IA con energía renovable.

Dónde se responden tus prompts

Toda la inferencia de IA de Union AI se ejecuta en Scaleway Generative APIs, dentro de la Unión Europea. Scaleway tiene todos sus servidores de IA en un único centro de datos, DC5, que construyó para este tipo de carga. Así que las cifras de abajo no son una media de un parque mixto: son las del edificio al que van de verdad tus prompts.

Qué significan las cifras

PUE (power usage effectiveness, eficiencia en el uso de la energía) es la energía total que usa un centro de datos dividida entre la que usan los propios servidores. Con 1,25, cada kWh de cómputo cuesta 0,25 kWh extra de refrigeración y suministro eléctrico. Con la media mundial de 1,55, ese consumo adicional es de 0,55 kWh, más del doble.

Refrigeración sin aire acondicionado es de donde sale la mayor parte de esa diferencia. El centro de datos de IA hace pasar aire exterior filtrado por los servidores y solo añade refrigeración por evaporación (adiabática) cuando fuera hace más de 28 °C. Scaleway cifra el ahorro en energía de refrigeración entre un 30 y un 40 % respecto al resto del mercado.

WUE (water usage effectiveness, eficiencia en el uso del agua) son los litros de agua por kWh. La mayoría de los centros de datos usan torres de refrigeración, que evaporan grandes volúmenes durante todo el año. Este no, y solo usa agua los días de calor.

No tienes que creernos. El operador publica el PUE del centro de datos de IA en directo, en tiempo real, con la cifra de los últimos doce meses al lado.

Lo que añadimos nosotros

El centro de datos es trabajo de Scaleway, no nuestro. Lo que controlamos es cuánto cómputo necesita cada respuesta, y ahí hemos tomado tres decisiones.

• Sin GPU en espera. Funcionamos en serverless: los modelos están en hardware compartido que da servicio a muchos clientes, y pagamos por token. No hay ninguna tarjeta gráfica dedicada esperando, encendida, a nuestra próxima petición.
• Modelos que solo activan la parte que necesitan. Nuestros modelos son modelos mixture-of-experts, que solo usan una parte de sus pesos por palabra. Estándar, el tier del día a día, activa unos 3.000 millones de sus 35.000 millones de parámetros por cada token.
• Lo pesado, solo cuando hace falta. Las preguntas del día a día, los resúmenes y las reescrituras van a los tiers más ligeros. Pro, el modelo más grande, está para los problemas difíciles, no para cada mensaje. Qué modelo hay detrás de cada tier está en la página de transparencia de IA.

Metodología: energía por respuesta

Debajo de cada respuesta del chat ves una pequeña etiqueta como ≈ 0,2 Wh. Es una estimación, no una medición. Scaleway, que ejecuta los modelos por nosotros, no informa de la energía por petición, así que la calculamos a partir de lo que sí sabemos: cuántos tokens ha usado la respuesta, qué tier ha respondido y lo eficiente que es el centro de datos.

Todo lo que necesitas para comprobarlo está abajo: la fórmula, cada cifra, un ejemplo resuelto y las fuentes. Cuando tenemos dudas redondeamos al alza, así que si la estimación se equivoca, debería equivocarse por arriba. Versión del método 1, revisada el 28 de septiembre de 2026.

La fórmula

• Los tokens son las cantidades que el proveedor del modelo indica para la respuesta, las mismas que medimos para facturar. No se deduce nada de la longitud del texto. Un token equivale más o menos a tres cuartos de palabra.
• Las cifras de entrada y de salida son fijas por tier, en vatios hora por 1.000 tokens, para la tarjeta gráfica y el resto del servidor. Están en la tabla de abajo.
• 1,25 es el PUE del centro de datos de IA (Scaleway, datos de 2024). Añade la energía de refrigeración y suministro eléctrico a la de los servidores.
• 51,9 g de CO₂e por kWh es la media de la red eléctrica de la que se abastece el centro de datos, en todo el ciclo de vida (ADEME Base Empreinte, electricidad 2024).

De dónde salen las cifras por tier

Nadie publica la energía medida de los modelos exactos que hay detrás de nuestros tiers, en el hardware y con la carga con que los ejecuta Scaleway. Así que cada cifra se construye en cuatro pasos a partir de las mediciones publicadas más cercanas.

1. Lo que usa la tarjeta gráfica por cada palabra que escribe. Del ML.ENERGY Leaderboard, que mide la energía de la GPU por token de salida en tarjetas NVIDIA H100. Tomamos la cifra de un servidor con carga moderada (tamaño de lote 64); los servidores de producción con mucha carga usan de 2 a 5 veces menos por token. Cuando un modelo no se ha medido, usamos 0,10 julios por cada mil millones de parámetros activos, el extremo alto del rango que muestran modelos similares.
2. El resto del servidor. Una cifra de GPU deja fuera el procesador, la memoria y las máquinas que se mantienen listas pero inactivas. En el desglose medido por Google, eso añade alrededor de un 57 % más, así que multiplicamos por 1,6.
3. Leer tu prompt. La entrada se lee en paralelo y cuesta mucho menos por token que escribir la respuesta: las mediciones la sitúan entre 1:10 y 1:35. Contamos un token de entrada como una quinta parte de un token de salida, lo que deja un margen de al menos el doble.
4. El peor caso por tier. Si el modelo de un tier no está disponible, responde un modelo de respaldo. Cada tier lleva la cifra más alta de su modelo y de sus modelos de respaldo, redondeada al alza, así que un modelo de respaldo nunca hace que la estimación se quede corta.

Las cifras por tier

Las columnas de entrada y salida son solo del servidor, antes del consumo adicional del centro de datos. Las dos últimas columnas son un mensaje mediano de 900 tokens de entrada y 500 de salida, con el consumo adicional incluido.

La cifra de un tier es la más alta entre su propio modelo y sus modelos de respaldo, así que dos tiers pueden mostrar el mismo número. Los tiers más potentes consumen más porque sus modelos activan más parámetros por cada palabra que escriben.

Ejemplo resuelto: un mensaje mediano en Standard

Un mensaje mediano son 900 tokens de entrada (tu pregunta más la conversación hasta ese momento) y 500 tokens de salida.

En el chat se muestra como ≈ 0,2 Wh y ≈ 0,008 g de CO₂e. El mismo mensaje en Pro, el tier más potente, consume unos 1,7 Wh.

¿Tiene sentido?

• Epoch AI estima unos 0,3 Wh para una consulta a ChatGPT (GPT-4o) con 500 tokens de salida, y considera esa cifra bastante pesimista.
• Google midió una mediana de 0,24 Wh por prompt de texto en Gemini, con todo incluido.
• Investigadores de Microsoft sitúan la mediana para modelos grandes en servidores H100 en 0,31 Wh por consulta.

Standard activa unos 3.000 millones de parámetros por palabra, así que quedar por debajo de esas cifras es lo esperable. Pro activa muchos más y queda por encima: ahí es donde más se nota nuestro redondeo al alza.

Carbono: dos afirmaciones, por separado

1. La electricidad es 100 % renovable. Scaleway abastece el centro de datos con electricidad renovable respaldada por garantías de origen. Una garantía de origen es un certificado de que se ha inyectado en la red la misma cantidad de electricidad renovable, no un cable desde un parque eólico hasta el edificio.
2. Aun así, la cifra de CO₂e usa la media de la red. Si contáramos los certificados, saldría casi cero. Mostramos lo que emitiría esa misma electricidad con la media de la red a la que está conectado el centro de datos: 51,9 g de CO₂e por kWh en todo el ciclo de vida. Es más que la cifra del propio operador de la red, así que peca por arriba.

Lo que no cubre la estimación

• Sin contador por petición. Cada cifra es una estimación a partir de mediciones publicadas de modelos similares en hardware similar.
• Hardware compartido. Los modelos se ejecutan en tarjetas gráficas compartidas con otros clientes. Lo cargadas que estén cambia la energía por token entre 5 y 10 veces, y no conocemos la carga de Scaleway ni los tipos exactos de tarjeta. Suponemos una carga moderada en tarjetas de la clase H100.
• Modelos más nuevos. Ninguno de los modelos que hay detrás de nuestros tiers tiene todavía una medición de energía publicada, así que sus cifras salen de sus predecesores o de su tamaño.
• Prompts muy largos. La cifra por token de entrada es plana. Un prompt de cientos de miles de tokens cuesta más por token, así que para un prompt así en Contexto largo la estimación probablemente se queda corta.
• Entrenamiento y fabricación. Ejecutamos modelos open-weight que otros entrenaron, y no sabemos cuánta energía usó ese entrenamiento. La fabricación de los servidores, las tarjetas y el edificio tampoco está en la cifra.
• Solo el modelo. Nuestra web, la base de datos, los pagos y tu propio dispositivo no están incluidos.

Cuando Scaleway publique la energía por petición, o aparezcan mejores mediciones de estos modelos, sustituiremos la estimación y subiremos la versión del método.

Dónde lo ves

• Debajo de cada respuesta del chat, con el CO₂e y un enlace a esta sección.
• Para toda la conversación, arriba del chat.
• Por mes, en Facturación: cada respuesta del chat y cada llamada a la API desde el día 1.

Fuentes de la estimación

Cada cifra de esta sección sale de una de estas fuentes:

• ML.ENERGY Leaderboard v3.0, H100 energy per output token (data of 2026-02-16)
• Chung et al., Where Do the Joules Go? Diagnosing Inference Energy Consumption (2026)
• Elsworth et al., Measuring the environmental impact of delivering AI at Google scale (2025)
• Epoch AI, How much energy does ChatGPT use? (2025)
• Oviedo et al., Energy Use of AI Inference, Efficiency Pathways, and Test-Time Scaling (Joule, 2026)
• Delavande, Pierrard and Luccioni, Small Talk, Big Impact: The Energy Cost of Thanking AI (2026)
• Scaleway Impact Report 2025 (PDF)
• ADEME Base Empreinte, electricity 2024, average consumption mix

Lo que afirmamos y lo que no

• ✓Cierto: Toda la inferencia de IA se ejecuta en un centro de datos con electricidad 100 % renovable, dentro de la Unión Europea.
• ✓Cierto: Ese centro de datos tiene un PUE de 1,25 y se refrigera sin aire acondicionado (Scaleway, datos de 2024).
• ✓Cierto: Cada respuesta del chat muestra una estimación de su consumo de energía y de su CO₂e, calculada con el método publicado arriba.
• ✕No es cierto: «IA neutra en carbono.» El suministro renovable está respaldado por garantías de origen, no por un parque eólico conectado al edificio, y la fabricación de los servidores tiene su propia huella.
• ✕No es cierto: «Los modelos se entrenaron con energía verde.» Ejecutamos modelos open-weight que otros entrenaron. No podemos verificar con qué energía se hizo ese entrenamiento, así que no lo afirmamos.
• ✕No es cierto: «Todo nuestro stack es verde.» Estas cifras cubren la inferencia. El hosting de la web, la base de datos y los pagos funcionan en las otras empresas de nuestra página de subencargados, con sus propias cifras.
• ✕No es cierto: «Energía medida por mensaje.» La cifra debajo de cada respuesta es una estimación a partir de mediciones publicadas, redondeada al alza, no la lectura de un contador.

Fuentes

Todas las cifras del centro de datos son de la propia Scaleway, de 2024, y salen del Scaleway Impact Report 2025 (PDF). La media mundial de PUE de 1,55 es la cifra del Uptime Institute que cita ese informe. Por qué el hosting europeo importa más allá de la energía se explica en IA soberana europea.