# Etiquetas energéticas y pruebas de referencia para la IA

> La situación de las calificaciones energéticas de la IA en 2026: AI Energy Score, MLPerf Power, la Ley de IA de la UE y la calificación de centros de datos.

Source: https://greenai.guide/es/articulos/etiquetas-energeticas-y-pruebas-de-referencia-para-la-ia/  
Updated: 2026-11-19

## En resumen

Todavía no existe una etiqueta energética oficial para los modelos de IA, pero las piezas ya están ahí. El AI Energy Score califica modelos abiertos con una a cinco estrellas, MLPerf Power evalúa sistemas de hardware, y la UE exige documentación energética para los modelos de IA de uso general y está creando un sistema de calificación para los centros de datos. La UE también ha licitado trabajos para medir la IA eficiente en energía, y se debate una etiqueta.

## Puntos clave

- El AI Energy Score, lanzado en febrero de 2025, da a los modelos una calificación de una a cinco estrellas dentro de cada tarea, basada en la energía de GPU medida.
- MLPerf Power mide la eficiencia energética de sistemas completos de aprendizaje automático, desde dispositivos diminutos hasta bastidores de centros de datos.
- Según la Ley de IA de la UE, los proveedores de IA de uso general deben documentar el consumo de energía conocido o estimado, pero esta información va a los reguladores, no a los consumidores.
- La UE está creando una calificación de tipo A–G para los centros de datos y ha licitado trabajos que podrían dar lugar a una etiqueta de energía y emisiones para la IA.
- Una etiqueta puede clasificar opciones comparables, pero no puede reflejarlo todo: el hardware, la configuración y el uso real cambian el resultado.

Los frigoríficos, las lavadoras y las bombillas llevan etiquetas energéticas que permiten a los compradores
compararlos de un vistazo. Cada vez más gente se pregunta por qué los modelos de IA no las tienen. La respuesta breve es
que etiquetar la IA es más difícil que etiquetar un frigorífico, pero el trabajo en esa dirección está muy avanzado.
Este artículo expone lo que existe a finales de 2026 y lo que una etiqueta puede y no puede decirle.

## ¿Existe una etiqueta energética oficial para la IA? {#is-there-an-official-energy-label-for-ai}

**No, todavía no.** Hay calificaciones y pruebas de referencia voluntarias, obligaciones legales de documentar el uso de
energía en la UE y trabajos de la Comisión Europea que podrían dar lugar a una etiqueta. Ninguno de ellos es todavía una
etiqueta para el consumidor como la de un frigorífico.

## ¿Qué es el AI Energy Score? {#what-is-the-ai-energy-score}

**Una calificación voluntaria con estrellas para modelos de IA, basada en el uso de energía medido en tareas
estándar.** La lanzó en febrero de 2025 Hugging Face con socios como Salesforce, Cohere y la Universidad Carnegie Mellon.

Cómo funciona:

- Los modelos se ejecutan en un conjunto fijo de tareas habituales, con el mismo tipo de GPU para todos.
- Se mide la energía de GPU usada para un número fijo de consultas.
- Cada modelo recibe de una a cinco estrellas, **en relación con los demás modelos de la misma tarea y categoría de
  tamaño**. Las calificaciones se recalibran a medida que se añaden modelos nuevos.

La primera versión calificó 166 modelos en 10 tareas. Una segunda versión, publicada a finales de 2025, añadió el
razonamiento como tarea evaluada; Hugging Face informó de que los modelos de razonamiento usaban, de media, unas 30 veces
más energía que los modelos sin razonamiento o con él desactivado, sobre todo porque producen muchos más tokens de salida.

El punto fuerte de la calificación es que se mide, no se estima, y que usa las mismas condiciones para todos los
modelos. Su límite es la cobertura: los modelos comerciales cerrados solo pueden incluirse si sus proveedores deciden
participar.

## ¿Qué son MLPerf Power y el ML.ENERGY Leaderboard? {#what-are-mlperf-power-and-the-ml-energy-leaderboard}

**Pruebas de referencia que miden la energía en condiciones controladas, una para sistemas de hardware y otra para
modelos abiertos.**

- **MLPerf Power**, del consorcio industrial MLCommons, mide la eficiencia energética de sistemas completos de
  aprendizaje automático que ejecutan cargas de trabajo estándar de MLPerf. Su artículo de 2025 recoge 1.841 mediciones
  de 60 sistemas presentados por más de 20 organizaciones, desde dispositivos de microvatios hasta sistemas de centros
  de datos de megavatios. Ayuda a los compradores a comparar hardware, no modelos.
- **El ML.ENERGY Leaderboard**, de la Universidad de Míchigan, mide la energía de inferencia de modelos abiertos muy
  utilizados en hardware conocido, y publica sus herramientas para que otros puedan repetir las mediciones.

La computación de alto rendimiento tiene un precedente. La lista Green500 clasifica los superordenadores por
rendimiento por vatio en una prueba de referencia estándar. Es una medida burda, pero como todo el mundo ejecuta la
misma prueba, es comparable, y lleva años impulsando la eficiencia. Las pruebas de referencia de IA pueden acabar igual:
imperfectas, pero útiles porque son compartidas.

## ¿Qué exige la legislación de la UE? {#what-does-eu-law-require}

**Documentación para los modelos de IA de uso general, informes para los centros de datos y un marco para futuras
normas.**

- **Ley de IA, anexo XI.** Los proveedores de modelos de IA de uso general deben documentar el «consumo de energía
  conocido o estimado del modelo». Si no se conoce, puede basarse en información sobre los recursos computacionales
  utilizados. Esta documentación se remite a la Oficina Europea de IA y a las autoridades nacionales, no al público.
- **Ley de IA, artículo 40.** La petición de normalización de la Comisión abarca procesos de información y
  documentación para mejorar el rendimiento de los sistemas de IA en el uso de recursos, incluido el desarrollo
  eficiente en energía de los modelos de uso general. Estas normas todavía están en elaboración.
- **Centros de datos.** Según el Reglamento Delegado (UE) 2024/1364, los centros de datos con al menos 500 kW de
  potencia informática deben comunicar cada año indicadores de energía y sostenibilidad. En 2026 la Comisión propuso el
  siguiente paso, un sistema de calificación con clases para indicadores como la eficacia en el uso de la energía (PUE) y
  la eficacia en el uso del agua (WUE); está en fase de examen y todavía no está en vigor.

## ¿Está desarrollando la UE una etiqueta energética para la IA? {#is-the-eu-developing-an-ai-energy-label}

**La está estudiando.** La Comisión ha convocado una licitación en el marco de la Ley de IA para medir y fomentar una IA
eficiente en energía y con bajas emisiones, que incluye la posibilidad de una etiqueta de energía y emisiones para la
IA, y celebró una consulta específica en 2026. No está decidido si habrá una etiqueta ni si la Ley de IA ofrece una base
jurídica para ella. Es probable que cualquier primer marco sea una orientación con amplios márgenes de incertidumbre más
que una puntuación precisa.

Fuera de la UE, el panorama es mayoritariamente voluntario. En el Reino Unido y Estados Unidos no se exige ninguna
etiqueta energética para la IA; las organizaciones recurren a sistemas voluntarios como el AI Energy Score y a normas
como la ISO/IEC 21031:2024, la especificación Software Carbon Intensity, que define una tasa de carbono por unidad de
trabajo pero no es en sí misma una etiqueta comparativa.

## ¿Por qué es más difícil etiquetar la IA que un frigorífico? {#why-is-labelling-ai-harder-than-labelling-a-fridge}

**Porque el uso de energía de un mismo modelo cambia con el hardware, la configuración y el trabajo.** Un frigorífico
hace lo mismo todos los días. La energía por tarea de un modelo de IA depende de:

- **El hardware:** la generación del chip, cuántos chips, la configuración de potencia y de aceleración.
- **El software:** el motor de inferencia, el procesamiento por lotes, la cuantización, la caché.
- **La tarea:** la longitud del prompt, la longitud de la respuesta, si el modo de razonamiento está activado.
- **El contexto:** una prueba de laboratorio frente a un centro de datos de producción con mucha actividad y capacidad
  de reserva para los picos.
- **La calidad:** un modelo que usa menos energía pero da más respuestas erróneas puede salir más caro en conjunto.

Por eso una etiqueta tiene que fijar las condiciones, lo que la hace comparable pero menos realista. Es el mismo
compromiso que asumen las pruebas de consumo de combustible de los coches.

## ¿Qué debería pedir un comprador mientras tanto? {#what-should-a-buyer-ask-for-meanwhile}

**La energía medida por tarea, en condiciones declaradas, junto con la calidad.** En la práctica:

- Pregunte si el modelo tiene un AI Energy Score u otra medición independiente.
- Pregunte qué hardware, región y configuración suponen las cifras del proveedor.
- Pida la energía y la calidad en *su* tarea, no en una prueba de referencia genérica.
- Trate con cuidado las proporciones como «35 veces más eficiente»: dicen tanto sobre la referencia como sobre el producto.

Consulte [la compra sostenible de IA](/es/buenas-practicas/compras-sostenibles-de-ia/) y [la medición es el cuello de botella](/es/articulos/la-medicion-es-el-cuello-de-botella-de-la-ia-verde/).

## Qué hacer a continuación {#what-to-do-next}

- Consulte el AI Energy Score de los modelos abiertos que esté valorando y elija el más eficiente que cubra sus necesidades.
- Incluya la información sobre energía en los contratos de IA: consulte [la compra sostenible de IA](/es/buenas-practicas/compras-sostenibles-de-ia/).
- Mida sus propias cargas de trabajo: consulte [cómo medir la energía de la IA](/es/buenas-practicas/como-medir-la-energia-y-el-carbono-de-la-ia/).
- Evite afirmaciones de eficiencia sin fundamento en su propio marketing: consulte [cómo hacer afirmaciones ecológicas honestas](/es/buenas-practicas/afirmaciones-ambientales-honestas-sobre-la-ia/).
- Encuentre herramientas y servicios calificados en el [directorio de productos](/es/productos/).

## Preguntas frecuentes

### ¿Existe una etiqueta energética para los modelos de IA?

No una oficial. El AI Energy Score es una calificación voluntaria con estrellas para modelos en tareas estándar. La Comisión Europea ha encargado trabajos para medir la IA eficiente en energía que podrían dar lugar a una etiqueta, pero no se ha adoptado ninguna.

### ¿Qué es el AI Energy Score?

Un proyecto lanzado en febrero de 2025 por Hugging Face con socios como Salesforce, Cohere y la Universidad Carnegie Mellon. Mide la energía de GPU que usan los modelos en tareas estándar y da a cada uno una calificación de una a cinco estrellas, en relación con los demás de la misma tarea.

### ¿Qué es MLPerf Power?

Una prueba de referencia del consorcio MLCommons que mide la eficiencia energética de sistemas de hardware y software de aprendizaje automático que ejecutan cargas de trabajo estándar de MLPerf, desde dispositivos de microvatios hasta sistemas de centros de datos de megavatios.

## Fuentes

- [Announcing AI Energy Score ratings](https://huggingface.co/blog/sasha/announcing-ai-energy-score), Hugging Face (2025)
- [AI Energy Score v2: refreshed leaderboard, now with reasoning](https://huggingface.co/blog/sasha/ai-energy-score-v2), Hugging Face (2025)
- [AI Energy Score](https://oecd.ai/en/catalogue/tools/ai-energy-score), OECD.AI catalogue of tools (2025)
- [MLPerf Power: benchmarking the energy efficiency of machine learning systems from µWatts to MWatts for sustainable AI](https://arxiv.org/abs/2410.12032), Tschand et al., MLCommons, HPCA 2025 (2025)
- [The ML.ENERGY benchmark: toward automated inference energy measurement and optimization](https://arxiv.org/abs/2505.06371), Chung et al., NeurIPS Datasets and Benchmarks (2025)
- [Regulation (EU) 2024/1689 (AI Act), Annex XI](https://ai-act-service-desk.ec.europa.eu/en/ai-act/annex-11), European Union (2024)
- [Regulation (EU) 2024/1689 (AI Act), Article 40](https://ai-act-service-desk.ec.europa.eu/en/ai-act/article-40), European Union (2024)
- [Artificial Intelligence Act: call for tenders to measure and foster energy-efficient and low-emission AI](https://digital-strategy.ec.europa.eu/en/funding/artificial-intelligence-act-call-tenders-measure-and-foster-energy-efficient-and-low-emission), European Commission (2025)
- [Commission Delegated Regulation (EU) 2024/1364 on the first phase of the establishment of a common Union rating scheme for data centres](https://eur-lex.europa.eu/eli/reg_del/2024/1364/oj), European Commission (2024)
- [European Commission proposes mandatory sustainability label for data centres](https://www.lw.com/en/insights/european-commission-proposes-mandatory-sustainability-label-for-data-centres), Latham & Watkins (2026)
- [Software Carbon Intensity (SCI) specification](https://greensoftware.foundation/standards/sci/), Green Software Foundation (2024)
- [TOP500 and Green500 lists](https://top500.org/lists/green500/), TOP500 (2026)
