Calculadora de precios LLM: coste por tarea, al día, al mes

Cómo usarlo

1. Estime el tamaño de una tarea. Pegue un prompt representativo (instrucciones, contexto, documento) en la zona de texto: la herramienta cuenta caracteres y palabras y deduce un número aproximado de tokens. Haga lo mismo con una respuesta típica para los tokens de salida.
2. Indique el volumen. El número de tareas al día: mensajes de un asistente, tickets atendidos, archivos resumidos, pasos de un agente. El mes cuenta 30 días.
3. Añada la caché si la usa. Si una parte fija del prompt (instrucciones de sistema, documentación) se reutiliza en cada llamada, indique su proporción: se factura a la tarifa de caché cuando el modelo publica una.
4. Fije un nivel mínimo. El filtro ECI descarta los modelos demasiado débiles: no tiene sentido comparar el precio de un modelo pequeño con el de uno puntero si el primero no sabe hacer la tarea.

El resultado se actualiza con cada entrada: coste por tarea, al día y al mes, del más barato al más caro, con el volumen mensual de tokens. Todo el cálculo se hace en su navegador; el texto pegado no sale de la página.

El método de cálculo

Los proveedores facturan por separado los tokens enviados al modelo (entrada) y los que produce (salida), en dólares por millón de tokens. La salida suele costar entre cuatro y ocho veces más que la entrada. El coste de una tarea es por tanto:

coste = (entrada no cacheada × precio entrada + entrada cacheada × precio caché + salida × precio salida) ÷ 1 000 000

El coste diario multiplica esta cantidad por el número de tareas, el mensual por 30. Para los modelos sin tarifa de caché publicada, toda la entrada se cuenta a precio completo.

El contador de tokens aplica los órdenes de magnitud publicados por OpenAI para el inglés: un token equivale a unos 4 caracteres, y 100 tokens a unas 75 palabras. La herramienta se queda con la mayor de las dos estimaciones, porque el español y el francés, con palabras más largas y acentos, generan algo más de tokens que el inglés. El código y los alfabetos no latinos generan bastantes más.

El caso de los agentes de IA

Un agente no hace una llamada por tarea, sino un bucle: lee, llama a una herramienta, relee el resultado, vuelve a empezar. En cada vuelta se reenvía todo el historial al modelo. Una tarea de agente de código de veinte pasos con un contexto que crece hasta 60 000 tokens consume por tanto varios cientos de miles de tokens de entrada. Para estimar un agente, cuente el número medio de pasos y multiplique por él el tamaño medio del contexto, o mejor: anote el consumo real de una sesión en el panel de su proveedor y páselo aquí.

Aquí es donde la caché de prompts lo cambia todo: el principio del historial es idéntico de una vuelta a otra y puede facturarse a la tarifa de caché. 232 de los 356 modelos de la lista publican esa tarifa. La guía Reducir costos detalla las demás palancas.

De dónde vienen los precios

Las 356 tarifas vienen de la API pública de OpenRouter, consultada el 25 de octubre de 2026. Para cada modelo es el precio del proveedor de referencia, sin impuestos. Las variantes gratuitas (8 en la lista) se ocultan por defecto: tienen límites de uso y no sirven para un uso regular. El índice ECI que aparece junto al precio viene de Epoch AI; permite no comparar modelos de niveles muy distintos.

Lo que el cálculo no dice

• Los tokens de razonamiento. Los modelos que «piensan» antes de responder facturan esos tokens ocultos como salida. Según el esfuerzo pedido, la salida real puede ser varias veces más larga que la respuesta visible.
• Los tokenizadores difieren. El mismo texto no da el mismo número de tokens de un modelo a otro; la diferencia puede llegar al 10-30 %.
• Los descuentos. El procesamiento por lotes (batch), los compromisos de volumen y las suscripciones de los agentes (cuota mensual en lugar de pago por token) no se tienen en cuenta.
• Las herramientas facturadas aparte. La búsqueda web, la ejecución de código o las imágenes de entrada tienen a veces su propia tarifa.

Tome el resultado como un orden de magnitud y compruébelo después con una semana de consumo real. Para ir más lejos: Precios de las API de LLM.