El 30 de julio de 2026, OpenAI recortó el precio de la API de GPT-5.6 Luna un 80 %, de un dólar a veinte céntimos por millón de tokens de entrada. Terra bajó un 20 %. Los titulares fueron los previsibles: la IA se abarata, la barrera de entrada cae.
Semanas después, varias empresas que usan esos modelos en producción vieron subir su factura.
No es una contradicción ni un error de facturación. Es que el precio por token y el coste de tu operación son dos cosas distintas, y solo una de ellas aparece en tu presupuesto.
La unidad que factura el proveedor no es la unidad que consume tu negocio
Tu proveedor te cobra por token. Tu negocio no consume tokens: consume tareas resueltas. Una consulta de soporte atendida. Un documento clasificado. Una factura extraída.
Mientras una tarea equivalía a una petición al modelo, ambas unidades se movían juntas y la distinción era académica. Si el token bajaba un 30 %, tu factura bajaba un 30 %.
Eso dejó de ser cierto cuando las aplicaciones pasaron de hacer una petición a orquestar varias. Un agente que consulta una herramienta, evalúa el resultado, decide el siguiente paso y vuelve a llamar al modelo no hace una petición por tarea: hace ocho, o quince. Y en cada una reenvía el contexto entero.
Un ejemplo con números
Tomemos un asistente de soporte que resuelve consultas de clientes. Prompt de sistema de 1.200 tokens, consulta del usuario de 800, respuesta de 400.
Versión de una sola petición:
| Tokens | Coste | |
|---|---|---|
| Entrada | 2.000 | 0,0040 $ |
| Salida | 400 | 0,0048 $ |
| Total por tarea | 0,0088 $ |
La misma tarea, resuelta por un agente en ocho pasos. Cada paso reenvía el prompt de sistema, la consulta original y todo lo acumulado hasta ese momento. Suponiendo que cada paso añade unos 600 tokens de historial:
| Paso | Tokens de entrada |
|---|---|
| 1 | 2.000 |
| 2 | 2.600 |
| 3 | 3.200 |
| 4 | 3.800 |
| 5 | 4.400 |
| 6 | 5.000 |
| 7 | 5.600 |
| 8 | 6.200 |
| Total | 32.800 |
Con 250 tokens de salida por paso, son 2.000 de salida. A precios de Terra (2 $ de entrada y 12 $ de salida por millón), el coste por tarea sube a 0,0896 $.
Diez veces más por resolver exactamente lo mismo.
Ahora aplica el recorte del 80 %. Si tu tarea de una petición pasa a costar la quinta parte, enhorabuena. Pero si en ese mismo trimestre migraste a una arquitectura de agente, multiplicaste por diez el consumo por tarea. El precio bajó un 80 % y tu factura subió un 100 %.
Los tres multiplicadores que no aparecen en la tabla de precios
El contexto reenviado. Es el más caro y el más invisible. En una conversación de veinte turnos, el primer mensaje se ha facturado veinte veces. No porque tu aplicación esté mal escrita, sino porque así funcionan las APIs de chat: no tienen memoria, y el historial viaja en cada petición.
Las definiciones de herramientas. Un agente con doce herramientas disponibles envía sus esquemas completos en cada petición, use una o ninguna. Son tokens de entrada facturables en cada uno de los ocho pasos.
Los reintentos y los caminos muertos. Un agente que explora una vía, se da cuenta de que no lleva a ningún sitio y prueba otra ha pagado las dos. En los informes de uso del proveedor eso no se distingue: aparece como consumo, sin etiqueta de si sirvió para algo.
Cómo se mide el coste por tarea
La mala noticia es que el panel de tu proveedor no te lo va a dar. Te da tokens por modelo y por día. Para llegar al coste por tarea hace falta algo que ellos no tienen: saber dónde empieza y dónde acaba una tarea en tu negocio.
Lo que sí puedes hacer sin instrumentar nada complicado:
Correlaciona con una unidad de negocio. Divide el gasto mensual del modelo entre el número de consultas resueltas, documentos procesados o lo que sea tu unidad. Es una media burda y sirve igual: si ese número sube mes a mes mientras el precio del token baja, ya tienes la respuesta.
Segmenta por tipo de tarea. Casi siempre una minoría de tipos de tarea concentra la mayoría del gasto. Sin esa segmentación estarás optimizando el modelo equivocado.
Cuenta las peticiones por tarea. Es el indicador más predictivo que conocemos. Si pasa de tres a nueve, tu coste va a subir aunque no cambies de modelo ni de proveedor.
Qué hacer con esto
Antes de negociar precios o cambiar de proveedor, mira si tu problema es de tarifa o de arquitectura. Suele ser lo segundo, y se ataca de otra forma.
La caché de prompts es lo primero, porque es lo más barato de aplicar: el prompt de sistema que reenvías ocho veces puede facturarse con un descuento sustancial si el proveedor la ofrece y tu código la aprovecha. En el ejemplo de arriba, esos 1.200 tokens repetidos son casi un tercio de toda la entrada.
Recortar el historial en lugar de arrastrarlo entero. Muy pocas tareas necesitan los veinte turnos completos.
Y enrutar por complejidad: reservar el modelo caro para las tareas que de verdad lo necesitan. Es donde más ahorro hay y donde más cuidado hay que tener, porque es también donde es más fácil degradar la calidad sin darse cuenta. Por eso conviene medir la calidad antes de tocar nada, no después.
Una advertencia honesta
Los números de este artículo son un ejemplo construido para ilustrar el mecanismo, no una medición de tu caso. El multiplicador real depende de cuántas peticiones hace tu aplicación por tarea, de cuánto contexto arrastra y de qué proporción de tareas pasa por el camino caro. Puede ser tres veces o puede ser treinta.
Y los precios cambian rápido: los de este artículo son de agosto de 2026 y conviene contrastarlos con la página oficial de cada proveedor antes de usarlos para presupuestar.
Lo que no cambia es el mecanismo. Mientras midas en tokens, seguirás sin entender por qué tu factura hace lo que hace.
El clúster completo de coste de IA
Esta guía es el centro; cada pieza desarrolla una parte del problema.
Entender el coste
- Qué es un token y cómo se cobra
- Precios de GPT, Claude y Gemini comparados
- Calculadora de coste de tokens
- Por qué el contexto largo dispara el coste
Reducirlo
- Cómo reducir la factura de OpenAI: 7 palancas
- Qué modelo usar en cada tarea
- Prompt caching: pagar una vez por el contexto repetido
- Batch API: la mitad de precio si la tarea puede esperar
Decidir la arquitectura
- RAG, fine-tuning o contexto largo: cuál sale más barato
- Modelo propio vs API: cuándo compensa el self-hosting
Controlarlo en el tiempo
En e-ficient medimos el coste por tarea de empresas que ya tienen IA en producción. La auditoría inicial no tiene coste y devuelve un diagnóstico en 72 horas.