¿Cuál es la huella de carbono de Gemini y cómo se compara con ChatGPT y Claude?
Para equipos de sostenibilidad y analistas que necesitan una cifra del Gemini que usa su empresa. Fuentes comprobadas el 20 de noviembre de 2026. Versión de factores soma-ai-ef-2026.11-dataset-v3.1.0. Promedios de red por ubicación, no contratos de renovables. Estimaciones a partir de benchmarks publicados.
Página actualizada el
Versión en inglés: What is the carbon footprint of Gemini? Guía completa para empresas: huella de carbono de la IA en la empresa.
¿Qué ha publicado Google sobre la huella de carbono de una consulta a Gemini?
Google comunica 0,03 g de CO₂e, 0,24 Wh y 0,26 mL de agua para una consulta de texto mediana en Gemini Apps. Es la cifra propia de Google, de su artículo de agosto de 2025, y la única cifra por consulta que hemos podido comprobar entre Google, OpenAI y Anthropic. Cubre una consulta de texto mediana en Gemini Apps, no todos los modelos Gemini, ni las peticiones de imagen o vídeo, ni el entrenamiento. Google cuenta toda la pila de servicio, incluidas las máquinas en reposo y la sobrecarga del centro de datos, y comunica el carbono con una base de mercado. Los 0,26 mL son el agua consumida en el centro de datos, con una eficacia de uso del agua (WUE) de flota de 1,15 L por kWh.
Google da también 0,1 Wh para la misma consulta con un método más estrecho, solo de aceleradores. La distancia entre ambas cifras es el debate sobre el perímetro, que se explica en why Google's Gemini figure differs from academic estimates, en inglés.
¿Cómo se comparan Gemini Flash y Gemini Pro según la región?
La cifra de Google es una única mediana, así que no dice cuánto cuesta una petición a Flash o a Pro ni dónde se sirvió. SOMA AI (somaai.earth) cubre ese hueco con estimaciones a partir de los factores abiertos SOMA AI Emission Factors (SAEF). SAEF asigna Flash a su clase más pequeña y Pro a su clase media a partir de los niveles publicados por Google, no de un tamaño declarado. Las regiones de la tabla son regiones de Google Cloud, y al llamar a Gemini a través de Vertex AI la región la eliges tú. La última columna es europe-southwest1, en Madrid.
| Modelo | Clase SAEF | Wh | us-east4 (Ashburn, Virginia) | europe-north1 (Hamina, Finland) | europe-west1 (St. Ghislain, Belgium) | europe-southwest1 (Madrid, Spain) |
|---|---|---|---|---|---|---|
| Gemini Flash, nivel de eficiencia | Clase A | 0,03 | 0,01 g | 0,0037 g | 0,0054 g | 0,0064 g |
| Gemini Pro, nivel medio | Clase B | 0,099 | 0,036 g | 0,014 g | 0,019 g | 0,022 g |
Pro equivale a 3,4 veces Flash en la misma región, y el mismo intercambio con Pro emite 2,6 veces menos en europe-north1 que en us-east4. Estas estimaciones son para un intercambio de 928 tokens de entrada y 282 de salida, una unidad distinta de la consulta mediana de Google, así que no conviene leer las dos cifras como un par.
¿Cómo se compara Gemini con ChatGPT y Claude?
SAEF da el mismo número a los modelos de la misma clase y la misma región. Si existe una diferencia real entre proveedores, este método no la muestra. La cifra publicada de Google usa el perímetro de Google y no se puede contraponer a una estimación construida con otro. Los 0,34 Wh de Sam Altman para la consulta media de ChatGPT, publicados en su blog personal sin indicar el perímetro, no son una cifra de OpenAI.
| Clase SAEF | Claude | OpenAI | Google Gemini |
|---|---|---|---|
| Clase A | claude-haiku-4, 0,01 g | gpt-5-mini, 0,01 g | gemini-2.5-flash, 0,01 g |
| Clase B | claude-sonnet-4, 0,036 g | gpt-4o, 0,036 g | gemini-2.5-pro, 0,036 g |
La parte de Claude está en la página de Claude, y doce modelos lado a lado están en la comparativa de modelos, en inglés.
¿Qué debe reportar una empresa sobre Gemini?
Toma los recuentos de tokens por modelo de Google Vertex AI a través de Cloud Monitoring y de la exportación de facturación, y usa la ubicación del endpoint como región de servicio. Para Gemini for Workspace con licencias por puesto, usa puestos y actividad. Indica la clase, la región, la versión del factor y el rango, y di que la cifra propia de Google cubre una consulta de texto mediana en Gemini Apps con su perímetro. SOMA AI estima este uso y no lo mide. El método está en la guía en español y en la página de metodología, y la calculadora gratuita da una primera estimación sin registro.
Respuestas breves
- ¿Cuánta energía consume una consulta a Gemini?
- Google comunica 0,24 Wh y 0,03 g de CO2e para una consulta de texto mediana en Gemini Apps, contando toda la pila de servicio y sin incluir el entrenamiento. SOMA AI estima, con sus factores abiertos SAEF, 0,03 Wh para un intercambio de 1.210 tokens en el nivel Flash y 0,099 Wh en el nivel Pro. No son la misma consulta, así que no forman un par comparable.
- ¿Los 0,03 g de Google son la huella de carbono de Gemini?
- Solo de una consulta de texto mediana en Gemini Apps con el perímetro de Google, que usa carbono basado en el mercado y excluye el entrenamiento. Google da además 0,1 Wh para la misma consulta con un método más estrecho, solo de aceleradores. Otros métodos dan cifras distintas para el mismo servicio.
- ¿Gemini emite menos o más que ChatGPT y Claude?
- SAEF no puede distinguirlos dentro de una misma clase de tamaño, porque asigna a cada modelo una clase a partir del nivel que indica su proveedor. Google es el único de los tres con una cifra por consulta publicada que hemos podido comprobar, y esa cifra usa el perímetro de Google, así que no ordena a Gemini frente a los otros.
- ¿Puedo estimar el uso de Gemini en Vertex AI por región?
- Sí. Vertex AI exporta los recuentos de tokens a través de Cloud Monitoring y de la exportación de facturación, y la ubicación del endpoint es la región de servicio. SOMA AI estima y no mide, así que el resultado es una estimación por clase y región, con su rango.
Sigue leyendo
- Why is Google's 0.24 Wh per Gemini prompt figure so different from academic estimates? El debate sobre el perímetro de la cifra de Google, en inglés
- ¿Cuál es la huella de carbono de Claude y cómo se compara con ChatGPT? Haiku, Sonnet y Opus por región
- ¿Cuánta energía consume una consulta a ChatGPT, y cuánto CO2 y agua? Cifras publicadas y estimación SAEF para España
- ¿Cuál es la huella de carbono de Le Chat de Mistral y qué encontró su propio estudio de ciclo de vida? El estudio de Mistral y las estimaciones SAEF
- Which AI model has the lowest carbon footprint? GPT, Claude, Gemini, Llama, DeepSeek and Mistral compared. Doce modelos lado a lado, en inglés
