Em resumo
Um prompt de texto curto típico a um chatbot como o ChatGPT ou o Gemini usa cerca de 0,2 a 0,4 watt-hora de eletricidade, segundo os números dos próprios fornecedores e estimativas independentes: mais ou menos o que uma TV usa em poucos segundos. O consumo de energia da IA sobe muito com entradas longas, modelos de raciocínio, imagens, vídeo e agentes de código, que podem usar de dezenas a milhares de vezes mais por tarefa. No total, os data centers usaram cerca de 485 TWh de eletricidade em 2025, segundo a IEA, e a IA é o principal motivo do crescimento desse número.
Pontos-chave
- O Google informa 0,24 Wh para um prompt de texto mediano no Gemini em maio de 2025; o CEO da OpenAI citou cerca de 0,34 Wh para uma consulta média ao ChatGPT. Os dois números são autodeclarados.
- A Epoch AI estima uma consulta típica ao GPT-4o em cerca de 0,3 Wh, subindo para cerca de 2,5 Wh com uma entrada de 10.000 tokens e quase 40 Wh com uma entrada de 100.000 tokens.
- Os testes do AI Energy Score da Hugging Face concluíram que os modelos de raciocínio usaram, em média, 30 vezes mais energia que os modelos padrão.
- Em testes com modelos abertos, gerar uma imagem usou cerca de 2,9 Wh em média, e um vídeo curto de IA, cerca de 90 Wh.
- Uma análise do uso intensivo de um agente de código com IA estimou cerca de 150 Wh por prompt digitado, cerca de 600 vezes um prompt mediano de chat.
- A IEA estima que os data centers usaram cerca de 485 TWh em 2025, 17% a mais em um ano, e prevê cerca de 950 TWh até 2030.
Quanta energia a IA consome? Para uma pergunta curta a um chatbot, muito pouca: uma fração de watt-hora. Para documentos longos, modos de raciocínio, imagens, vídeo e agentes de código, muito mais. E, somando bilhões de pedidos por dia, o consumo de energia da IA já é grande o bastante para influenciar o planejamento elétrico. Esta página reúne os melhores números públicos, diz de onde vem cada um e explica por que eles diferem.
Quanta energia consome um prompt do ChatGPT ou do Gemini?
Um prompt de texto curto a um grande chatbot usa cerca de 0,2 a 0,4 watt-hora (Wh), pelos melhores números atuais. Um watt-hora é a energia que um aparelho de 1 watt usa em uma hora.
Os números mais citados vêm dos próprios fornecedores:
- O Google informou em 2025 que um prompt de texto mediano nos apps do Gemini usou 0,24 Wh. O seu artigo compara isso com assistir televisão por menos de nove segundos.
- O CEO da OpenAI escreveu em 2025 que uma consulta média ao ChatGPT usa cerca de 0,34 Wh. Nenhum método foi publicado.
- A Epoch AI, um grupo de pesquisa independente, estimou cerca de 0,3 Wh para uma consulta típica ao GPT-4o, a partir de informações públicas sobre o hardware e o tamanho do modelo.
Os números são próximos, mas não são comparáveis diretamente: uma mediana não é uma média, e cada um traça em um lugar diferente a fronteira do que é contado. Eles também cobrem apenas prompts de texto curtos.
Energia por tarefa: os números comparados
A energia por tarefa de IA varia mais de mil vezes, de menos de um watt-hora para um prompt curto a centenas de watt-hora para uma sessão de agente. A tabela traz os principais números publicados. Os números autodeclarados vêm da empresa que opera o serviço; as estimativas e as medições vêm de pesquisadores independentes.
| Tarefa | Energia | Fonte e ano | Tipo |
|---|---|---|---|
| Prompt de texto mediano no Gemini | 0,24 Wh | Google, 2025 | Autodeclarado, método publicado |
| Consulta média ao ChatGPT | cerca de 0,34 Wh | CEO da OpenAI, 2025 | Autodeclarado, sem método |
| Consulta típica ao GPT-4o | cerca de 0,3 Wh | Epoch AI, 2025 | Estimativa independente |
| GPT-4o, prompt curto (100 tokens de entrada, 300 de saída) | 0,42 Wh | Jegham et al., 2025 | Estimativa independente |
| Consulta a um modelo da classe do GPT-4o com entrada de 10.000 tokens | cerca de 2,5 Wh | Epoch AI, 2025 | Estimativa independente |
| Consulta a um modelo da classe do GPT-4o com entrada de 100.000 tokens | quase 40 Wh | Epoch AI, 2025 | Estimativa independente |
| Prompt longo (10.000 de entrada, 1.500 de saída): Llama 3.1 8B vs. DeepSeek-R1 | cerca de 0,44 Wh vs. cerca de 29 Wh | Jegham et al., 2025 | Estimativa independente |
| Modelos de raciocínio vs. modelos padrão | 30 vezes mais, em média | AI Energy Score da Hugging Face, 2025 | Medido, modelos abertos |
| Uma imagem gerada | cerca de 2,9 Wh (2,9 kWh por 1.000) | Luccioni, Jernite e Strubell, 2024 | Medido, modelos abertos |
| Um vídeo curto gerado | cerca de 90 Wh para um modelo; de 0,14 Wh a mais de 415 Wh entre modelos | Delavande, Pierrard e Luccioni, 2025 | Medido, modelos abertos |
| Sessão mediana de agente de código | cerca de 41 Wh | Couch, 2026 | Estimativa independente |
| Agente de código, por prompt digitado (uso intensivo) | cerca de 150 Wh (faixa de 60–290 Wh) | Hausfather, 2026 | Estimativa independente |
Um token é um pedaço de texto, cerca de três quartos de uma palavra em inglês. Os números de imagens e vídeo vêm de modelos abertos executados em hardware de pesquisa; os serviços comerciais podem ser mais ou menos eficientes, e a maioria não publica números.
Por que modelos de raciocínio, imagens e agentes consomem mais?
Porque fazem muito mais computação por pedido. A energia aumenta com o número de tokens que um modelo lê e escreve, e com o tamanho do modelo.
- Os modelos de raciocínio escrevem longas cadeias ocultas de raciocínio antes de responder. A equipe do AI Energy Score da Hugging Face concluiu que, com o raciocínio ligado, o mesmo modelo usou entre 150 e 700 vezes mais energia do que com ele desligado, e escreveu de 300 a 800 vezes mais tokens.
- As entradas longas precisam ser processadas por inteiro. As estimativas da Epoch AI sobem de cerca de 0,3 Wh para quase 40 Wh à medida que a entrada cresce até 100.000 tokens, o tamanho de um documento colado muito longo.
- As imagens e os vídeos são gerados em muitas etapas, sobre muitos pixels. Delavande, Pierrard e Luccioni concluíram que a energia do vídeo crescia de forma quadrática com a resolução e a duração, e estimaram um clipe curto em cerca de 2.000 vezes uma resposta em texto.
- Os agentes chamam o modelo repetidas vezes, relendo a cada vez o seu contexto crescente. A Anthropic informou que os seus agentes costumavam usar cerca de quatro vezes os tokens de um chat, e os sistemas multiagente, cerca de quinze vezes.
Quanta energia consome um agente de código com IA?
As estimativas vão de dezenas de watt-hora para uma sessão típica a mais de um quilowatt-hora para um dia de uso intensivo. Nenhuma empresa de IA publica números de energia dos seus agentes de código, então os melhores números disponíveis são estimativas independentes cuidadosas, feitas a partir da contagem de tokens.
Simon Couch estimou uma sessão mediana do Claude Code, com 24 chamadas ao modelo e cerca de 590.000 tokens, em cerca de 41 Wh. O cientista do clima Zeke Hausfather registrou oito semanas do seu próprio uso intensivo: 1.138 prompts digitados desencadearam mais de 14.000 chamadas ao modelo e 3,2 bilhões de tokens, 96% deles releituras de contexto em cache. Ele estimou cerca de 170 kWh no total (faixa de 70–330 kWh), cerca de 150 Wh por prompt e uma sessão mediana de cerca de 0,6 kWh, que ele compara a carregar um celular cerca de 50 vezes. Veja IA agêntica e desperdício de tokens.
O maior custo é o treinamento ou a inferência?
Para um modelo muito usado, executá-lo (a inferência) costuma pesar mais do que treiná-lo. O treinamento é um custo pontual elevado; a inferência é pequena por pedido, mas se repete bilhões de vezes.
Os números de treinamento publicados mostram a escala:
- GPT-3 (2020): Patterson e colegas do Google estimaram que o treinamento usou 1.287 MWh de eletricidade.
- Llama 3.1 (2024): o model card da Meta informa 39,3 milhões de horas de GPU em chips H100 para os seus três tamanhos de modelo, dos quais 30,84 milhões foram para o maior, de 405 bilhões de parâmetros.
Do outro lado, Patterson e colegas citam estimativas da NVIDIA de que 80–90% da carga de trabalho de aprendizado de máquina é inferência, e a afirmação da Amazon Web Services de que 90% da demanda de aprendizado de máquina na sua nuvem é inferência. É por esse equilíbrio que a queda da energia por prompt importa tanto, e também por isso ela não basta sozinha: o uso cresce mais rápido. Veja eficiência não é suficiência.
Quanta eletricidade os data centers e a IA consomem no total?
A Agência Internacional de Energia (IEA) estima que os data centers usaram cerca de 485 TWh em 2025, e prevê cerca de 950 TWh até 2030, cerca de 3% da eletricidade mundial. Um terawatt-hora (TWh) é um bilhão de quilowatts-hora.
- A IEA estimou o consumo dos data centers em cerca de 415 TWh em 2024, cerca de 1,5% da eletricidade mundial. A sua atualização de abril de 2026 informou 485 TWh em 2025, 17% a mais em um ano, com a eletricidade usada pelos data centers voltados para IA subindo 50%.
- Ela prevê que os Estados Unidos e a China respondam por quase 80% do crescimento até 2030, e que os servidores acelerados, principalmente para IA, impulsionem quase metade do aumento.
- Nos Estados Unidos, o Lawrence Berkeley National Laboratory estimou que os data centers usaram cerca de 178 TWh em 2023, 4,4% da eletricidade do país, e que poderiam chegar a 6,7–12% até 2028.
Não há um número global confiável só para a IA, porque os data centers não medem separadamente o trabalho de IA. Os relatórios das empresas mostram a tendência: o consumo de eletricidade da Microsoft subiu de cerca de 10,8 TWh no seu ano fiscal de 2020 para cerca de 37,0 TWh em 2025, e o Google informou um aumento de 37% na demanda de eletricidade em 2025, o maior da sua história. Veja por que a IA verde importa agora.
Por que os números de energia da IA variam tanto?
Porque os estudos contam coisas diferentes, em hardware diferente, para modelos e tarefas diferentes. Quatro fatores explicam a maior parte da variação.
- Fronteira do sistema. O próprio artigo do Google mostra que contar apenas os chips de IA ativos dá 0,10 Wh por prompt mediano; somar os processadores e a memória hospedeiros, a capacidade ociosa mantida pronta para a demanda e a refrigeração do data center dá 0,24 Wh, mais que o dobro. Veja a medição é o gargalo.
- Hardware e taxa de utilização. Chips mais novos fazem mais trabalho por watt, e um servidor ocupado divide os seus custos fixos entre mais pedidos do que um servidor ocioso.
- Tamanho do modelo. Nas estimativas de Jegham e colegas, um prompt longo custou cerca de 0,44 Wh no pequeno modelo Llama 3.1 8B e cerca de 29 Wh no DeepSeek-R1, um grande modelo de raciocínio.
- Tokens. Entradas mais longas, respostas mais longas, raciocínio oculto e etapas repetidas de agentes acrescentam tokens, e a energia sobe com eles.
Mais dois cuidados. Os números envelhecem rápido: o Google informou uma queda de 33 vezes na energia por prompt mediano em um ano. E os números autodeclarados não podem ser verificados de forma independente. Quando vir um número, pergunte o que foi medido, com que fronteira e quando. Veja como verificar uma alegação sobre o consumo de energia da IA.
Como a energia da IA se compara com coisas do dia a dia?
Um prompt de texto curto é pequeno perto da maioria dos usos domésticos de eletricidade; o uso intensivo de agentes ou de vídeo, não. Estas comparações são das próprias fontes:
- O Google compara o seu prompt mediano de 0,24 Wh no Gemini a assistir televisão por menos de nove segundos.
- Hausfather compara uma sessão mediana de agente de código no seu uso intensivo (cerca de 0,6 kWh) a carregar um celular cerca de 50 vezes, e um dia médio desse uso (cerca de 3 kWh) a manter funcionando mais de duas geladeiras.
- Couch compara um dia mediano do seu uso de agentes de código (cerca de 1.300 Wh) a usar uma lava-louças uma vez a mais por dia.
- O Google disse em 2009 que uma pesquisa média na web usava cerca de 0,3 Wh, uma ordem de grandeza parecida com a dos prompts de texto curtos de hoje. Os números estão muito distantes no tempo e no método.
A questão não é que um pedido isolado seja grande. É que os hábitos importam: escolher um modelo de raciocínio, colar documentos longos, gerar lotes de imagens ou deixar um agente rodando pode, cada um, multiplicar muitas vezes a energia de uma tarefa. Veja colocar em perspectiva o consumo de energia do meu uso de IA.
O que você pode fazer para reduzir o consumo de energia da IA?
Use a menor ferramenta que dê conta do trabalho, e peça menos a ela. As maiores economias vêm de evitar trabalho desnecessário, não de trocar de fornecedor.
- Decida se você precisa de IA para a tarefa: veja decidir se preciso de IA para uma tarefa.
- Escolha um modelo menor ou mais rápido para as perguntas do dia a dia: veja escolher um modelo de IA menor e como escolher o modelo certo.
- Desligue o raciocínio quando não precisar dele: veja usar os modos de raciocínio só quando necessário.
- Mantenha as conversas curtas e comece um novo chat para um novo assunto: veja manter eficientes as conversas longas com IA.
- Gere menos imagens e vídeos: veja reduzir o impacto da geração de imagens e vídeos por IA.
- Defina limites para os agentes: veja impedir que agentes de IA desperdicem tokens e usar um assistente de programação com IA com uma pegada menor.
Para as organizações, o ponto de partida é a medição: veja como medir a energia da IA, estimar a energia de chamadas a APIs de IA e como usar a IA com eficiência.
O que fazer a seguir
- Leia qual é a pegada de carbono da IA? para converter energia em emissões.
- Leia quanta água a IA consome? para o lado da água.
- Experimente reduzir a energia do meu uso do ChatGPT para hábitos do dia a dia.
- Peça ao seu fornecedor de IA números de energia por tarefa: veja pedir números de energia a uma empresa de IA.
- Compare modelos abertos pela energia medida com o AI Energy Score.
Perguntas frequentes
Quanta energia um prompt do ChatGPT consome?
O CEO da OpenAI disse em 2025 que uma consulta média ao ChatGPT usa cerca de 0,34 watt-hora, e a Epoch AI estimou de forma independente cerca de 0,3 Wh para uma consulta típica ao GPT-4o. Entradas longas, modos de raciocínio e geração de imagens usam muito mais.
Quanta energia a IA consome por prompt?
Para um prompt de texto curto, os números publicados ficam em torno de 0,2 a 0,4 Wh: o Google informa 0,24 Wh para um prompt mediano no Gemini. Estimativas independentes para modelos grandes com prompts longos chegam a cerca de 29 Wh, e sessões de programação com agentes podem usar centenas de watt-hora.
A IA consome mais energia que uma pesquisa no Google?
Não para um prompt de texto curto, pelos números publicados. O Google disse em 2009 que uma pesquisa média usava cerca de 0,3 Wh; hoje informa 0,24 Wh para um prompt de texto mediano no Gemini. Os números têm 16 anos de distância e foram medidos de formas diferentes, então trate isso como uma referência aproximada. Tarefas longas, de raciocínio, de imagens e de agentes usam muito mais.
Quanta eletricidade a IA consome no total?
Não há um número confiável só para a IA. A Agência Internacional de Energia estima que todos os data centers usaram cerca de 485 TWh em 2025, 17% a mais em um ano, que o consumo dos data centers voltados para IA cresceu 50% e que o total chegará a cerca de 950 TWh, cerca de 3% da eletricidade mundial, até 2030.
Treinar ou usar a IA consome mais energia?
Treinar um modelo grande é um custo pontual elevado, como os cerca de 1.287 MWh estimados para o GPT-3. Mas um modelo popular é usado bilhões de vezes, e estimativas do setor citadas por pesquisadores do Google situam a inferência em 80–90% das cargas de trabalho de aprendizado de máquina.
Por que as estimativas de energia da IA variam tanto?
Porque contam coisas diferentes. Incluir a refrigeração do data center, os servidores ociosos e os computadores hospedeiros mais que dobrou o próprio número do Google, de 0,10 Wh para 0,24 Wh. O tamanho do modelo, o hardware, o comprimento do prompt e o número de tokens gerados também mudam a resposta.
Quanta energia a geração de imagens por IA consome?
Em testes de modelos abertos feitos por Luccioni, Jernite e Strubell, gerar imagens usou cerca de 2,9 kWh por 1.000 imagens em média, ou cerca de 2,9 Wh cada uma, mais de mil vezes o necessário para classificar um trecho de texto.
Como posso reduzir a energia que o meu uso de IA consome?
Use um modelo menor ou mais rápido para tarefas simples, mantenha prompts e conversas curtos, desligue os modos de raciocínio quando não precisar deles e gere menos imagens e vídeos. Perguntar se você precisa mesmo de IA para a tarefa é o que mais economiza.
Fontes
- Measuring the environmental impact of delivering AI at Google scale, Elsworth et al., Google (2025)
- The gentle singularity, Sam Altman (OpenAI) (2025)
- How much energy does ChatGPT use?, Epoch AI (2025)
- How hungry is AI? Benchmarking energy, water and carbon footprint of LLM inference, Jegham et al. (arXiv 2505.09598, v6) (2025)
- AI Energy Score v2: refreshed leaderboard, now with reasoning, Luccioni and Gamazaychikov, Hugging Face (2025)
- Power hungry processing: watts driving the cost of AI deployment?, Luccioni, Jernite and Strubell, ACM FAccT 2024 (2024)
- Video killed the energy budget: characterizing the latency and power regimes of open text-to-video models, Delavande, Pierrard and Luccioni (arXiv 2509.19222) (2025)
- The real energy use of agentic AI, Zeke Hausfather, The Climate Brink (2026)
- Electricity use of AI coding agents, Simon P. Couch (2026)
- How we built our multi-agent research system, Anthropic (2025)
- Carbon emissions and large neural network training, Patterson et al. (arXiv 2104.10350) (2021)
- Powering a Google search (Italian edition: Dare energia alle ricerche su Google), Google (2009)
- Llama 3.1 8B model card, Meta (2024)
- Energy and AI, International Energy Agency (2025)
- Key questions on energy and AI, International Energy Agency (2026)
- 2024 United States Data Center Energy Usage Report, Lawrence Berkeley National Laboratory (2024)
- 2026 environmental data fact sheet, Microsoft (2026)
- Read our 11th annual Environmental Report, Google (2026)
Relacionados
Qual é a pegada de carbono da IA?
Pegada de carbono da IA explicada: emissões por prompt, emissões de treinamento nos model cards, carbono incorporado, efeito da rede elétrica e as big techs.
Quanta água a IA consome?
Quanta água a IA consome? Consumo de água por prompt e por modelo, água dos data centers, WUE, dados das empresas, estresse hídrico local e o que não se sabe.
A medição é o gargalo da IA verde
Por que é difícil confiar em números de energia da IA ou compará-los: dados autodeclarados, estimativas em vez de medições, fronteiras diferentes.
Como medir a energia e o carbono da IA
Um guia prático para medir ou estimar a energia e o carbono do trabalho com IA: ferramentas, limites do sistema, métricas por tarefa e incerteza honesta.