# Quanta energia a IA consome?

> Quanta energia a IA consome? Números por prompt do ChatGPT, Gemini, raciocínio, imagens, vídeo e agentes de código, e o total dos data centers, com fontes.

Source: https://greenai.guide/pt/artigos/quanta-energia-a-ia-consome/  
Updated: 2026-11-20

## 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? {#how-much-energy-does-a-chatgpt-or-gemini-prompt-use}

**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 {#energy-per-task-the-figures-compared}

**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](/pt/glossario/#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? {#why-do-reasoning-models-images-and-agents-use-more}

**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? {#how-much-energy-does-an-ai-coding-agent-use}

**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](/pt/artigos/ia-agentica-e-desperdicio-de-tokens/).

## O maior custo é o treinamento ou a inferência? {#is-training-or-inference-the-bigger-cost}

**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](/pt/glossario/#inference) 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](/pt/artigos/eficiencia-nao-e-suficiencia-o-efeito-rebote-na-ia/).

## Quanta eletricidade os data centers e a IA consomem no total? {#how-much-electricity-do-data-centres-and-ai-use-in-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](/pt/artigos/por-que-a-ia-verde-importa-agora/).

## Por que os números de energia da IA variam tanto? {#why-do-ai-energy-figures-vary-so-much}

**Porque os estudos contam coisas diferentes, em hardware diferente, para modelos e tarefas diferentes.** Quatro
fatores explicam a maior parte da variação.

1. **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](/pt/artigos/a-medicao-e-o-gargalo-da-ia-verde/).
2. **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.
3. **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.
4. **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](/pt/como/como-verifico-uma-afirmacao-sobre-o-consumo-de-energia-da-ia/).

## Como a energia da IA se compara com coisas do dia a dia? {#how-does-ai-energy-compare-with-everyday-things}

**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](/pt/como/quanta-energia-a-ia-que-uso-gasta-em-comparacao-com-outras-coisas/).

## O que você pode fazer para reduzir o consumo de energia da IA? {#what-can-you-do-to-cut-ai-energy-use}

**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](/pt/como/como-sei-se-preciso-mesmo-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](/pt/como/como-escolho-um-modelo-de-ia-menor/)
  e [como escolher o modelo certo](/pt/boas-praticas/escolha-o-modelo-certo-para-a-tarefa/).
- **Desligue o raciocínio** quando não precisar dele: veja [usar os modos de raciocínio só quando necessário](/pt/como/como-sei-quando-usar-um-modo-de-pensamento-ou-de-raciocinio-da-ia/).
- **Mantenha as conversas curtas** e comece um novo chat para um novo assunto: veja [manter eficientes as conversas longas com IA](/pt/como/como-evito-que-conversas-longas-com-a-ia-desperdicem-energia/).
- **Gere menos imagens e vídeos:** veja [reduzir o impacto da geração de imagens e vídeos por IA](/pt/como/como-reduzo-o-impacto-da-geracao-de-imagens-e-videos-com-ia/).
- **Defina limites para os agentes:** veja [impedir que agentes de IA desperdicem tokens](/pt/como/como-evito-que-agentes-de-ia-desperdicem-tokens/) e
  [usar um assistente de programação com IA com uma pegada menor](/pt/como/como-uso-um-assistente-de-programacao-com-ia-sem-uma-grande-pegada/).

Para as organizações, o ponto de partida é a medição: veja [como medir a energia da IA](/pt/boas-praticas/como-medir-a-energia-e-o-carbono-da-ia/),
[estimar a energia de chamadas a APIs de IA](/pt/como/como-estimo-a-energia-das-minhas-chamadas-de-api-de-ia/) e
[como usar a IA com eficiência](/pt/boas-praticas/use-a-ia-com-eficiencia-habitos-do-dia-a-dia/).

## O que fazer a seguir {#what-to-do-next}

- Leia [qual é a pegada de carbono da IA?](/pt/artigos/qual-e-a-pegada-de-carbono-da-ia/) para converter energia em emissões.
- Leia [quanta água a IA consome?](/pt/artigos/quanta-agua-a-ia-consome/) para o lado da água.
- Experimente [reduzir a energia do meu uso do ChatGPT](/pt/como/como-reduzo-a-energia-que-gasto-usando-o-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](/pt/como/como-peco-a-uma-empresa-de-ia-os-numeros-de-energia-dela/).
- Compare modelos abertos pela energia medida com o [AI Energy Score](/pt/como/como-interpreto-uma-classificacao-do-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](https://arxiv.org/abs/2508.15734), Elsworth et al., Google (2025)
- [The gentle singularity](https://blog.samaltman.com/the-gentle-singularity), Sam Altman (OpenAI) (2025)
- [How much energy does ChatGPT use?](https://epoch.ai/gradient-updates/how-much-energy-does-chatgpt-use), Epoch AI (2025)
- [How hungry is AI? Benchmarking energy, water and carbon footprint of LLM inference](https://arxiv.org/abs/2505.09598), Jegham et al. (arXiv 2505.09598, v6) (2025)
- [AI Energy Score v2: refreshed leaderboard, now with reasoning](https://huggingface.co/blog/sasha/ai-energy-score-v2), Luccioni and Gamazaychikov, Hugging Face (2025)
- [Power hungry processing: watts driving the cost of AI deployment?](https://arxiv.org/abs/2311.16863), 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](https://arxiv.org/abs/2509.19222), Delavande, Pierrard and Luccioni (arXiv 2509.19222) (2025)
- [The real energy use of agentic AI](https://www.theclimatebrink.com/p/the-real-energy-use-of-agentic-ai), Zeke Hausfather, The Climate Brink (2026)
- [Electricity use of AI coding agents](https://www.simonpcouch.com/blog/2026-01-20-cc-impact/), Simon P. Couch (2026)
- [How we built our multi-agent research system](https://www.anthropic.com/engineering/multi-agent-research-system), Anthropic (2025)
- [Carbon emissions and large neural network training](https://arxiv.org/abs/2104.10350), Patterson et al. (arXiv 2104.10350) (2021)
- [Powering a Google search (Italian edition: Dare energia alle ricerche su Google)](https://blog.google/intl/it-it/notizie-aziendali/iniziative/dare-energia-alle-ricerche-su-google/), Google (2009)
- [Llama 3.1 8B model card](https://huggingface.co/meta-llama/Llama-3.1-8B), Meta (2024)
- [Energy and AI](https://www.iea.org/reports/energy-and-ai/energy-demand-from-ai), International Energy Agency (2025)
- [Key questions on energy and AI](https://www.iea.org/reports/key-questions-on-energy-and-ai/executive-summary), International Energy Agency (2026)
- [2024 United States Data Center Energy Usage Report](https://eta-publications.lbl.gov/publications/2024-lbnl-data-center-energy-usage-report), Lawrence Berkeley National Laboratory (2024)
- [2026 environmental data fact sheet](https://cdn-dynmedia-1.microsoft.com/is/content/microsoftcorp/microsoft/msc/documents/presentations/CSR/2026-Microsoft-Environmental-Data-Fact-Sheet-PDF.pdf), Microsoft (2026)
- [Read our 11th annual Environmental Report](https://blog.google/company-news/outreach-and-initiatives/sustainability/2026-environmental-report/), Google (2026)
