La inteligencia artificial se cobra, en su mayor parte, por tokens: fragmentos de texto, de unas pocas letras cada uno, que el modelo lee y escribe. Mientras la IA era un chat de preguntas y respuestas, la cuenta era modesta. Con los agentes, que trabajan solos durante minutos u horas, leen documentos completos y se consultan entre sí, la factura cambió de escala. Tres intervenciones ayudan a entender cuánto cuesta realmente y hacia dónde podría ir el modelo de precios.
Un ejemplo extremo. Garry Tan, director ejecutivo de la aceleradora Y Combinator, contó en el pódcast The Builders, de Walter Isaacson, que gasta «quizás entre 100.000 y 200.000 dólares al año en tokens», según informó TechCrunch el 2 de noviembre. Tan usa agentes para preparar entrevistas, programar y gestionar su vida personal; dijo que su agente ha leído todo su correo, su Dropbox y hasta notas de terapia de 20 años. Él mismo lo calificó como «un privilegio loco que no todos pueden tener» y reconoció que los agentes personales no llegarán al gran público mientras sigan siendo tan caros: «Es demasiado caro ahora mismo».
Por qué los agentes gastan tanto. Una sola tarea de programación con agentes puede consumir entre 10 y 50 veces más tokens que una consulta básica de chat, según un contenido patrocinado por la empresa HPE y publicado el 2 de noviembre en el sitio de MIT Technology Review. No es un artículo de la redacción de la revista: lo produjo HPE, que en el mismo texto promueve su propia plataforma, así que tiene interés comercial en sus recomendaciones. Aun así, los datos que ofrece ilustran el problema: en una misma licencia, el usuario más intensivo consumió unas 450 veces más que el más liviano, y el 5% de los usuarios concentró la mayor parte del gasto. El texto cita además informes según los cuales Uber agotó en abril todo su presupuesto de IA de 2026 tras ampliar el uso de Claude Code.
Cuánto cuesta un millón de tokens hoy. Las tarifas publicadas por los propios proveedores muestran diferencias enormes según el modelo. En la API de OpenAI, según su página oficial de precios y en la tarifa estándar de contexto corto (el contexto largo cuesta más), GPT-6 Astra cuesta 10 dólares por millón de tokens de entrada y 50 por millón de salida; GPT-6.1 Sol, 2 y 10 dólares; GPT-6.1 Terra, 1 y 5; y GPT-6 Luna, 0,10 y 0,50. En Anthropic, la documentación oficial de precios de Claude indica que Claude Fable 5.2 cuesta 8 dólares de entrada y 40 de salida por millón; Claude Opus 5.5, 4 y 20; Claude Sonnet 5.5, 2 y 10; y Claude Haiku 5.5, 0,10 y 0,50 para instrucciones de hasta 100.000 tokens. Entre el más caro y el más barato de los modelos citados, el precio se multiplica por 100 en OpenAI y por 80 en Anthropic, y ambas listas incluyen otros modelos más caros, especializados o de generaciones anteriores. Los tokens de salida, lo que el modelo escribe, valen cinco veces más que los de entrada, y ambos proveedores ofrecen descuentos por reutilizar contexto ya procesado. Eso sí, un token no es una unidad idéntica entre empresas: cada una corta el texto con su propio tokenizador, y la documentación de Anthropic advierte que el de sus modelos recientes genera cerca de un 30% más de tokens que el anterior para el mismo texto, así que el precio por millón no basta para comparar cuánto cuesta una misma tarea.
No todos los tokens valen lo mismo. Dario Amodei, director ejecutivo de Anthropic, planteó otra lógica en una entrevista de comienzos de año en el pódcast de Dwarkesh Patel, que, según Xataka, volvió a circular a propósito de la salida a bolsa de la empresa: cobrar según el valor o la complejidad de la tarea. Su ejemplo: decirle a un usuario que reinicie su Mac vale «un dólar o unos céntimos», porque el modelo lo ha dicho millones de veces, mientras que sugerirle a una farmacéutica mover un anillo aromático en una molécula podría valer «decenas de millones de dólares». Amodei anticipa modelos de pago por resultados, aunque admitió no saber cuál se impondrá y defendió que el cobro actual por uso de la API es más duradero de lo que muchos creen. Como en el caso de HPE, es la mirada de una empresa que vende el servicio. Xataka añade un dato de contexto: según el documento de Anthropic ante el regulador bursátil estadounidense, el cobro por uso explicó cerca del 80% de sus ingresos del primer semestre de 2026.
Medir lo que se entrega. El contenido patrocinado por HPE propone dejar de racionar tokens y medir el costo por trabajo terminado, por ejemplo por cada cambio de código aprobado, junto con el retrabajo y los defectos. También sugiere reservar los modelos de frontera para la planificación difícil y enviar las tareas rutinarias a modelos abiertos que la propia organización ejecute, el tipo de infraestructura que HPE comercializa.
Qué hacer con esto. Para una pyme o un profesional que empieza a usar agentes, la regla práctica es triple: elegir el modelo según la tarea y no por defecto el más potente; poner límites de gasto en la cuenta de la API antes de dejar un agente trabajando solo; y medir cuánto trabajo útil sale de cada dólar, no cuántos tokens se consumen. La discusión sobre cobrar por resultados recién empieza, y por ahora la factura sigue llegando por token.

