El precio de inferencia con rendimiento de nivel GPT-3.5 cayó más de 280 veces entre noviembre de 2022 y octubre de 2024, según Stanford. La factura de una empresa puede aumentar si añade tareas, contextos más largos y llamadas adicionales al modelo. La diferencia entre precio unitario y uso total explica por qué “los modelos son más baratos” y “nuestro gasto en IA aumenta” pueden ser ciertos en la misma reunión.
Lo veo en proyectos de clientes cada mes. Alguien lee que los precios de los tokens se desplomaron, asume que sus costes están a punto de caer en picado, y entonces abre una factura que hizo lo contrario. Esa confusión no es un error de facturación. Es una característica estructural de cómo se construye la IA hoy, y en cuanto ves el mecanismo, puedes planificar en lugar de llevarte sorpresas.
La cifra que debería haber bajado tu factura#
Empieza por el desplome, porque es realmente asombroso. El AI Index 2025 de Stanford sitúa el precio del rendimiento a nivel de GPT-3.5 entre noviembre de 2022 y octubre de 2024 en unas 280 veces más barato, una caída de unos 20 dólares por millón de tokens a unos 7 céntimos. No es una errata ni un caso aislado. Epoch AI mide un descenso mediano de casi 50 veces al año para igual capacidad. La firma de capital riesgo a16z lo calcula de forma más conservadora en torno a 10 veces al año, y eso sigue siendo más rápido de lo que cayó la computación en la era del PC o el ancho de banda durante la expansión de las puntocom.
La frontera hizo lo mismo en público. Cuando Anthropic lanzó Claude Opus 4.5 en noviembre de 2025, recortó el precio del modelo insignia de 15 y 75 dólares por millón de tokens de entrada y salida a 5 y 25, una reducción del 67 por ciento en un solo lanzamiento. Lo que pasó después es la parte que la mayoría pasa por alto. Anthropic mantuvo ese precio de 5 y 25 a lo largo de Opus 4.6, 4.7 y 4.8 mientras el modelo seguía mejorando. El precio por token dejó de caer y la capacidad siguió subiendo, lo cual es su propio tipo de recorte de precio.
El detonante de gran parte de esto fue la competencia desde abajo. DeepSeek R1 aterrizó en enero de 2025 a 55 céntimos por millón de tokens alcanzando alrededor del 95 por ciento del o1 de OpenAI, y los grandes laboratorios respondieron con movimientos de precio de emergencia. A mediados de 2026 el suelo es notable. El GPT-5.4-nano de OpenAI funciona a 20 céntimos de entrada y 1,25 dólares de salida por millón. DeepSeek V4 Pro, un modelo de pesos abiertos que puedes alojar tú mismo, ronda los 44 céntimos de entrada. El Gemini 3.5 Flash de Google supera al modelo Pro de la generación anterior en pruebas de agentes a 1,50 y 9 dólares. Sobre el papel, la inteligencia nunca había sido tan barata de alquilar.
Por qué la factura subió en su lugar#
La paradoja es sencilla. Un precio unitario menor no garantiza una factura total menor. Para eso el uso tendría que permanecer igual. Un aumento general del 300 por ciento de la factura empresarial media no está demostrado sin una encuesta identificada y un periodo comparable; lo importante es tu consumo, precios, volumen de tokens y número de llamadas.
Los tokens más baratos pueden permitir más uso. En un flujo explícitamente ilustrativo, una solicitud y una respuesta resuelven la tarea; otro emplea varias llamadas para planificación, herramientas y revisión. La recuperación puede añadir texto de referencia al contexto. Las llamadas y tokens dependen del flujo concreto. Los sistemas permanentes acumulan uso con el tiempo. La planificación debe basarse en mediciones del sistema propio.
La caída histórica del precio con igual rendimiento en un benchmark no dice cuántos tokens consume tu agente actual. Más llamadas y contextos mayores pueden compensar una unidad más barata. El almacenamiento y el ancho de banda sirven como analogía: la eficiencia puede permitir usos nuevos. En un producto basado en APIs, mide el coste por tarea completada con éxito, no solo el precio de cada token.
La era de la tarifa plana acaba de terminar#
Si quieres un único evento que marque el giro, es GitHub Copilot. El primero de junio de 2026, GitHub pasó cada plan de Copilot a facturación por uso. Las unidades de petición premium fueron reemplazadas por AI Credits a un céntimo cada uno, facturados contra entrada, salida y tokens en caché al precio publicado de cada modelo. El modelo de reserva más barato que antes absorbía el exceso ya no está. Cuando se acaban tus créditos, o fijas un presupuesto o paras.
La razón que dio GitHub es la frase más clara que alguien ha escrito sobre todo este cambio. Con agentes y subagentes en juego, dijo la empresa, "ahora es habitual que un puñado de peticiones genere costes que superan el precio del plan". Léelo otra vez pensando en tu propio producto. Una suscripción mensual plana asume una cantidad de trabajo más o menos predecible por usuario. El software agéntico rompe esa suposición, porque un usuario motivado que apunta un agente a un problema difícil puede quemar un mes de margen en una tarde.
Cualquiera que construya sobre estas APIs vive ahora en el mundo que GitHub acaba de formalizar. Los proveedores dividen los precios en tramos de contexto corto y largo. Cobran por llamada a herramienta para búsqueda y uso del ordenador. Venden carriles prioritarios a 2,5 veces el precio base y ofrecen descuentos de hasta el 90 por ciento sobre la entrada en caché, para premiar arquitecturas que reutilizan prompts. El plan plano de barra libre fue producto de una época en la que una llamada era una llamada. Esa época se acaba, y poner precio a tu propio producto de IA como si no fuera así es la forma de despertarte subvencionando a tus usuarios más pesados.
Los pesos abiertos alcanzaron, y eso cambia las cuentas#
La segunda fuerza que reconfigura la economía es que la opción barata se volvió realmente buena. Durante la mayor parte de los últimos tres años, "pesos abiertos" significaba "casi tan bueno, si entornas los ojos". Eso ya no es cierto en la cima. En la prueba de inteligencia de Artificial Analysis de abril de 2026, los mejores modelos abiertos sacaron alrededor de 54 frente a 60 del modelo cerrado más fuerte, una distancia de unos pocos puntos en vez de una generación. Nueve de los trece modelos en la frontera de inteligencia frente a precio son de pesos abiertos. El mismo índice de Stanford sitúa la distancia entre el mejor modelo estadounidense y el mejor chino en un 2,7 por ciento a marzo de 2026, frente a los 17 a 31 puntos de 2023.
En la práctica esto significa que ya no eliges entre un modelo caro que funciona y uno gratis que no. Eliges a lo largo de una curva, y la mayor parte de esa curva ahora es utilizable. Un modelo como DeepSeek V4 viene con un millón de tokens de contexto, funciona a una fracción de los precios de frontera y puede alojarse dentro de tu propia infraestructura. La pregunta estratégica dejó de ser "podemos permitirnos un buen modelo" y pasó a ser "qué buen modelo encaja con esta tarea concreta, a este volumen, bajo estas reglas de privacidad".
Esa última frase pesa más aquí que en casi cualquier otro sitio. Para una empresa en la UE que maneja datos de clientes, la posibilidad de ejecutar un modelo competente en su propio servidor o dentro de una nube privada no es solo una decisión de coste, es una decisión de cumplimiento. Las cuentas de un servidor de IA propio se ven muy distintas cuando la alternativa es enviar datos regulados a una API de terceros, y los modelos que lo hacen viable ahora son lo bastante buenos como para que el compromiso sea real en vez de teórico.
La jugada es el modelo correcto para cada tarea#
Una cascada puede reducir costes: prueba un modelo pequeño para tareas rutinarias definidas y reserva uno más capaz para casos que lo necesiten de forma comprobada. La proporción depende de tareas y calidad medida, no de una cuota universal del 80 al 90 por ciento.
La línea divisoria no es el brillo, es la forma de la tarea. Clasificación, extracción, enrutamiento y resúmenes cortos son exactamente lo que los modelos pequeños hacen bien ahora. El Phi-4-mini de Microsoft iguala la calidad de un modelo mucho mayor en extracción estructurada mientras funciona en 8 gigabytes de memoria. Las variantes Gemma 4 de Google para el borde son multimodales y corren en un teléfono. No son juguetes, son posibles herramientas para tareas rutinarias adecuadas. El modelo de frontera gana su precio en razonamiento de varios pasos, síntesis de documentos largos y trabajo de agentes abierto, donde las entradas son amplias e impredecibles y un 80 por ciento de precisión no basta.
Los precios menores ayudan, pero uso y tamaño del contexto también determinan la factura. Prueba modelos por calidad y coste por tarea completada con éxito. Medición, enrutamiento y alternativas comprobadas pueden reducir costes y dependencias; no garantizan resistencia a cambios del proveedor.
Lo que esto significa de verdad#
El coste de la inteligencia seguirá cayendo, y tu factura de IA seguirá siendo una partida real, y ambas cosas serán ciertas a la vez. Eso no es una contradicción que resolver, es la condición de operación para la que hay que diseñar. Los equipos que lo interioricen construirán productos agénticos con topes de presupuesto, enrutamiento en cascada y una visión clara de qué modelo va en qué paso. Los equipos que esperen a que la tecnología sea lo bastante barata para dejar de pensar en el coste seguirán sorprendiéndose con sus facturas, porque la tecnología ya se abarató y la sorpresa es estructural.
Mi predicción para la segunda mitad de 2026 es que la "estrategia de modelos" se vuelve una parte normal de cualquier construcción seria de IA, igual que lo es hoy la "elección de base de datos", y que la conversación sobre el margen del envoltorio se pone ruidosa. Cuando un cliente puede ver que su porción de tokens te cuesta 2 dólares, un plan plano de 24 dólares empieza a parecer un recargo, y los productos que sobrevivan serán los que separen el valor que añaden de la inferencia que dejan pasar. La era del modelo barato no volvió el coste irrelevante. Movió el coste de un precio que se consulta a una decisión que se diseña, y ese es un problema mejor de tener, siempre que de verdad lo trates como tal.
