Saltar al contenido
AIWaterUse.org
EN
Menú
↑ ↓ para moverte · Enter para abrir · Esc para cerrar

Calculadora

Tu huella de IA

Calcula el agua, la energía y el carbono detrás de tu uso de IA, con fuentes para cada cifra.

Escríbelo como lo dirías. Los controles de abajo se ajustan solos.

Modelo

Clase estándar · 0,8 Wh por 1.000 tokens (referencia media)

¿Cuánto la usas?25 prompts/día
Mostrar resultados
Qué se cuenta

El mismo prompt puede ser «cinco gotas» o «una botella de agua» según qué se cuente: solo la refrigeración del centro de datos (Bajo), el agua detrás de la electricidad (Medio), o también el entrenamiento y el hardware (Alto).

Lee la metodología
AguaMedio: + electricidad

25,6litros

= 6,8 galones

Llama (70B+), 25 prompts/día · por año, escenario Medio

Energía

5,1 kWh

Carbono

1,8 kg CO₂e

Eso equivale a…

Ajustado a tu resultado, escenario Medio
  • 51,1botellas de agua
  • 6,4almendras (agua equivalente)
  • 4,3descargas de inodoro
  • 0,39duchas
  • 63,9horas de streaming
  • 4,5millas en coche de gasolina
CompartirDescargar imagen
  1. 01

    Dilo o ajústalo

    Describe tu uso en una frase, o ajusta a mano el modelo, el uso y el periodo. Las dos vías mueven los mismos controles.

  2. 02

    Los tokens se vuelven energía

    Cada modelo está en una clase de energía medida, o usa su cifra oficial cuando existe.

  3. 03

    La energía se vuelve agua

    Multiplicada por el factor del límite que elijas: solo refrigeración, más electricidad o el ciclo de vida completo.

Cómo lo calculamos¿Dónde encuentro mi número de tokens?

Fuentes

Citadas en esta página, en orden de aparición.

  1. 1Jegham, N., Abdelatti, M., Elmoubarki, L., & Hendawi, A. (2025). How Hungry is AI? Benchmarking Energy, Water, and Carbon Footprint of LLM Inference. arXiv preprint arXiv:2505.09598 (v6, Nov 2025). (consultada 2026-06) prepublicación
  2. 2Mistral AI (2025). Our contribution to a global environmental standard for AI. Mistral AI lifecycle analysis with Carbone 4 and ADEME, reviewed by Resilio and Hubblo: 45 mL water & 1.14 gCO₂e per 400-token Le Chat response (marginal inference); Mistral Large 2 training plus its first 18 months of use: 20.4 ktCO₂e and 281,000 m³ of water. No energy (Wh) figure disclosed. (consultada 2026-09) divulgación oficial
  3. 3AIWaterUse (2026). AIWaterUse methodology: disclosed site assumptions and derivations. aiwateruse.org/methodology: blended tokens per exchange, input/output split, unit definitions and arithmetic derivations, reviewed quarterly. (consultada 2026-06) supuesto del sitio
  4. 4Siddik, M. A. B., Shehabi, A., & Marston, L. (2021). The environmental footprint of data centers in the United States. Environmental Research Letters 16(6): watershed-scale direct + indirect water footprint. (consultada 2026-06) revisión por pares
  5. 5US Environmental Protection Agency (2024). Emissions & Generation Resource Integrated Database (eGRID). US EPA: grid carbon intensity by region. (consultada 2026-06) gubernamental
  6. 6Water Footprint Network (Mekonnen, M. M., & Hoekstra, A. Y.) (2011). Product water footprint database. Water Footprint Network: agricultural water footprints (coffee, beef, cotton, almonds). (consultada 2026-06) revisión por pares
  7. 7US Environmental Protection Agency (2024). WaterSense: residential water use and fixture flow rates. US EPA: 82 gal/person/day household use; fixture flow rates. (consultada 2026-06) gubernamental
  8. 8Kamiya, G. (2020). The carbon footprint of streaming video: fact-checking the headlines. International Energy Agency commentary: ~0.08 kWh per viewing hour across device, network and data center. (consultada 2026-06) gubernamental
  9. 9US Environmental Protection Agency (2024). Greenhouse gas emissions from a typical passenger vehicle. US EPA: ~404 g CO₂ per mile for an average US gasoline car. (consultada 2026-06) gubernamental