Lo que se paga por usar un modelo de IA no es una tarifa: es el resultado de cuatro tipos de token, una fórmula y varias decisiones de arquitectura. Cómo se calcula, dónde se esconde el costo que nadie ve y en qué punto obliga a rediseñar.
El costo por token no es un precio único: es la suma de cuatro tarifas distintas sobre cuatro tipos de token, más el contexto que se reenvía en cada turno. Por eso la factura crece más rápido que el uso. Se controla antes de escalar, con tres decisiones de diseño: qué se cachea, qué se delega a un modelo menor y qué se resuelve sin modelo.
Qué es tokenomics y por qué no es "el precio del modelo"
Tokenomics es la economía de un sistema de IA medido en tokens: qué se consume, a qué tarifa y por qué. No es el precio de un modelo; es cuánto gasta el sistema.
Tres números se confunden. Tarifa de lista es el precio publicado: sirve para comparar contratos, no para proyectar. Tarifa efectiva es lo que terminás pagando por millón tras caché, lote y reintentos: la única que aparece en la factura. Costo por resultado es lo que sale un ticket resuelto, el único que decide si el caso vive. Finanzas usa el primero, la empresa paga el segundo, el comité mira el tercero.
Los cuatro tipos de token y por qué cada uno tiene su tarifa
Cada proveedor publica su tabla; los tipos no cambian.
Entrada
Todo lo que se manda: prompt de sistema, historial, documentos, herramientas. Se procesa en paralelo: el más barato por unidad, muchas veces el más caro en total. Lo infla el contexto arrastrado.
Salida
Lo que el modelo escribe. Cuesta entre tres y cinco veces más que la entrada, y no es convención comercial: la entrada va en paralelo; la salida se genera token por token, y cada uno es una pasada que espera a la memoria.
Lectura de caché
Entrada que el proveedor ya vio y sirve desde caché. El descuento va de la mitad a nueve décimos según proveedor. La trampa es la invalidación: si un deploy cambia el prompt de sistema, la factura sube sin que cambie el tráfico.
Razonamiento
Tokens que genera mientras resuelve y que casi nunca ves. Se facturan como salida. En problemas difíciles pueden ser varias veces la respuesta visible: la causa más frecuente de la primera factura que asusta.
Escritura de caché y lote
Dos que se olvidan. Algunos proveedores cobran un recargo por escribir la caché: la primera llamada de un prefijo nuevo cuesta más. El lote viene a mitad de precio cuando no hay urgencia.
TipoQué lo inflaQué lo bajaEntradaContexto arrastradoRecorte, cachéSalidaVerbosidadFormato mínimoCachéPrefijo inestablePrefijo estableRazonamientoEncendido para todoPor excepciónLoteUrgencia mal justificadaReprocesos en lote
La fórmula, con variables y sin tarifas
No vas a encontrar tarifas: cambian, y una nota con precios vence en una semana. No vence la estructura de la cuenta. Reemplazá cada tarifa por la vigente.
El punto que casi todos pasan por alto: la entrada que reporta el proveedor incluye la lectura de caché. No se suma, es un subconjunto. Por eso la fórmula resta.
entrada_sin_cache = entrada_total - tokens_lectura_cache
costo_llamada =
entrada_sin_cache × tarifa_entrada
+ tokens_lectura_cache × tarifa_cache_lectura
+ tokens_escritura_cache × tarifa_cache_escritura
+ salida_visible × tarifa_salida
+ tokens_razonamiento × tarifa_razonamiento
El error de doble conteo. Si cobrás la entrada completa a tarifa plena y la caché aparte, inflás el costo y hacés que la caché parezca ahorrar más de lo que ahorró. Un tablero que falla así es peor que ninguno: da una cifra para decidir mal con confianza.
El error de la tarifa por alias. Se factura al modelo que respondió, no al que pediste: si hubo fallback, paga el que contestó.
Un ejemplo. Tarifas ilustrativas, que no son de ningún proveedor: entrada 1, caché 0,25, escritura 1,25, salida 4, razonamiento 4. Llamada con 12.000 de entrada —9.000 de caché—, 500 de escritura, 400 de salida y 1.200 de razonamiento: 3.000 + 2.250 + 625 + 1.600 + 4.800 = 12.275. El razonamiento se llevó el 39% y no se ve en la respuesta. Con doble conteo: 21.275, un 73% de más.
El costo que no está en la fórmula: el contexto reenviado
Una conversación no es una suma de mensajes. Cada turno reenvía la ventana completa: sistema, todo lo anterior y el mensaje nuevo. El modelo no recuerda: le mandás el historial otra vez y te lo cobran.
Los supuestos: prompt de sistema de 450 tokens, ochocientos tokens nuevos de entrada por turno, doscientos de respuesta y salida a cuatro veces la entrada. Ilustrativos; importa la curva.
TurnoReenviadoNuevosAcumulado (× ingenuo)14501.0002.050 (1,3×)21.4501.0005.100 (1,6×)32.4501.0009.150 (1,9×)43.4501.00014.200 (2,2×)54.4501.00020.250 (2,5×)65.4501.00027.300 (2,8×)
El sexto turno cuesta 3,4 veces el primero. Y contra la cuenta ingenua —1.600 por turno, seis veces— el acumulado real da 27.300: casi el triple. Es el error de proyección más común: se suman los mensajes y se olvida que el contexto viaja de nuevo en cada turno.
Se esconde, además, en cuatro lugares:
Reintentos. Uno duplica la llamada; con reparación de formato arrastra además la respuesta mala.
Herramientas de más. Un agente con veinte herramientas paga veinte descripciones por llamada aunque use dos. Es el costo de los flujos agénticos que crecen por acumulación.
Documentos que nadie usa. Si el retrieval trae diez fragmentos y la respuesta usó dos, los otros ocho se pagaron: el problema es cómo se arma el contexto.
Agentes que se pasan contexto. El traspaso lleva todo lo anterior, más un resumen, más lo del siguiente.
La regla práctica: si no medís por request, no estás midiendo. Cada llamada deja un registro con ruta, modelo, versión del prompt, tokens por tipo y costo. Es también la evidencia de una auditoría: la disciplina del gobierno de IA, y lo que se muestra cuando preguntan con qué datos se decidió, como en los programas de IA en banca.
Dónde el costo deja de ser una factura y se vuelve una decisión de arquitectura
El número deja de ser tema de Finanzas cuando se vuelve un límite de diseño.
1. Cuando la proporción entrada/salida se da vuelta. Un resumen manda diez mil tokens y devuelve doscientos; un generador de código, al revés. Señal: la mezcla real de tokens. Decisión: elegir por tarifa sin mirar la mezcla es elegir a ciegas; dos modelos parejos invierten el orden.
2. Cuando el contexto repetido domina la llamada. Señal: más de la mitad de la entrada es el mismo prefijo. Decisión: la caché pasa de optimización a requisito. Cambia cómo se escribe el prompt —lo estable adelante, lo volátil atrás— y cambia el proceso: cada deploy que toca el prefijo invalida la caché de todos, así que el prompt gana versión. Cómo se invalida, por proveedor: OpenAI, Anthropic, Azure AI Foundry y Amazon Bedrock.
3. Cuando el razonamiento se paga en todos lados. Señal: los tokens de razonamiento superan de forma sostenida a la salida visible. Decisión: razonamiento por excepción, con un modelo menor en el caso común. Si tus consultas son de baja dificultad y todas pasan por el modelo que razona, no tenés un problema de tarifa: tenés uno de ruteo.
4. Cuando el proceso no necesitaba un modelo. Señal: la mayoría de los casos sigue una regla que se puede escribir, y el modelo se usa para redactar lo que la regla ya decidió. Decisión: sacar el modelo del camino común. Es la que más ahorra y la que nadie toma, porque no vende sola: no hay proveedor que la proponga ni licencia que aprobar, y el equipo que la implementa no queda en la foto. También es la que mejor envejece: el proceso determinista cuesta cero por inferencia, tiene latencia fija, se audita leyendo la regla y no se degrada cuando cambia el modelo. Ahí entra la automatización sin dependencia de modelos.
La pregunta no es qué modelo usar. Es qué parte del proceso merece un modelo.
Señal en los datosDecisiónLa mezcla se inclina según el casoElegir por mezcla realMás de la mitad de la entrada es el mismo prefijoCaché como requisitoEl razonamiento supera a la salida visiblePor excepciónLa mayoría sigue una regla deterministaSacar el modelo
Cómo se proyecta antes de escalar
El gasto mensual es producto de cuatro números: conversaciones por día, turnos por conversación, tokens por turno y tarifa. Cada uno tiene su barra de error y la de turnos suele ser la más ancha: nadie sabe cuánto dura una conversación hasta que la mide. Las barras se multiplican; por eso va un rango.
Medir primero: sin línea base por request, cualquier ahorro es una opinión. El primer mes mirá costo por conversación, entrada cacheada, razonamiento sobre salida visible y reintentos cada cien llamadas.
Esa instrumentación es lo que hacemos en 54cuatro sobre las plataformas del cliente —Azure OpenAI, AWS Bedrock, Google Vertex AI, Databricks, Snowflake, Microsoft Fabric, BigQuery—, con reventa declarada de Microsoft y AWS, en proyectos llave en mano y squads tipo pods.
Cinco preguntas para hacerle a tu proveedor o a tu equipo
¿El tablero separa caché de entrada o cobra todo a tarifa plena? Si no separa, el número está inflado o mal atribuido.
¿Se imputa al que respondió o al que se pidió? Si es al pedido, los fallback son invisibles.
¿Cuánto de la entrada es el mismo prefijo en cada request? Eso decide si la caché es requisito.
¿Cuántos reintentos hay por cada cien llamadas y cuánto cuestan? El reintento silencioso es el gasto que nadie discute.
¿Qué parte de este flujo resolvía una regla determinista? La respuesta honesta suele sorprender.
Glosario
Token: unidad mínima de texto que procesa un modelo.
Tarifa efectiva: costo real por millón tras caché, lote y reintentos.
Caché de prompts: reutilización de un prefijo ya procesado, a tarifa menor.
Token de razonamiento: el que el modelo genera al resolver, facturado como salida.
Lote: procesamiento diferido, a tarifa reducida.
Preguntas frecuentes
¿Qué es tokenomics en inteligencia artificial?
Es la economía de un sistema de IA medido en tokens: qué se consume, a qué tarifa y por qué. Incluye los tipos de token, la tarifa de cada uno y el contexto que se reenvía en cada llamada. No es el precio de un modelo: es cómo gasta el sistema.
¿Por qué los tokens de salida cuestan más que los de entrada?
Porque la entrada se procesa en paralelo y la salida se genera token por token. Cada token es una pasada que espera a la memoria, y esa secuencia no se acelera repartiendo el trabajo. La diferencia refleja cómputo, no una decisión comercial.
¿La caché de prompts siempre ahorra?
No. Ahorra cuando el prefijo es estable y se repite. Si un deploy cambia el prompt de sistema, si cambia la versión del modelo o si el prefijo es corto, se invalida, y algunos proveedores cobran por escribirla. Medir qué porcentaje de la entrada vino de caché es la única forma de saberlo.
¿Los tokens de razonamiento se facturan?
Sí. Se facturan como salida, aunque el usuario no los vea. En problemas difíciles pueden ser varias veces la respuesta visible, y por eso explican buena parte de las primeras facturas que sorprenden. Se controlan reservándolos para los casos que de verdad los necesitan.
¿Cómo se estima el costo mensual de un asistente de IA antes de lanzarlo?
Multiplicando conversaciones por día, turnos por conversación, tokens por turno y tarifa. Cada factor tiene error y los errores se multiplican, así que va un rango con supuestos explícitos. Sin línea base por request, cualquier proyección es una opinión con formato de planilla.
Publicado el 5 de noviembre de 2026. Última revisión: 5 de noviembre de 2026.