Una solicitud típica al modelo de peso abierto Kimi K3 emite alrededor de 0,4 gramos de CO2 cuando se ejecuta en servidores en Suecia. La misma solicitud, en hardware idéntico, emite 3,2 gramos en Texas, 8,5 veces más. Esa brecha es la pieza central de un nuevo método de código abierto para calcular las emisiones de carbono de solicitudes individuales de IA, publicado el 21 de octubre por el proveedor sueco de IA Berget AI junto con investigadores del Instituto Ambiental de Estocolmo (SEI) y las organizaciones sin fines de lucro WattTime y Klimatkollen.
Por qué es importante la contabilidad de carbono por solicitud Para más contexto sobre esta historia, consulta nuestra novedades de IA.
Según Berget AI, la mayoría de las empresas que utilizan IA no tienen forma de saber qué emite realmente su uso. Las cifras públicas que existen suelen ser promedios amplios estimados desde fuera, calculados multiplicando una huella promedio supuesta por una estimación del volumen total, cifras que nadie puede verificar de forma independiente.
El nuevo método adopta el enfoque opuesto: calcula las emisiones solicitud por solicitud, basándose en la intensidad de emisiones promedio de la red eléctrica regional donde realmente funcionan los servidores, y agrega el carbono incorporado de la fabricación del hardware. El resultado depende del modelo utilizado, la hora del día y si parte del mensaje se entrega desde la memoria caché, por lo que cada solicitud se calcula individualmente en lugar de mediante un promedio fijo.
"Hoy en día, la mayoría de las empresas no tienen forma de saber qué emite su uso de la IA", afirmó en el anuncio Andreas Lundmark, director ejecutivo de Berget AI. "Con este método, nuestros clientes pueden seguir su solicitud de emisiones por solicitud y comparar proveedores en términos de datos en lugar de marketing. Sabemos que la mayoría de los compradores europeos elegirían de manera diferente si pudieran ver los números".
La grilla es la variable que domina
La comparación principal (0,4 gramos de CO2 por solicitud de Kimi K3 en Suecia versus 3,2 gramos en Texas) proviene únicamente de diferencias en la combinación de la red. La misma solicitud emite 1,6 gramos en Irlanda y 2,5 gramos en Alemania, según el comunicado de prensa. Debido a que el hardware subyacente es idéntico en cada caso, el delta es casi exclusivamente una función de dónde se conecta el centro de datos.
Esa variable se está convirtiendo en una decisión de adquisición en lugar de una restricción fija. Los modelos abiertos, que pueden ejecutarse legalmente en cualquier centro de datos, ahora manejan una proporción cada vez mayor del tráfico global de IA. Berget AI cita cifras de AI Gateway de Vercel que muestran que los modelos abiertos sirvieron el 29% de los tokens en junio de 2026, frente al 11% en abril. Para esas cargas de trabajo, el comprador puede elegir la geografía, siempre que las emisiones sean realmente visibles.
"La mayoría de las cifras alarmantes sobre la huella de la IA provienen de multiplicar un promedio por una estimación del volumen, y nadie puede verificarlas", dijo Christian Landgren, CTO y cofundador de Berget AI. "La única comparación justa es calcular cada solicitud y sumarlas. Hemos publicado nuestros juicios para que cualquiera pueda verificarlos y utilizarlos".
Construido sobre estándares existentes, publicado bajo el MIT
El método sigue la especificación SCI para IA de la Green Software Foundation y está disponible bajo la licencia MIT en GitHub. Berget AI también lanzó una calculadora pública en co2.berget.ai que aplica el método a cualquier modelo y región, basándose en estimadores de código abierto anteriores como EcoLogits y el panel CLEER de Sustainable AI Group. Los clientes del propio servicio de inferencia de Berget pueden observar cómo se acumulan sus emisiones en la consola de la empresa mientras consultan los modelos.
Los socios mapearon y midieron el impacto ambiental de la infraestructura de Berget directamente (energía, agua y hardware) junto con la huella de carbono de Garbo AI de Klimatkollen, que se ejecuta en esa infraestructura, y luego combinaron las mediciones con investigaciones actuales sobre cómo traducir el uso de recursos en carbono y un impacto ambiental más amplio.
El crecimiento de la demanda sigue superando la eficiencia
El comunicado llega en medio de proyecciones en fuerte aumento para el consumo de energía de los centros de datos. Somya Joshi, directora de investigación de SEI, señaló las cifras de la Agencia Internacional de Energía que proyectan que el consumo de electricidad de los centros de datos se duplicará hasta aproximadamente 945 TWh para 2030, con la IA como el principal impulsor.
"Cualquier promesa de aumento de la eficiencia probablemente se verá contrarrestada por una mayor demanda, anulando cualquier reducción de emisiones proveniente de las energías renovables", dijo Joshi en el anuncio. "Metodologías como esta ofrecen una base transparente para tomar decisiones informadas. Su punto fuerte es que demuestran claramente cómo la ubicación de la red y la infraestructura crítica son importantes cuando se trata de cuán sostenible puede ser la IA".
Qué significa para los compradores de IA
Para las empresas que ejecutan sus propias implementaciones de peso abierto, la implicación práctica es sencilla: el mismo modelo puede tener un precio de carbono que varía en un factor de ocho dependiendo de la región, y ahora existen herramientas para medir esa diferencia antes de firmar un contrato. Berget AI dice que quiere que otros proveedores de inferencias adopten informes por solicitud para que los compradores puedan comparar proveedores en cifras medidas en lugar de afirmaciones de marketing.
Los autores del método reconocen que sus cifras son estimaciones basadas en la ubicación que utilizan una combinación de red promedio en lugar de emisiones marginales por hora, una simplificación común a esta clase de herramientas. Aun así, la transparencia de los supuestos (todos publicados para su revisión) es lo que distingue el esfuerzo de los promedios opacos que han dominado el discurso sobre la energía de la IA hasta ahora.
Que otros proveedores sigan su ejemplo puede depender menos del código que de la presión de adquisición: si los compradores empresariales comienzan a solicitar emisiones por solicitud en las RFP, los informes basados en promedios serán más difíciles de defender.
---
Mantente al Día con la IALas últimas noticias, análisis y avances de inteligencia artificial, en un solo lugar.
Leer más noticias de IA →
