En este trabajo, examinamos el rendimiento, la eficiencia energética y la usabilidad al usar Python para desarrollar códigos de computación de alto rendimiento que se ejecutan en la unidad de procesamiento gráfico (GPU). Investigamos la portabilidad del rendimiento y la eficiencia energética entre la Arquitectura de Dispositivos Unificados de Cómputo (CUDA) y el Lenguaje de Cómputo Abierto (OpenCL); entre generaciones de GPU; y entre GPUs de gama baja, media y alta. Nuestros hallazgos mostraron que el impacto de usar Python es insignificante para nuestras aplicaciones, y además, las aplicaciones CUDA y OpenCL ajustadas a un nivel equivalente pueden en muchos casos obtener el mismo rendimiento computacional. Nuestros experimentos mostraron que el rendimiento en general varía más entre diferentes GPUs que entre el uso de CUDA y OpenCL. También demostramos que ajustar para el rendimiento es una buena forma de ajustar para la eficiencia energética, pero que se necesita un ajuste específico para obtener una eficiencia energética óptima.