Precios de las API de LLM: tokens, caché y presupuesto

El precio de una API de LLM depende principalmente de los tokens que se envían al modelo y de los que este genera, con tarifas distintas para cada categoría. La caché, el procesamiento por lotes y los servicios adicionales modifican el cálculo: para estimar un presupuesto, mida el costo de una tarea completa y multiplíquelo por el volumen previsto.

Cómo leer una tarifa: unidad, modelo y proveedor

Una tarifa por millón de tokens es un precio unitario, no un paquete. Usted paga el consumo correspondiente: una llamada breve no exige comprar un millón de tokens. La entrada y la salida se facturan por separado, y pueden sumarse otros conceptos con sus propias unidades de facturación.

Antes de comparar, anote el modelo exacto, el proveedor, la moneda, el modo de procesamiento y la fecha. Revise también las condiciones de la tarifa: longitud del contexto, modalidad, región de ejecución o compromiso comercial. Una cifra aislada no describe necesariamente lo que pagará por su uso concreto.

Las fichas de modelos de lenguaje sirven de referencia para revisar estas características. El comparador de benchmarks complementa el análisis: un modelo más barato por token puede resultar más caro por resultado aceptable si necesita varios intentos.

Distinga, además, la suscripción a una interfaz, la facturación de su API y las comisiones de una plataforma intermediaria. No deduzca los derechos de uso de un servicio a partir del precio de otro. Si presupuesta una aplicación profesional, guarde junto con la estimación la tabla de tarifas aplicable a su cuenta y la fecha de consulta.

Los mecanismos y las tarifas oficiales citados en esta guía se verificaron el 24 de octubre de 2026. Son referencias asociadas a esa fecha; los cálculos presentados expresamente como supuestos ilustran un método y no representan consumos observados.

Contar tokens en lugar de palabras

Un token es una unidad que utiliza el modelo para representar el contenido. Puede corresponder a un fragmento de palabra, un signo u otra porción de texto. Por tanto, conocer la longitud en caracteres no permite deducir un costo exacto.

La tokenización depende del modelo y del contenido: el texto en español, el código, las tablas y los identificadores no se dividen necesariamente de la misma forma. Evite utilizar una conversión universal entre palabras y tokens para preparar el presupuesto. Tampoco reutilice el recuento de un modelo para otro sin comprobarlo.

Cuente también la solicitud completa. Puede incluir las instrucciones del sistema, los mensajes anteriores, los documentos, las descripciones de herramientas y los esquemas de respuesta esperados. A veces, el texto que introduce el usuario representa solo una pequeña parte de todo lo enviado.

La documentación de recuento de tokens de Anthropic indica, a fecha del 24 de octubre de 2026, que su estimación admite, entre otros elementos, instrucciones del sistema, herramientas, imágenes y PDF, con restricciones según cómo se transmitan. También diferencia la estimación previa del consumo que se comunica tras la llamada.

Para preparar el presupuesto, reúna una muestra representativa: solicitudes breves, documentos largos, conversaciones y casos difíciles. Cuente cada solicitud con el modelo que vaya a utilizar y conserve después los registros de consumo real durante la prueba piloto. Así evitará basar toda la previsión en un ejemplo especialmente sencillo.

Separar la entrada, la salida y el razonamiento

La entrada es el contenido que procesa el modelo; la salida es lo que genera. Sus tarifas pueden ser muy distintas. Por eso, una aplicación de resúmenes y otra de redacción no deben compararse únicamente por su volumen total de tokens.

Tomemos Claude Sonnet 5.5: a fecha del 24 de octubre de 2026, Anthropic publica 2 dólares por millón de tokens de entrada y 10 dólares por millón de tokens de salida en su página oficial de precios. Con estas tarifas, un token de salida cuesta cinco veces lo que cuesta uno de entrada.

Supongamos que cada llamada utiliza 4 000 tokens de entrada y 800 de salida:

entrada: 4 000 × 2 ÷ 1 000 000 = 0,008 dólares;
salida: 800 × 10 ÷ 1 000 000 = 0,008 dólares;
total: 0,016 dólares por llamada, sin incluir otros conceptos.

En este ejemplo, la salida representa la mitad del costo aunque su volumen sea cinco veces menor. Estas cantidades son supuestos didácticos, no mediciones del modelo.

La respuesta visible no siempre basta para contabilizar toda la generación. La tabla de precios de Google incluye expresamente los tokens de razonamiento en determinadas tarifas de salida, según las ofertas documentadas a fecha del 24 de octubre de 2026. Compruebe, por tanto, qué incluye el contador que utiliza.

Un límite de salida ayuda a controlar el consumo, pero si es demasiado bajo puede interrumpir una respuesta útil. Evalúe conjuntamente la longitud, la calidad y la frecuencia de los reintentos: ahorrar en una llamada interrumpida puede obligarle a pagar otra.

Revisar los tramos de contexto y las modalidades

La tarifa anunciada puede estar sujeta a ciertas condiciones de longitud. En ese caso, compruebe el umbral, las categorías afectadas y el alcance del recargo: si se aplica a toda la solicitud o solo a una parte. No dé por hecho que cada token adicional mantiene el mismo precio.

Un ejemplo oficial a fecha del 24 de octubre de 2026: Claude Haiku 5.5 figura con un precio de 0,10 dólares de entrada y 0,50 dólares de salida por millón de tokens para prompts de hasta 100 000 tokens. Por encima de ese umbral, la misma página de precios de Anthropic muestra, respectivamente, 0,50 y 2,50 dólares.

Esta distinción hace que una media mensual global sea insuficiente. Dos aplicaciones con el mismo consumo total pueden distribuir sus solicitudes de forma diferente entre los tramos. Conserve la longitud de cada llamada para poder reconstruir el costo.

Las entradas multimodales también requieren revisar sus condiciones específicas. Para un documento, una imagen o una grabación, anote la unidad que indique el proveedor: tokens, duración, imagen u otra unidad contractual. No aplique a un archivo una estimación pensada para texto sin comprobar cómo se procesa.

Por último, una ventana de contexto amplia indica una capacidad técnica, no un presupuesto recomendado. Cargar un expediente completo puede aumentar el gasto y dificultar el uso de la información. Mida el efecto de seleccionar los documentos antes de decidir cuánto contenido enviar.

Entender la caché y cuándo compensa

La caché de prompts permite reutilizar un prefijo de entrada ya procesado. Resulta adecuada, por ejemplo, para instrucciones estables o documentos compartidos entre varias solicitudes. No significa que se devuelva la respuesta anterior sin cambios.

Su utilidad depende de las lecturas que realmente se consigan. Un prefijo modificado, llamadas demasiado separadas en el tiempo o una solicitud demasiado corta pueden impedir la reutilización prevista. Coloque los elementos estables antes de la información variable y compruebe después los registros de consumo.

A fecha del 24 de octubre de 2026, la documentación oficial de caché de Anthropic indica para Sonnet 5.5, por millón de tokens, 2,50 dólares por una escritura con una duración de cinco minutos y 0,10 dólares por una lectura, frente a los 2 dólares de la entrada ordinaria.

Supongamos que se utiliza diez veces un prefijo de 10 000 tokens, con una escritura seguida de nueve lecturas válidas:

sin caché: 100 000 × 2 ÷ 1 000 000 = 0,20 dólares;
con caché: 10 000 × 2,50 ÷ 1 000 000 + 90 000 × 0,10 ÷ 1 000 000 = 0,034 dólares.

Este cálculo excluye las partes variables y la salida. Si el prefijo se utilizara una sola vez, escribirlo en caché costaría más que procesarlo como entrada ordinaria.

La fórmula general es sencilla: compare el costo de los usos ordinarios con el de la escritura más las lecturas. Si el prefijo caduca y debe crearse de nuevo, repita el cálculo. Por eso, el descuento anunciado para las lecturas no equivale al ahorro sobre toda la factura.

Distinguir entre caché automática y explícita

Una caché automática busca oportunidades de reutilización sin que usted tenga que gestionar necesariamente cada elemento. Una caché explícita requiere configuración o una gestión específica. Las condiciones cambian según el modelo y la API utilizados.

La documentación de caché de Google, actualizada el 23 de octubre de 2026, señala que la caché implícita está activada de forma predeterminada para los modelos compatibles. También indica que la caché explícita no está disponible en la API Interactions ni para los modelos a partir de Gemini 4 Argon.

Esta diferencia impide trasladar una configuración de una oferta a otra sin volver a consultar la documentación. Compruebe la longitud mínima, la estabilidad requerida, la caducidad y los contadores disponibles. Si la tarifa cobra por conservar el contenido durante un periodo, incluya también ese almacenamiento.

Preste especial atención a la proporción de tokens que se beneficia de la caché. Contar solo las solicitudes que contienen al menos una lectura puede dar una impresión engañosa: reutilizar una pequeña parte apenas reduce el costo de una entrada variable muy larga.

Para la previsión inicial, prepare un escenario sin caché y otro con la reutilización que haya medido. Use el primero como referencia prudente hasta que la prueba piloto confirme las lecturas. Este método permite ver hasta qué punto el presupuesto depende de que las solicitudes se repitan realmente.

Usar el procesamiento por lotes para tareas que pueden esperar

El procesamiento por lotes, o batch, consiste en enviar solicitudes para que se procesen de forma asíncrona. Es apropiado para trabajos cuyo resultado puede llegar más tarde: clasificación de documentos, extracciones periódicas o campañas de evaluación.

A fecha del 24 de octubre de 2026, la documentación de Message Batches de Anthropic anuncia un descuento del 50 % y la caducidad de las solicitudes no procesadas al cabo de 24 horas. Ese plazo no debe interpretarse como una promesa de respuesta inmediata.

Criterio	Llamada interactiva	Procesamiento por lotes
Necesidad principal	Responder durante la interacción	Procesar un volumen que puede esperar
Recepción del resultado	Durante la propia llamada	Mediante una consulta posterior
Precio aplicable	Tarifa del modo interactivo	Tarifa por lotes de la oferta
Gestión de errores	Reintento durante la interacción	Seguimiento del estado de cada solicitud
Organización	Se espera disponibilidad inmediata	Cola de procesamiento y plazo límite

Procesar por lotes no significa reunir todos los datos en un prompt gigantesco. Mantenga las solicitudes identificadas e independientes para comprobar los resultados y repetir solo las que lo necesiten.

No acumule automáticamente los descuentos de caché y de procesamiento por lotes en su hoja de cálculo. Compruebe su compatibilidad y las condiciones de reutilización durante el procesamiento. Una caché que funciona bien en una conversación con llamadas próximas puede ser menos previsible en una cola asíncrona.

Pasar del precio por llamada al presupuesto mensual

Construya el presupuesto a partir de una unidad útil: expediente procesado, documento validado o solicitud resuelta. Después, mida todas las llamadas necesarias para completar esa unidad. La calculadora de precios de LLM ayuda a convertir los volúmenes en importes; la calidad de los supuestos sigue siendo decisiva.

Para cada categoría, multiplique el número de tokens por su tarifa y divida entre un millón cuando la tabla use esa unidad. Separe la entrada ordinaria, la escritura en caché, la lectura y la salida. Antes de sumar los contadores, compruebe si alguno ya incluye a los demás.

Retomemos el supuesto anterior: 4 000 tokens de entrada y 800 de salida, a 2 y 10 dólares por millón. Para 20 000 tareas mensuales que requieren una llamada cada una, el costo de generación sería:

20 000 × 0,016 = 320 dólares al mes.

Si suponemos después que el 10 % de las tareas necesita una llamada adicional idéntica, se suman 2 000 llamadas, equivalentes a 32 dólares. El total pasa a ser de 352 dólares, sin incluir herramientas, infraestructura ni las condiciones fiscales aplicables. Tanto los volúmenes como ese porcentaje son supuestos de simulación.

Añada varios escenarios de consumo:

Escenario hipotético	Tareas mensuales	Promedio de llamadas por tarea	Costo de generación calculado
Volumen reducido	10 000	1	160 dólares
Referencia con reintentos	20 000	1,1	352 dólares
Volumen elevado con reintentos	30 000	1,1	528 dólares

Estos escenarios mantienen la misma longitud por llamada. Si las solicitudes adicionales son más largas, vuelva a calcular su costo en lugar de aplicar un multiplicador uniforme.

Añadir los gastos que rodean al modelo

El cálculo de tokens no cubre necesariamente toda la aplicación. Una búsqueda externa, la ejecución de código, el almacenamiento de documentos o la indexación pueden generar otros gastos. Revise sus unidades de facturación y sus condiciones en los contratos correspondientes.

Un servicio también puede provocar varios consumos sucesivos: una llamada externa, la incorporación del contenido recuperado a la entrada del modelo y, después, la generación de la respuesta. Identifique esas etapas para no omitir ningún concepto ni contabilizarlo dos veces.

Para obtener un presupuesto útil, distinga:

la generación y sus reintentos;
las herramientas y los servicios utilizados;
el alojamiento, el almacenamiento y los registros;
las licencias y las comisiones de plataforma;
el tiempo de revisión humana.

El costo por resultado aceptado permite relacionar el gasto con la utilidad. Divida los gastos del ámbito que haya definido entre los resultados validados según sus criterios. Especifique siempre qué incluye la medición: un cálculo limitado a los tokens no se puede comparar directamente con otro que incluya la revisión humana.

El artículo ¿Cuánto cuesta realmente un agente de IA al mes? amplía este análisis a los gastos de operación. Para comparar dos soluciones, mantenga el mismo nivel de calidad esperado y los mismos conceptos contables.

Controlar los bucles, los reintentos y los límites

Un agente puede realizar varias llamadas para resolver una sola solicitud. Cada paso puede añadir contenido: observaciones, resultados de herramientas y mensajes anteriores. Por tanto, el consumo depende tanto del número de pasos como del tamaño del contexto de cada uno.

Veamos un ejemplo puramente aritmético, sin caché: supongamos una primera llamada con 2 000 tokens de entrada, seguida de otras nueve cuya entrada aumenta en 1 000 tokens cada vez. El total alcanza los 65 000 tokens de entrada, incluso antes de contar las salidas. Diez llamadas no equivalen simplemente a diez veces la entrada de la primera.

Establezca límites por tarea: número de pasos, volumen de salida, tiempo disponible y reintentos permitidos. Un error repetido debe provocar una detención explícita o una intervención, en lugar de otro intento sin diagnóstico.

Distinga también entre una alerta y un bloqueo. Una notificación de gasto no constituye un límite técnico. Si se lanzan varias llamadas en paralelo, es posible que parte del presupuesto ya esté comprometida cuando lleguen los datos de consumo.

Reserve, por tanto, un margen para las llamadas en curso e implemente un control en la aplicación. La guía Reducir el costo de un agente de IA detalla cómo equilibrar el contexto, la selección del modelo para cada tarea y los límites de ejecución.

Seguir el presupuesto y comparar con una calidad constante

Durante la prueba piloto, vincule cada consumo con una tarea y un resultado. Registre el proveedor, el modelo exacto, el modo de procesamiento, las categorías de tokens, las llamadas a herramientas y el motivo de los reintentos. Almacene solo los datos necesarios para ese seguimiento.

Examine la media, pero también la variación entre tareas. Unas pocas tareas largas pueden tener un peso considerable en la factura. Separe los tipos de solicitudes para distinguir un aumento del tráfico de un cambio en los usos o de un problema de configuración.

Contraste periódicamente su estimación con los consumos del proveedor. Una diferencia puede deberse a la caché, a una tarifa mal aplicada, a una categoría de tokens omitida o a llamadas realizadas fuera del flujo supervisado. Documente la causa antes de modificar los supuestos.

Si se plantea cambiar de modelo, compare tareas idénticas y mida los resultados aceptados, el tiempo de respuesta y los reintentos. La guía Elegir un modelo de lenguaje complementa este proceso. Así, la tarifa por token pasa a ser uno de los criterios que determinan el costo del servicio prestado.

Puntos clave

Cuente la solicitud completa y separe entrada, salida, caché y servicios adicionales.
Anote la fecha de las tarifas y revise sus condiciones: contexto, modalidades y modo de procesamiento.
Presupueste una tarea completa, con sus reintentos, y prepare varios escenarios de volumen.
Mida el ahorro de la caché y del procesamiento por lotes con su carga de trabajo real.
Controle el costo por resultado aceptado y establezca límites en la aplicación antes de aumentar el volumen.

Páginas relacionadas

Preguntas frecuentes

¿Cuánto cuesta un millón de tokens?

No hay un precio único: depende del modelo, del proveedor y de la categoría de tokens. Compare por separado la entrada, la salida y las lecturas de caché, y revise las condiciones asociadas al contexto o al modo de procesamiento.

¿La suscripción a un asistente incluye su API?

No lo dé por hecho: compruebe qué derechos de uso y créditos incluye expresamente su contrato. Para presupuestar una aplicación, distinga las licencias de usuario, los posibles créditos y el consumo que factura el proveedor de la API.

¿Se puede conocer el precio exacto antes de una llamada?

Puede estimar la entrada y calcular un importe máximo a partir de un límite de salida. Sin embargo, el importe final depende de la generación efectiva, de la reutilización de caché y de los servicios utilizados. Después, contraste la estimación con los registros de consumo.

¿La caché hace que las respuestas sean gratuitas?

La caché de prompts reutiliza contenido de entrada ya procesado; sigue siendo necesario generar una respuesta. Una aplicación también puede guardar una respuesta completa y servirla sin otra llamada, pero en ese caso debe gestionar su vigencia y los permisos de acceso.

¿Qué presupuesto necesita un agente de IA?

Parta del número de tareas y mida todas las llamadas necesarias para cada una, incluidos los reintentos. Añada las herramientas, el alojamiento y la supervisión. Un precio por mensaje no refleja adecuadamente una tarea que consta de varios pasos.

Entender los precios de las API de LLM: tokens, entrada y salida, caché, procesamiento por lotes y presupuesto