Guía
Cómo funcionan los precios por token de los LLM
Todas las grandes API de LLM cobran por token, un fragmento de texto de unos cuatro caracteres o tres cuartas partes de una palabra en inglés. Los precios se indican por millón de tokens, y los tokens de entrada (tu prompt de sistema, el historial de la conversación, los documentos recuperados y los resultados de herramientas) se facturan aparte de los tokens de salida (el texto que genera el modelo). La salida es casi siempre la parte cara: en la mayoría de los modelos actuales cuesta entre cuatro y cinco veces más por token que la entrada, porque generar tokens de uno en uno consume mucho más tiempo de GPU que leer un prompt en paralelo.
Eso da una fórmula sencilla para cualquier solicitud: tokens de entrada × precio de entrada ÷ 1M + tokens de salida × precio de salida ÷ 1M. Una solicitud de chatbot con 2000 tokens de entrada y 500 tokens de salida en Claude Sonnet 5.5 ($2.00 de entrada / $10.00 de salida por 1M) cuesta unos $0.009. Con 10.000 solicitudes al día, son aproximadamente $2,738 al mes. La calculadora de arriba hace exactamente esto para todos los modelos a la vez, para que veas cuánto cuesta la misma carga de trabajo en cada proveedor.
Comparación de precios de las API de OpenAI, Claude y Gemini
Los precios de lista son un punto de partida, no la respuesta. Dos modelos con el mismo precio por token pueden generar facturas muy distintas si uno escribe respuestas más largas, necesita un prompt más largo para comportarse bien o gasta más tokens de razonamiento ocultos. Los modelos de gama media como Claude Sonnet 5.5, GPT-6.2 Sol y Gemini 4 Carbon tienen hoy precios casi idénticos, así que una comparación justa de costos de LLM pasa tus propios recuentos de tokens por cada uno. Para ver de un vistazo todas las tarifas de entrada, en caché y de salida, usa la tabla de precios de API de LLM.
Por qué los agentes de IA multiturno cuestan más que los chatbots
Las API de LLM no tienen estado. Para continuar una conversación, tu código reenvía todo el historial en cada llamada, y un agente añade a ese historial definiciones de herramientas, llamadas a herramientas y sus resultados en cada paso. Por eso los tokens de entrada crecen en cada turno, y la entrada total de una sesión crece aproximadamente con el cuadrado del número de turnos.
Piensa en un agente de programación o de investigación que empieza con 12.000 tokens de contexto, añade 2500 tokens de resultados de herramientas y 500 tokens de su propia salida en cada turno, y se ejecuta durante 25 turnos. Una estimación ingenua daría 25 × 12.000 = 0,3M tokens de entrada. La cifra real es de unos 1,2M, 4× más, porque el turno 25 vuelve a leer todo lo que produjeron los 24 turnos anteriores. Sin caché, esa única sesión cuesta alrededor de $2.52 en Claude Sonnet 5.5. Una calculadora de costos de agentes de IA tiene que modelar este crecimiento del contexto, que es justo lo que hace el modo Pro / Agente de arriba. Los agentes de voz siguen el mismo patrón en cada turno hablado; la calculadora de costos de agentes de voz con IA lo modela junto con la transcripción de voz a texto, la síntesis de texto a voz y la telefonía.
Cómo la caché de prompts y los descuentos de la Batch API reducen tu factura
Caché de prompts
Como los agentes reenvían el mismo prefijo una y otra vez, los proveedores te permiten guardarlo en caché. Los tokens de entrada en caché de Claude Sonnet 5.5 cuestan $0.10 por 1M en lugar de $2.00, un descuento del 95%. Anthropic cobra un recargo por escribir en la caché ($2.50 por 1M); OpenAI y Google usan la caché automáticamente para prompts que superan una longitud mínima. Con una tasa de aciertos de caché del 85%, la sesión de agente anterior baja de $2.52 a unos $0.677, un ahorro del 73%. Para lograr tasas de aciertos altas, mantén todo lo estable (prompt de sistema, esquemas de herramientas, documentos de referencia) al principio del prompt y añade el contenido nuevo al final. Una marca de tiempo o un ID de usuario cerca del inicio del prompt rompe la caché en cada solicitud.
Batch API
Si no necesitas la respuesta en tiempo real, la Batch API de OpenAI, Anthropic y Google aplica un 50% de descuento a los tokens de entrada y de salida a cambio de entregar los resultados en un plazo de 24 horas. Las evaluaciones, la clasificación de documentos, la extracción de datos, el recálculo masivo de embeddings y los resúmenes nocturnos encajan muy bien. Los descuentos de batch y de caché se pueden combinar, por eso los pipelines offline suelen ser las cargas de trabajo de LLM más baratas.
Cómo se facturan los tokens de razonamiento ocultos
Los modelos de razonamiento piensan antes de responder. Esos tokens de razonamiento se generan como cualquier otra salida y se facturan a la tarifa de salida, pero la mayoría de las API nunca te los muestran. Una respuesta visible de 500 tokens que necesitó 1000 tokens de razonamiento se factura como 1500 tokens de salida: $0.015 en lugar de $0.005 en Claude Sonnet 5.5. El uso de razonamiento varía según la dificultad de la tarea y el nivel de esfuerzo configurado, así que mídelo con el campo usage de respuestas reales y ajusta el multiplicador de razonamiento de la calculadora en consecuencia. Los tokens de razonamiento no pasan al contexto del turno siguiente, así que aumentan el costo de salida sin inflar la parte de entrada de un bucle de agente.
Consejos prácticos para reducir el gasto mensual en API de LLM
- Enruta según la dificultad. Envía las llamadas sencillas de clasificación, extracción y enrutamiento a un modelo económico y reserva los modelos insignia para los casos difíciles. Muchos equipos reducen el gasto entre un 60 y un 80% de esta forma.
- Limita la longitud de la salida. Los tokens de salida son la parte cara. Configura max_tokens, pide formatos concisos como JSON y evita que el modelo repita la entrada.
- Diseña los prompts pensando en la caché. Pon el contenido estable primero y el variable al final, y revisa el recuento de tokens en caché en las respuestas de la API para confirmar los aciertos.
- Recorta el contexto del agente. Resume o descarta los resultados antiguos de herramientas en lugar de arrastrar archivos completos y logs en cada turno.
- Usa batch para todo lo que pueda esperar. El mismo modelo a mitad de precio es el ahorro más fácil que existe.
- Ajusta el esfuerzo de razonamiento. Usa un esfuerzo bajo o medio, o un modelo sin razonamiento, cuando el razonamiento profundo no mejore los resultados.
- Reconsidera el self-hosting a gran escala. Con miles de millones de tokens al mes, un modelo open-weight en una GPU dedicada puede salir más barato. Usa la calculadora del punto de equilibrio entre API y self-hosting para encontrar tu punto de cruce, y la calculadora de VRAM para LLM para dimensionar el hardware.
Todos los valores de esta calculadora se guardan en la URL de la página, así que, una vez que tengas una estimación, puedes copiar el enlace y compartirlo con tu equipo o con el responsable de finanzas.