Precios de las API de IA: entender la factura y reducirla sin perder calidad

El precio de una API de IA se calcula por millón de tokens, con una tarifa para el texto que el modelo lee y otra, más alta, para el que escribe. Para reducir la factura, primero hay que saber qué envía realmente en cada llamada; después, elegir el modelo adecuado para cada tarea y activar los descuentos que ya ofrecen los proveedores.

Cómo le factura una API de IA

Cuando conecta un modelo a una aplicación, una web o una automatización, pasa por su API, una puerta de entrada técnica. Ya no paga una suscripción plana, sino un consumo medido en tokens: fragmentos de texto de unos pocos caracteres. Como un token cuesta una fracción de céntimo, los proveedores publican un precio por millón de tokens.

Casi todas las tarifas distinguen dos precios:

• la entrada: todo lo que el modelo lee (instrucciones, historial, documentos, pregunta);
• la salida: todo lo que escribe, incluidos, en los proveedores que lo indican, sus tokens de razonamiento invisibles.

La fórmula cabe en una línea:

coste = tokens de entrada × precio de entrada ÷ 1 000 000 + tokens de salida × precio de salida ÷ 1 000 000

Dos detalles lo cambian todo. Primero, el mismo texto no da el mismo número de tokens en todos los modelos, porque cada tokenizador lo divide a su manera. Segundo, la salida cuesta varias veces más que la entrada en la mayoría de los proveedores: una respuesta larga pesa enseguida más que un documento extenso. Para saber cuántos tokens representa su propio texto, péguelo en nuestro estimador de tokens.

Los precios de los modelos al 22 de octubre de 2026

Las tarifas cambian a menudo; por eso importa la fecha del dato. La tabla siguiente recoge los precios públicos recopilados por models.dev el 22 de octubre de 2026 para una selección de modelos recientes, desde la gama alta hasta las versiones ligeras.

Modelo	Desarrollador	Lanzamiento	Contexto (tokens)	Entrada ($/M tokens)	Salida ($/M tokens)	Pesos abiertos
Claude Opus 5.5	Anthropic	22 de septiembre de 2026	1 M	4 US$	20 US$	No
GPT-6 Astra	OpenAI	4 de septiembre de 2026	1,05 M	10 US$	50 US$	No
Gemini 4 Argon	Google DeepMind	13 de octubre de 2026	1,05 M	2 US$	10 US$	No
Claude Sonnet 5.5	Anthropic	28 de septiembre de 2026	1 M	2 US$	10 US$	No
Mistral Large 4	Mistral AI	6 de octubre de 2026	1,05 M	1,36 US$	4,18 US$	No
DeepSeek V4.1 Flash 1017	DeepSeek	17 de octubre de 2026	1,05 M	0,15 US$	0,60 US$	Sí
Claude Haiku 5.5	Anthropic	7 de octubre de 2026	1 M	0,10 US$	0,50 US$	No
GPT-6 Luna	OpenAI	22 de septiembre de 2026	1,05 M	0,10 US$	0,50 US$	No
Qwen3.7 Flash	Alibaba Cloud (Qwen)	15 de julio de 2026	1 M	0,03 US$	0,13 US$	No

El gráfico muestra el precio de salida de esos mismos modelos. La distancia entre el más caro y el más ligero se cuenta en decenas de veces, lo que convierte la elección del modelo en la primera palanca de ahorro.

Precio de salida ($ por millón de tokens)

• Claude Opus 5.520 US$
• GPT-6 Astra50 US$
• Gemini 4 Argon10 US$
• Claude Sonnet 5.510 US$
• Mistral Large 44,18 US$
• DeepSeek V4.1 Flash 10170,60 US$
• Claude Haiku 5.50,50 US$
• GPT-6 Luna0,50 US$
• Qwen3.7 Flash0,13 US$

Un ejemplo con cifras: mismo uso, dos modelos

Tomemos un caso ficticio pero realista: un asistente de atención al cliente de una tienda en línea que gestiona 1000 conversaciones al día. Cada conversación envía de media 1500 tokens (instrucciones, historial, pregunta) y recibe 500. En total, 1,5 millones de tokens de entrada y 0,5 millones de tokens de salida al día.

Con los precios de models.dev del 22 de octubre de 2026:

Modelo	Entrada al día	Salida al día	Total al día	En 30 días
Claude Haiku 5.5	1,5 × 0,1 = 0,15 $	0,5 × 0,5 = 0,25 $	0,40 $	unos 12 $
Claude Opus 5.5	1,5 × 4 = 6 $	0,5 × 20 = 10 $	16 $	unos 480 $

El mismo servicio cuesta 40 veces más con el modelo de gama alta. Observe también que, en ambos casos, la salida, tres veces menor en volumen, pesa más que la entrada. Este cálculo no dice cuál atiende mejor a sus clientes: dice cuánto vale para usted la diferencia de calidad. Para repetirlo con sus propios volúmenes y otros modelos, use nuestra calculadora de coste de un agente.

Lo que infla la factura sin avisar

Los excesos rara vez vienen del precio publicado. Vienen del volumen real de tokens, que suele subestimarse.

• El historial de la conversación. Una API no recuerda nada: para mantener el hilo, se reenvía toda la conversación con cada mensaje. En el vigésimo intercambio, paga la relectura de los diecinueve anteriores.
• El prompt de sistema y los archivos adjuntos. Las instrucciones permanentes y los documentos situados al principio de la petición se releen, y se facturan, en cada llamada.
• El razonamiento. Un modelo de razonamiento genera tokens de reflexión que se facturan como salida. Una respuesta de tres líneas puede costar lo que una página entera.
• Los bucles de un agente. Un agente que planifica, llama a una herramienta, lee el resultado y vuelve a empezar hace varias llamadas para una sola tarea, cada una con su contexto. Nuestra guía para crear un agente de IA, del no-code al código explica cómo funcionan esos bucles.
• Los reintentos. Un error, una salida mal formada o superar un límite de velocidad relanzan la llamada, que se factura de nuevo.

Póngase a prueba Su agente cuesta el doble de lo previsto y el número de usuarios no ha cambiado. ¿Qué debería revisar primero?

El número medio de tokens por tarea, separando entrada y salida. Un aumento suele deberse a un historial que crece, a un documento añadido al prompt de sistema, a un nivel de razonamiento más alto o a un agente que da más pasos. Los registros de la consola del proveedor o una herramienta de observabilidad lo muestran llamada por llamada.

Siete palancas para reducir la factura

Estas son las palancas más eficaces, de la más sencilla a la más técnica. Ninguna obliga a sacrificar calidad si mide antes y después.

Palanca	Qué hace	Esfuerzo
1. Elegir el modelo por tarea	Reservar la gama alta para las tareas difíciles	Bajo
2. Salidas más cortas	Pedir un formato breve, fijar una longitud máxima	Bajo
3. Caché del prompt	Pagar menos por el inicio repetido de la petición	Bajo a medio
4. Procesamiento por lotes	Agrupar las tareas que no son urgentes	Medio
5. Contexto más ligero	Resumir el historial, enviar solo los pasajes útiles	Medio
6. Ajustar el razonamiento	Bajar el esfuerzo de reflexión en tareas simples	Bajo
7. Limitar los bucles	Poner tope a los pasos y reintentos de un agente	Medio

1. El modelo adecuado para cada tarea. Clasificar un correo, extraer una fecha o reformular una frase no exige el modelo más potente. Un esquema habitual confía la clasificación y las tareas simples a un modelo ligero y solo recurre a la gama alta en los casos difíciles. Nuestro comparador de modelos ayuda a encontrar candidatos con capacidades parecidas y precio menor.

2. Salidas más cortas. Como la salida es lo más caro, pida de forma explícita un formato conciso, una lista en lugar de un párrafo o una salida estructurada en JSON cuando la respuesta la lea un programa. Las técnicas de nuestra guía de ingeniería de prompts también sirven para esto.

3. La caché del prompt. La caché del prompt reutiliza el procesamiento de un inicio de petición idéntico de una llamada a otra. Según la documentación de Anthropic, citada en nuestro glosario, escribir en caché cuesta 1,25 veces el precio de entrada normal y leer de ella, 0,1 veces ese precio. Coloque el contenido estable al principio y la pregunta del usuario al final.

4. El procesamiento por lotes. Para tareas que pueden esperar (resumir un archivo histórico, clasificar miles de fichas), varios proveedores ofrecen una cola diferida más barata. Anthropic indica un descuento del 50 % en la entrada y en la salida, según su documentación recogida en nuestro glosario.

5. Un contexto más ligero. En lugar de enviar un manual completo con cada pregunta, transmita solo los pasajes pertinentes: es la idea del RAG, que permite a una IA usar sus documentos sin releerlo todo cada vez. Resumir de vez en cuando un historial largo tiene el mismo efecto.

6. Razonamiento a demanda. Muchos modelos recientes permiten ajustar el esfuerzo de reflexión. Manténgalo bajo por defecto y súbalo solo en las tareas que lo necesiten.

7. Límites para los agentes. Fije un número máximo de pasos y de reintentos, y detenga el agente si da vueltas sin avanzar. Es también una cuestión de seguridad, no solo de dinero.

Pesos abiertos e IA en local: ¿de verdad gratis?

Los modelos de pesos abiertos pueden descargarse y ejecutarse en sus propios equipos. Desaparece la factura por token, pero el coste se desplaza: hardware, electricidad, mantenimiento y tiempo. Para un uso personal o datos sensibles es una opción seria, que explicamos en nuestro tutorial para ejecutar una IA en local. Para un servicio con mucho tráfico, la comparación exige un cálculo real, porque un servidor bien dimensionado cuesta caro incluso cuando no hace nada.

Muchos modelos de pesos abiertos también se ofrecen por API en proveedores de alojamiento, a menudo a precios bajos: la tabla anterior incluye un ejemplo.

Vigilar y limitar el gasto

Antes de poner un servicio en producción, tome tres precauciones sencillas.

• Un tope y alertas. Las consolas de los principales proveedores permiten fijar un límite de gasto o recibir un aviso al llegar a un umbral. Configúrelos desde el primer día.
• Una clave API por proyecto. Sabrá qué servicio consume qué, y una clave filtrada no agotará todo su presupuesto. No la ponga nunca en código público.
• Un seguimiento regular. Revise cada semana el coste por tarea y el número medio de tokens. Una desviación se detecta pronto, antes de la factura del mes.