En pocos días, Google, Deepseek y xAI han publicado nuevos modelos que se dirigen todos al mismo campo de aplicación: la generación de código y los flujos de trabajo agénticos, es decir, sistemas de IA que procesan una tarea de forma autónoma a través de muchos pasos individuales.Lo llamativo no es tanto el salto de rendimiento como el movimiento de precios, en ambas direcciones.

Google: nueva generación tras tres semanas

Google ha presentado Gemini 3.7 Flash, solo tres semanas después del predecesor 3.6 Flash.El modelo se posiciona como el modelo de trabajo más potente de la empresa para código y agentes de IA.Según los propios benchmarks de Google, supera a Claude Sonnet 5 y GPT-5.6 Terra en calidad de código, y a la mitad de precio.

Aquí son importantes dos limitaciones.En primer lugar, se trata de datos del fabricante, no de mediciones independientes.En segundo lugar, un intervalo de lanzamiento de tres semanas dice más sobre la dinámica del mercado que sobre la madurez de cada versión individual.Quien hoy fija una selección de modelo directamente en una aplicación, posiblemente ya esté trabajando el próximo mes con una decisión que sería mejor no haber tomado.

Deepseek: mejor rendimiento, precios notablemente más altos

Deepseek ha sacado su buque insignia V4-Pro de la fase de prueba y publica con Harness v0.1 por primera vez su propio software de agentes bajo licencia MIT, es decir, una licencia de código abierto permisiva que permite el uso comercial y la adaptación.Para equipos que construyen su propia infraestructura de agentes, esto es un componente notable.

La segunda noticia es menos halagüeña: los precios de la API suben notablemente.Especialmente afectados están los aciertos de caché, que se encarecen seis veces.En el prompt caching, las partes de entrada recurrentes —por ejemplo, los mismos archivos fuente o instrucciones de sistema— se almacenan en caché y se facturan más barato que las entradas nuevas.De eso viven precisamente los flujos de trabajo de código agénticos: un agente lee repetidamente los mismos archivos a lo largo de docenas de pasos.

Para tales aplicaciones, el encarecimiento de la caché es por tanto la parte más costosa del cambio, no el precio nominal por token en la lista de precios.Quien utilice Deepseek en pipelines debería comparar la factura real de las últimas semanas con la nueva estructura de precios, en lugar de comparar solo los precios base.

xAI: más rendimiento por euro con menos pasos

Grok 4.6 de xAI alcanza 61 puntos en el Artificial Analysis Intelligence Index y queda así a la par de GPT-5.6 Sol y solo ligeramente por detrás de Claude Opus 5.Más interesante que el valor del índice es el dato sobre la eficiencia: en tareas agénticas, Grok 4.6 resuelve flujos de trabajo complejos en unos 53 pasos, mientras que Claude Opus 5 necesita unos 103 pasos, con un precio más de un 60 por ciento inferior.

El número de pasos es a menudo más significativo para los presupuestos de proyecto que el precio por millón de tokens.Cada paso de un agente genera nuevas entradas y salidas, cuesta tiempo y aumenta la probabilidad de que el flujo se desvíe.Un modelo que llega al resultado con la mitad de los pasos reduce los costes varias veces: en los tokens, en el tiempo de ejecución y en el esfuerzo de tratamiento de errores.

También se mueve algo en el ámbito abierto

Paralelamente, Ling 3.0 Flash se considera el modelo abierto más inteligente de su clase de tamaño.En este punto no se dispone de datos fiables sobre los detalles, pero la indicación es relevante: la distancia entre las API comerciales y los modelos disponibles abiertamente se sigue negociando en clases de tamaño más pequeñas.Para escenarios con requisitos de protección de datos o autoalojamiento, merece la pena seguir de cerca esta rama.

El contramovimiento: los modelos punteros caros se quedan sin salida

Llama la atención una cifra procedente de otra dirección.El buque insignia de Anthropic, Fable 5, se considera el modelo más potente del mercado, pero las empresas estadounidenses apenas lo compran: según datos de Ramp, solo el seis por ciento de los tokens actuales de Anthropic corresponden a este modelo.La interpretación obvia es que se ha alcanzado un límite de precio para la difusión de la IA, al menos cuando la ganancia de rendimiento y el beneficio en el trabajo diario permanecen abstractos.

Esto encaja con el resto del panorama: la demanda no se concentra en el modelo más potente en cada caso, sino en el modelo más barato que todavía es suficiente para la tarea concreta.Justamente en ese hueco inciden Gemini 3.7 Flash y Grok 4.6 con sus argumentos de precio.

Qué significa esto en la práctica

De estas noticias se pueden extraer algunas consecuencias sobrias:

  • Mantener intercambiable la elección de modelo. Con intervalos de lanzamiento de pocas semanas, el proveedor utilizado debería ser configurable en las aplicaciones, no estar fijado de forma rígida.
  • Medir los costes en la propia carga de trabajo. Los benchmarks de los fabricantes y las listas de precios no sustituyen una prueba con los propios repositorios, prompts y condiciones de interrupción.
  • Evaluar el caching por separado. Si los aciertos de caché pueden multiplicarse por seis, la estrategia de caché es una partida de costes propia y no una nota al margen.
  • Contar pasos, no solo tokens. En los flujos agénticos, el número de iteraciones decide de forma determinante los costes y la fiabilidad.
  • Comprar rendimiento puntero solo donde cuente. Para tareas rutinarias suele bastar la clase más barata; el modelo caro queda reservado para casos especiales difíciles.

Una reserva realista: todos los datos de rendimiento mencionados proceden o bien de los propios proveedores o de índices agregados.Dicen poco sobre cómo se comporta un modelo en una base de código concreta con una estructura desarrollada, convenciones propias y lastre heredado.

Esta verificación sigue siendo tarea del equipo del proyecto.

Para los proyectos web y de software, esto significa sobre todo: la elección del modelo ya no es una decisión de principio, sino una magnitud operativa que se revisa a intervalos regulares, con una capa de abstracción en la arquitectura y un pequeño escenario de pruebas repetible extraído del día a día del propio proyecto. Quien observa conjuntamente los costes y la calidad puede aprovechar las reducciones de precios y detectar pronto las subidas de precios, como en el caso de los aciertos de caché. Y quien emplea en cada tarea la clase de modelo adecuada en lugar de la más potente, mantiene el soporte de IA de forma permanente dentro del presupuesto.

Fuentes