
• qué intensidad de carbono corresponde a la electricidad;
• si se incluyen entrenamiento, hardware o dispositivos del usuario.

La Academia de OpenAI, actualizada en junio de 2026, cita además una estimación independiente de Epoch AI de aproximadamente 0,3 Wh para una consulta típica con GPT‑4o. Es coherente en orden de magnitud con los 0,34 Wh, pero sigue siendo una estimación externa y no convierte la cifra del proveedor en una medición reproducible.

Una «consulta» ya no es una unidad estable

ChatGPT puede responder una frase, analizar archivos, navegar, generar imágenes o ejecutar un agente durante muchos pasos. Contar mensajes trata tareas radicalmente distintas como equivalentes. Una unidad más útil sería Wh por respuesta válida, por documento revisado o por tarea terminada, incluyendo reintentos.

4. Qué sabemos sobre Claude

Anthropic publica fichas de modelos, documentos de seguridad, datos de uso y compromisos sobre nueva infraestructura. En febrero de 2026 anunció que cubriría costes de conexión eléctrica de sus centros, procuraría nueva generación y desarrollaría capacidad de reducción de carga en horas punta. También menciona refrigeración eficiente en agua.

Sin embargo, en las páginas oficiales revisadas no encontramos una medición de energía, carbono o agua por petición de Claude comparable con las cifras anteriores. Tampoco un informe que permita asignar a Claude una parte verificable de las instalaciones de Amazon Web Services, Google Cloud u otros socios.

La ausencia de cifra no es una cifra alta

No publicar una métrica reduce la transparencia, pero no demuestra que el servicio sea más intensivo. Del mismo modo, los anuncios de infraestructura o compra de electricidad no demuestran una huella baja por respuesta.

Claude ofrece modelos y modos con perfiles distintos. Una respuesta de Haiku, una tarea de Opus con razonamiento y una sesión prolongada de Claude Code no forman una unidad comparable. Cualquier estimación debe identificar el producto y la carga.

5. Por qué 0,24 Wh y 0,34 Wh no forman un ranking

Diferencia	Gemini	ChatGPT	Efecto
Estadístico	Mediana	Media	La media da más peso a tareas largas
Fecha	Mayo de 2025	Comunicado en junio de 2025	Modelos y tráfico cambian
Producto	Peticiones de texto de Gemini Apps	«Consulta media» de ChatGPT	El perímetro funcional no coincide
Método	Documento técnico	No detallado públicamente	No puede armonizarse el límite
Calidad	No normalizada entre proveedores	No normalizada entre proveedores	Una respuesta más breve no es el mismo resultado

Ocho variables que cambian el resultado

1. modelo y cuantización;
2. tokens de entrada, contexto y salida;
3. razonamiento interno y llamadas a herramientas;
4. procesamiento de imagen, audio o vídeo;
5. tasa de lotes y utilización del hardware;
6. reintentos, caché y respuestas descartadas;
7. centro de datos, hora y electricidad;
8. criterio de asignación de refrigeración e infraestructura.

Una diferencia aparente de 0,10 Wh queda eclipsada si una tarea necesita varias consultas, devuelve una respuesta inválida o activa búsqueda y herramientas. El indicador debe mantener constante la función.

6. Qué ocurre al escalar 1.000 peticiones

La multiplicación ayuda a entender unidades, siempre que se mantengan las advertencias.

Escenario	Electricidad para 1.000	Carbono	Agua
Gemini, usando su mediana publicada	0,24 kWh	30 gCO₂e	0,26 litros
ChatGPT, usando la media comunicada	0,34 kWh	No comunicado junto a la cifra	≈0,32 litros
Claude	No calculable con fuente oficial equivalente	No calculable	No calculable

Este ejercicio no predice 1.000 tareas reales: multiplicar una mediana no produce necesariamente el total de una distribución. Tampoco incluye fabricación, entrenamiento ni el dispositivo del usuario. Sirve para evitar errores de unidades, no para declarar un ganador.

La eficiencia unitaria no resuelve el impacto total

Un servicio puede reducir Wh por petición y aumentar el consumo total si crecen usuarios, longitud, agentes y modalidades. Este efecto volumen explica por qué una cifra pequeña por consulta puede coexistir con grandes centros de datos y nuevas necesidades de red.

7. Cómo elegir entre ChatGPT, Gemini y Claude

Para una persona, cambiar de asistente por una diferencia no comparable de décimas de Wh tiene menos fundamento que cambiar la forma de uso. Para una empresa, el volumen y la repetición sí justifican una evaluación.

Orden recomendado de decisión

1. necesidad: compruebe si la tarea requiere IA generativa;
2. calidad: defina exactitud, seguridad y revisión humana;
3. modelo mínimo: utilice el sistema más pequeño que cumpla;
4. número de pasos: reduzca llamadas, reintentos y contexto;
5. datos del proveedor: solicite métricas con perímetro y fecha;
6. localización y contrato: revise región, electricidad, agua y retención;
7. medición propia: compare por tarea válida y no por mensaje.

Hábitos con efecto real

• agrupar instrucciones y contexto relevante en vez de encadenar peticiones ambiguas;
• pedir una salida proporcionada y detener regeneraciones sin utilidad;
• evitar imágenes, vídeo, búsqueda o razonamiento intensivo cuando no aportan valor;
• reutilizar resultados aprobados y plantillas;
• usar búsqueda, cálculo convencional o un modelo pequeño para tareas simples.

No hace falta convertir cada interacción en culpa individual. La responsabilidad principal de medición y diseño corresponde a proveedores y organizaciones que despliegan el servicio a escala.

8. Cómo medir una comparativa dentro de una organización

Paso 1. Defina un conjunto de tareas

Seleccione casos representativos, incluyendo cortos, largos y difíciles. Congele datos de prueba y criterios de aceptación. El conjunto no debe contener información confidencial si se envía a servicios externos.

Paso 2. Registre el trabajo

Para cada servicio guarde modelo, fecha, tokens, herramientas, tiempo, reintentos, resultado válido y revisión humana. En API, exporte los metadatos disponibles; en aplicaciones de consumo, documente manualmente una muestra.

Paso 3. Solicite datos ambientales

El proveedor debería responder con energía por unidad, PUE, método de carbono, agua consumida y extraída, periodo, regiones, formación incluida o excluida y verificación. Una declaración de «100 % renovable» no sustituye esos datos.

Paso 4. Normalice por resultado

Calcule:

Wh por resultado válido = electricidad asignada al lote ÷ resultados que cumplen el criterio

Añada tiempo humano, coste, tasa de error y riesgo. El asistente con menos energía por intento puede perder si necesita más correcciones.

Paso 5. Tome una decisión con incertidumbre

Use rangos y documente datos faltantes. Si ningún proveedor ofrece telemetría compatible, no invente precisión: registre que la decisión se basa en calidad, coste y transparencia, con el ambiente como evidencia incompleta.

Para implantar este proceso, puede usar nuestra matriz de sostenibilidad de sistemas de IA y la guía sobre medición de emisiones de IA.

9. Afirmaciones que no resisten una revisión

• «Una consulta de IA consume diez búsquedas»: compara tecnologías, años y límites distintos.
• «GPT‑4 necesitó 50 GWh»: no hay una divulgación oficial reproducible que sostenga esa cifra exacta.
• «Gemini consume 33 veces menos que ChatGPT»: el factor 33 describe la mejora interna de Gemini, no una comparación entre servicios.
• «Claude es más ecológico por su diseño»: sin métricas ambientales equivalentes, es marketing, no conclusión.
• «La electricidad por consulta es la huella»: deja fuera carbono, agua, fabricación y efecto volumen.
• «El AI Act revela qué modelo es más verde»: la regulación no crea hoy un ranking armonizado de estos productos.

10. Preguntas frecuentes

¿Qué asistente consume menos energía?

No puede saberse con los datos públicos actuales. Gemini tiene la divulgación más detallada; eso no significa que gane para todas las tareas.

¿Son comparables 0,24 Wh de Gemini y 0,34 Wh de ChatGPT?

No directamente. Gemini publica una mediana para peticiones de texto con método definido; ChatGPT comunica una media sin el mismo desglose.

¿Cuánta agua usa una consulta?

Google estimó 0,26 ml para su petición mediana de Gemini Apps. Sam Altman comunicó unos 0,32 ml para una consulta media de ChatGPT. Son estimaciones con métodos distintos y no describen el impacto local de cada centro.

¿Claude no consume agua ni electricidad?

Claro que necesita infraestructura. Lo que falta es una cifra pública por petición con un perímetro comparable; ausencia de datos no significa ausencia de impacto.

¿Una respuesta larga consume más?

Normalmente exige más trabajo de inferencia, pero el resultado depende también del modelo, tokens de entrada, caché, lotes, razonamiento y herramientas. La duración visible no basta para calcular Wh.

¿Generar imágenes consume lo mismo que texto?

No debe asumirse. Son modelos, pasos y salidas diferentes. Las cifras por petición de texto citadas aquí no pueden trasladarse a imagen, audio o vídeo.

¿Conviene dejar de usar IA por su consumo?

La decisión depende del valor y de la alternativa. Evite usos innecesarios y mida despliegues de gran volumen; no trate una estimación incompleta por consulta como evaluación moral de toda tarea.

¿Qué proveedor debería elegir una empresa sostenible?

El que cumpla la función con el modelo proporcional y ofrezca evidencia auditable, seguridad, control regional y condiciones adecuadas. Si el uso es material, exija telemetría contractual y compare por resultado válido.

Conclusión

La respuesta rigurosa no es ChatGPT, Gemini o Claude. Es que todavía falta una base común de medición. Google ofrece el mejor punto de partida público por petición, OpenAI aporta un orden de magnitud sin suficiente detalle y Anthropic no publica una cifra equivalente localizada.

En lugar de convertir décimas no comparables en un podio, conviene exigir fecha, modelo, distribución, calidad, perímetro, carbono, agua y verificación. La opción más sostenible será la que resuelva la tarea necesaria con menos trabajo total y permita demostrarlo.

Fuentes y actualización: metodología y comunicación oficial de Google sobre Gemini Apps; publicación de Sam Altman y recurso de la Academia de OpenAI; páginas oficiales de infraestructura y transparencia de Anthropic. Revisadas el 28 de julio de 2026. Las cifras se mantienen con su unidad, estadístico, fecha y limitaciones originales.