Hay una conversación que casi nadie quiere tener cuando se compara ChatGPT y Claude. Todos discuten sobre cuál razona mejor, cuál escribe más natural o cuál programa sin romper el código. Pero casi nadie mira la factura eléctrica que hay detrás de cada respuesta. Y esa factura, amigo, es la que está haciendo que tu suscripción suba sin que te enteres.
Dos filosofías, un mismo agujero en el balance
OpenAI y Anthropic no son rivales en el sentido clásico. Son dos formas distintas de resolver el mismo problema: cómo hacer que un modelo de lenguaje grande sea rentable cuando la energía que lo alimenta no deja de encarecerse.
OpenAI apostó por la escala bruta con GPT-4 y GPT-4o: cientos de millones de usuarios, una infraestructura que se come la electricidad de ciudades medianas y una política de precios que ha ido subiendo sin demasiado disimulo. Anthropic, con Claude, vendió durante mucho tiempo la idea de la «IA constitucional» y un uso más quirúrgico de la inferencia. La comparación ChatGPT y Claude, en el fondo, no va de calidad de respuesta. Va de quién aguanta antes el tirón energético.
La trampa es que los dos están construyendo sobre el mismo pilar que se resquebraja. La diferencia está en cómo disimulan la subida. OpenAI la pone en el precio. Anthropic la esconde en el tokenizador.
El truco del tokenizador: pagas lo mismo y consumes más
Aquí viene el dato que casi nadie te cuenta. El coste oficial de Claude ronda los 5 dólares por millón de tokens de entrada y unos 25 por millón de salida. Números que llevan meses sin moverse en la web de Anthropic. Pero el tokenizador de Opus 4.7 puede inflar el consumo hasta un 35% para exactamente el mismo texto que antes gastaba menos tokens.
Traducido: pagas el mismo precio nominal por token, pero necesitas más tokens para decir lo mismo. En la práctica, el coste energético de tu suscripción ha subido sin que veas un solo cambio en la tarifa. Es la misma jugada que hizo el sector de las telecomunicaciones cuando pasó de tarifas planas a «ilimitadas con letra pequeña».
ChatGPT juega una partida parecida con sus propios ajustes de contexto y ventanas de memoria. La comparación ChatGPT y Claude deja de tener sentido cuando entiendes que ambos están trasladando el coste energético al usuario por la puerta de atrás.
Si un modelo consume un 35% más de tokens para el mismo resultado, el precio real por respuesta se ha disparado un 35%. Lo llames como lo llames.
Impacto medioambiental de la IA: el elefante que nadie quiere mirar
El impacto ambiental de la IA no es una anécdota de activistas. Es un problema sistémico que ya está en los informes de la Agencia Internacional de la Energía. Los centros de datos que alimentan a ChatGPT y Claude son responsables de entre el 1% y el 2% de las emisiones globales de gases de efecto invernadero, y la previsión es que esa cifra se dispare.
El consumo eléctrico de los data centers pasó de unos 460 TWh en 2022 a superar los 1.000 TWh en 2026. Esa es la factura que estamos pagando con nuestros tokens, aunque la recibamos en forma de suscripción mensual.
Y no solo es electricidad. Un centro de datos medio puede tragarse hasta 600.000 litros de agua al día solo para refrigeración. Agua que en regiones como Arizona, Andalucía o Chile ya está en disputa con la agricultura y el consumo humano.
Entrenar es caro, pero inferir es lo que te está arruinando
Entrenar GPT-3 emitió unas 552 toneladas de CO2, el equivalente a 123 coches circulando un año entero. GPT-4 se estima entre 5.000 y 10.000 toneladas. Cada modelo nuevo es una pequeña ciudad industrial que funciona a pleno rendimiento durante meses.
Pero el entrenamiento es solo la punta del iceberg. La inferencia, ese momento en el que le pides a la IA que te revise un contrato o te escriba un email, ya supera al entrenamiento en consumo. En 2023, el 60% de la energía de los centros de datos de IA se iba en inferencia. En 2026, esa cifra ronda el 80%.
Cada vez que usas el asistente estás dejando una huella de carbono comparable a la de un pequeño electrodoméstico encendido sin parar. Multiplícalo por cientos de millones de usuarios y entenderás por qué la comparación ChatGPT y Claude se queda corta: el problema no es cuál es mejor, es que los dos están quemando el mismo planeta.
Costes de inferencia: de la fiesta del capital riesgo a la resaca
Durante años, las empresas de IA han quemado dinero de inversores para ofrecerte tokens casi gratis. La estrategia era la de siempre: engancharte, crear dependencia y subir el precio cuando ya no puedas vivir sin ella. Amazon lo hizo con el envío gratis. Spotify con el streaming. La diferencia es que ni Amazon ni Spotify necesitan alimentar sus servidores con cantidades industriales de electricidad cada vez más cara.
El coste de inferencia de GPT-4 se estima en unos 4 céntimos por cada 1.000 tokens. Suena a poco hasta que haces números. Un desarrollador que consume 100.000 tokens al día le cuesta a la empresa unos 120 dólares al mes. Él paga 20. La diferencia la ponen los inversores, y esa fiesta se está acabando.
Anthropic lo enseñó sin pudor: su margen bruto fue del -94% en 2024. Perdían casi dos dólares por cada dólar ingresado. En 2025, con límites semanales, nuevos tokenizadores y bloqueo de herramientas de terceros, lograron subir al 40%. Sigue sin ser suficiente para una empresa que compite contra OpenAI y Google al mismo tiempo.
Eficiencia energética en centros de datos: la batalla del PUE
El PUE (Power Usage Effectiveness) mide cuánta energía consume un centro de datos frente a la que realmente usan los servidores. Un PUE de 1.0 sería perfecto. La mayoría de los data centers operan entre 1.2 y 1.6, lo que significa que entre el 20% y el 60% de la energía se va en refrigeración, iluminación y pérdidas.
Google y Microsoft han presumido de PUE cercanos a 1.1 en sus instalaciones más modernas. Pero ese dato esconde la trampa: un PUE bajo no significa consumo bajo. Significa que el centro es eficiente en relación a lo que consume, no que consuma poco. Si el volumen se multiplica por diez, un PUE de 1.1 sigue siendo un problema enorme para la red eléctrica.
La comparación ChatGPT y Claude en términos de eficiencia energética es, en realidad, una comparación de quién optimiza mejor dentro de un modelo insostenible. Los dos están construyendo castillos de naipes sobre una red eléctrica que no da abasto.
Lo que viene en 2026: energía cara, tokens caros
En 2023, el coste de inferencia de un modelo grande rondaba los 15 dólares por millón de tokens. En 2025 bajó a 5-8 dólares gracias a mejoras de eficiencia. En 2026, con la energía por las nubes y la demanda disparada, las estimaciones apuntan a que volverá a superar los 10 dólares por millón.
Es el péndulo de la eficiencia chocando contra un mundo con recursos finitos. Puedes optimizar el modelo todo lo que quieras, pero si el megavatio hora sube un 40%, el ahorro se lo come la factura eléctrica.
La conclusión incómoda es esta: ni ChatGPT ni Claude van a bajar de precio en 2026. Y si ves una oferta que parece demasiado buena, mira el tokenizador. La comparación ChatGPT y Claude ya no va de inteligencia. Va de quién te cobra antes por el mismo calor que genera tu pregunta.
