Un científico del clima registró ocho semanas de uso de agentes de inteligencia artificial. Conseguía 600 veces más energía por mensaje que un mensaje de chat
Zeke Hausfather rastreó 3.200 millones de tokens a través de Claude Code y estimó la electricidad detrás de ellos. Las cifras por mensaje que publican los laboratorios de IA resultan describir un tipo de uso que casi nadie hace ya.
Durante un año, la industria de la IA ha respondido preguntas sobre su uso de energía con un número tranquilizadormente pequeño. Google dice que el mensaje de texto promedio de Gemini utiliza 0,24 vatios hora, menos de nueve segundos de televisión. Sam Altman estimó la consulta ChatGPT promedio en 0,34 vatios hora. El científico climático Zeke Hausfather ha medido ahora lo que sucede cuando se utiliza la IA de la forma en que lo hace un número cada vez mayor de personas, y la cifra es aproximadamente 600 veces mayor.
Hausfather pasó ocho semanas registrando su uso de Claude Code, un agente de codificación que realiza tareas por sí solo en lugar de responder una pregunta a la vez. La herramienta mantiene registros locales con el recuento exacto de tokens que la API informa para cada llamada, por lo que el recuento es sólido. Escribió 1.138 indicaciones. Estos activaron más de 14.000 llamadas de modelos, alrededor de doce por mensaje, y procesaron 3.200 millones de tokens. Un token es aproximadamente un fragmento de palabra, y en un intercambio de chat ordinario se ejecutan alrededor de mil de ellas. Su mensaje promedio fue de 2,9 millones.
Vale la pena entender el motivo de esa brecha. El noventa y seis por ciento de esos tokens fueron lecturas de caché: en cada uno de los 14.000 pasos, el agente relee todo su contexto acumulado para recordar lo que está haciendo. El resultado que realmente vio en la pantalla fue el 0,4 por ciento de todo lo procesado. Un agente dedica casi todo su esfuerzo a releer sus propias notas.
Convertir tokens en electricidad es la parte blanda, y Hausfather lo dice claramente. Nadie fuera de los laboratorios conoce el verdadero costo de energía por token de un frontier model, por lo que utilizó tres métodos independientes. Su mejor estimación es alrededor de 170 kilovatios hora durante ocho semanas, con un rango de 70 a 330. Eso equivale aproximadamente a 150 vatios hora por indicación. Un día típico de uso de agente llegó a 3,0 kWh, más de lo que consumen dos refrigeradores.
Escalado a un año, ese hábito produciría alrededor de 370 kg de CO2 en la red eléctrica estadounidense promedio. Aquí es donde se vuelve menos alarmante de lo que sugiere el titular: eso es un poco más que hacer funcionar una secadora eléctrica durante un año y aproximadamente la mitad de un vuelo económico de ida y vuelta desde San Francisco a Nueva York. El propio resumen de Hausfather es que es al mismo tiempo una gran fuente de emisiones y una parte modesta de su huella total.
Qué significa esto para ti: si utilizas chatbots de la forma habitual, con unos pocos prompts al día, la huella de tu uso de IA es realmente pequeña, alrededor de 0,3 kg de CO2 al año. No hay motivo para sentir culpa. Si has empezado a ejecutar agentes que trabajan sin supervisión durante una hora, has subido varios órdenes de magnitud sin apenas notarlo, y conviene saberlo. La medida práctica no es renunciar a la IA, sino elegir bien el modelo. Los modelos pequeños consumen entre cinco y siete veces menos energía por token, por lo que enviarles las tareas sencillas supone un ahorro real. La conclusión de Hausfather va más allá del uso individual: casi tres cuartas partes de la generación eléctrica prevista dentro de los centros de datos estadounidenses funciona con gas natural. Usar electricidad limpia para la misma carga reduciría la huella cerca de un 90 por ciento. Estas cifras son estimaciones cuidadosas, no lecturas directas de contadores.
Fuentes
Fuentes: https://www.theclimatebrink.com/p/the-real-energy-use-of-agentic-ai
Backflip AI convierte escaneos 3D en modelos CAD editables, un trabajo que normalmente consume horas
La mayoría de las fábricas tienen modelos digitales para menos del uno por ciento de sus piezas. Un nuevo modelo convierte un escaneo en geometría CAD editable y real en lugar de una malla muerta, y se ejecuta como un complemento de Autodesk Fusion.
