¿Cuál es la huella de carbono de Le Chat de Mistral y qué encontró su propio estudio de ciclo de vida?
Para equipos de sostenibilidad y analistas que necesitan una cifra de los modelos de Mistral 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 Mistral's Le Chat? Guía completa para empresas: huella de carbono de la IA en la empresa.
¿Qué encontró el estudio de ciclo de vida de Mistral para Le Chat?
Mistral AI, con Carbone 4 y la agencia francesa ADEME, comunica 1,14 g de CO₂e y 45 mL de agua para una respuesta de 400 tokens de Le Chat. El estudio es un análisis de ciclo de vida de Mistral Large 2 que sigue el Product Standard del GHG Protocol y la ISO 14040/44, publicado el 22 de julio de 2025 (Mistral AI). La cifra es el impacto marginal de la inferencia, con los impactos aguas arriba como la fabricación de servidores, y excluye los terminales de los usuarios. Mistral comunica el entrenamiento aparte, con 20,4 kt CO₂e. No hemos encontrado una cifra por consulta de Anthropic, OpenAI ni Meta, así que Mistral y Google son los dos proveedores con algo que comprobar.
¿Cómo se comparan los modelos de Mistral según la región?
El estudio de Mistral da una cifra para una longitud de respuesta, así que no dice cuánto cuesta un modelo más pequeño o más grande ni dónde se ejecutó la petición. SOMA AI (somaai.earth) cubre ese hueco con estimaciones a partir de los factores abiertos SOMA AI Emission Factors (SAEF). SAEF asigna a cada modelo de Mistral una clase a partir de su tamaño o nivel publicado, y supone eu-west-3 como región por defecto. Son estimaciones y no mediciones de Mistral. La última columna es eu-south-2, la región de AWS en España.
| Modelo | Clase SAEF | Wh | eu-west-3 (EU West - France) | eu-north-1 (EU North - Sweden) | us-east-1 (US East - N. Virginia) | eu-south-2 (EU South - Spain) |
|---|---|---|---|---|---|---|
| Ministral 8B | Clase A | 0,03 | 0,0029 g | 0,0025 g | 0,01 g | 0,0064 g |
| Mistral Small | Clase B | 0,099 | 0,011 g | 0,0094 g | 0,036 g | 0,022 g |
| Mistral Large | Clase C | 0,37 | 0,043 g | 0,037 g | 0,13 g | 0,086 g |
Mistral Large equivale a 15 veces Ministral 8B en la misma región, y el mismo intercambio con Large emite 3,1 veces más en US East - N. Virginia que en EU West - France. La tabla usa un intercambio de 928 tokens de entrada y 282 de salida, y no la respuesta de 400 tokens de Mistral.
¿Por qué la cifra de Mistral es tan distinta de la estimación SAEF?
Para Mistral Large, los 1,14 g de Mistral son unas 27 veces nuestra estimación de 0,043 g en EU West - France. Las longitudes de respuesta son distintas, y los perímetros también. SAEF cuenta además la fabricación del hardware, la construcción del centro de datos y el entrenamiento amortizado, con una red por ubicación. El resumen de Mistral no nombra el modelo detrás de la cifra ni la desglosa, así que no podemos decir de dónde viene la diferencia. El caso general de por qué las cifras publicadas no coinciden está en la guía sobre cifras publicadas, en inglés.
¿Cómo se compara Mistral con ChatGPT, Claude y Gemini?
SAEF da el mismo número a los modelos de la misma clase y la misma región, así que no puede mostrar si una marca emite menos que otra. La misma clase y la misma región dan la misma estimación. Mistral y Google publican cifras con sus propios perímetros, y las dos no son comparables entre sí. 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 | Mistral |
|---|---|---|---|---|
| Clase A | claude-haiku-4, 0,01 g | gpt-5-mini, 0,01 g | gemini-2.5-flash, 0,01 g | ministral-8b, 0,01 g |
| Clase B | claude-sonnet-4, 0,036 g | gpt-4o, 0,036 g | gemini-2.5-pro, 0,036 g | mistral-small, 0,036 g |
| Clase C | claude-opus-4, 0,13 g | gpt-5, 0,13 g | Ningún modelo Gemini en esta clase | mistral-large, 0,13 g |
Hay más modelos en la comparativa de modelos, en inglés, y las páginas de Claude y de Gemini están aquí y aquí.
¿Qué debe reportar una empresa sobre Mistral?
Toma los recuentos de tokens por modelo de la exportación de uso de Mistral o de tu plataforma cloud, y usa la región de la exportación cuando la haya. Indica la clase, la región, la versión del factor y el rango, y di que la cifra propia de Mistral cubre una respuesta de 400 tokens de Le Chat con un perímetro de inferencia marginal. 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
- ¿Qué encontró el estudio de ciclo de vida de Mistral para Le Chat?
- Mistral AI, con Carbone 4 y ADEME, comunica 1,14 g de CO2e y 45 mL de agua para una respuesta de 400 tokens de Le Chat, contando los impactos marginales de la inferencia y excluyendo los terminales de los usuarios. El entrenamiento de Mistral Large 2 lo comunica aparte, con 20,4 kt CO₂e.
- ¿Cómo se compara la estimación de SOMA AI para Mistral Large con la cifra de Mistral?
- SOMA AI estima, con sus factores abiertos SAEF, 0,043 g de CO2e para un intercambio de 1.210 tokens con Mistral Large en la región EU West - France. Los 1,14 g de Mistral son unas 27 veces esa cifra. Las dos usan longitudes de respuesta y perímetros distintos, y el resumen de Mistral no nombra el modelo detrás de su cifra, así que no podemos decir de dónde viene la diferencia.
- ¿Mistral emite menos o más que ChatGPT, Claude y Gemini?
- SAEF no puede distinguirlos dentro de una misma clase de tamaño, porque asigna a cada modelo una clase a partir del nivel o el tamaño que indica su proveedor. Mistral es uno de los dos únicos proveedores de nuestra comparativa con una cifra por consulta que hemos podido comprobar, y esa cifra usa el perímetro de Mistral, así que no ordena a Mistral frente a los otros.
- ¿Desde dónde supone SOMA AI que sirve Mistral?
- SAEF supone eu-west-3, EU West - France, para los modelos de Mistral. Es una suposición y no una declaración de dónde ejecuta Mistral una petición. Si llamas a un modelo a través de una plataforma cloud, usa la región que figura en la exportación de uso.
Sigue leyendo
- Which AI model has the lowest carbon footprint? GPT, Claude, Gemini, Llama, DeepSeek and Mistral compared. Cifras de proveedores junto a estimaciones SAEF, en inglés
- ¿Cuál es la huella de carbono de Claude y cómo se compara con ChatGPT? Haiku, Sonnet y Opus por región
- ¿Cuál es la huella de carbono de Gemini y cómo se compara con ChatGPT y Claude? La cifra de Google, Flash y Pro
- ¿Cuánta energía consume una consulta a ChatGPT, y cuánto CO2 y agua? Cifras publicadas y estimación SAEF para España
