Quien trabaja con modelos de lenguaje en proyectos web y de software conoce la discusión: ¿qué modelo usamos y cuánto cuesta operarlo? Una evaluación actual ofrece una cifra sorprendentemente clara al respecto. Según los datos de AI Gateway de Vercel —una capa intermedia a través de la cual las aplicaciones dirigen solicitudes a distintos proveedores de modelos—, en julio el 65,1 por ciento del gasto total correspondió a Anthropic. Sin embargo, allí solo se procesó alrededor del 30 por ciento de los tokens.
Un recargo de precio que se acepta
Los tokens son la unidad de facturación de los modelos de lenguaje: pequeños bloques de texto o código en los que se descomponen las entradas y salidas. Si se comparan gastos y volumen, un token de Anthropic cuesta de media 4,4 veces más que un token de los demás proveedores en el mismo gateway.
Lo llamativo no es tanto el recargo en sí como la reacción ante él. Los equipos de desarrollo aparentemente lo pagan de forma consciente, aunque las alternativas más económicas estarían técnicamente disponibles de inmediato: un gateway permite cambiar de modelo normalmente con poco esfuerzo. La conclusión obvia: en tareas como la generación de código y los flujos agénticos, en los que un modelo planifica y ejecuta varios pasos de forma autónoma, los equipos valoran más la calidad del resultado y la fiabilidad que el precio por token. No obstante, las cifras publicadas no permiten afirmaciones sólidas sobre los motivos; muestran gastos y volumen, no motivaciones.
Por qué el precio por token por sí solo dice poco
Para la planificación presupuestaria, el precio por token es un indicador engañoso. Lo decisivo es cuántos tokens consume una tarea hasta que el resultado es utilizable. Un modelo más económico que necesita varios intentos, arrastra contextos más largos o genera retrabajo por parte de las desarrolladoras y los desarrolladores puede resultar en total más caro que un modelo de precio elevado que funciona en la primera pasada.
A la inversa ocurre exactamente lo mismo: no toda subtarea exige el modelo más caro. La clasificación, el resumen, la conversión de formato o la extracción simple suelen poder cubrirse con modelos más pequeños y claramente más económicos. La distribución del gasto en el gateway indica que en la práctica surge precisamente esa división: una gran parte del volumen pasa por modelos económicos, una gran parte del dinero por unos pocos casos de uso exigentes.
La infraestructura alrededor del modelo
Al mismo tiempo, una segunda evolución muestra que la elección del modelo es solo una parte de la cuenta. Artificial Analysis ha publicado con el Search Index un benchmark que compara API de búsqueda para agentes de IA, es decir, servicios a través de los cuales un agente investiga y recupera contenidos web. Se evalúan calidad, costes y velocidad.
Se probaron siete proveedores y se utilizó el modelo GPT-5.6 Luna. En la evaluación, Parallel, Exa y Firecrawl están a la cabeza. Para los responsables de proyectos resulta interesante sobre todo la estructura del benchmark: trata la búsqueda como un componente independiente con su propio perfil de precio y latencia, no como un aspecto secundario del modelo.
Eso corresponde a la realidad de los sistemas agénticos. Un agente que investiga genera costes en varios puntos: en cada llamada de búsqueda, en la recuperación y preparación de los contenidos y de nuevo en el modelo, que debe procesar los textos devueltos como contexto. Una API de búsqueda que ofrece resultados precisos y concisos reduce así indirectamente también los costes de tokens. Una que emite mucho texto bruto los aumenta, incluso si su propio precio por llamada es bajo.
Qué significa esto para la presupuestación
De ambas noticias pueden derivarse algunas consecuencias prácticas, sin forzar las cifras:
- Medir el coste por tarea, no por token. La magnitud de referencia adecuada es el proceso completado: un ticket procesado, un pull request generado, una consulta respondida.
- Separar los modelos según la clase de tarea. Los pasos exigentes de código y de agentes justifican un modelo caro; los pasos rutinarios, rara vez.
- Planificar la capacidad de cambio. Un gateway o una capa de abstracción propia mantiene el cambio de proveedor dentro del ámbito de un cambio de configuración. Con las diferencias de precio actuales, esto es una palanca real.
- Contabilizar la búsqueda y la recuperación como una partida de coste propia. La calidad, el precio y la latencia de la API de búsqueda influyen directamente en los costes del modelo y en los tiempos de respuesta.
- Usar los benchmarks como preselección, no como decisión. El Search Index se elaboró con un modelo determinado; los propios contenidos, idiomas y dominios pueden arrojar una imagen diferente.
Límites de los datos disponibles
En la interpretación conviene ser prudente. La distribución del gasto procede de un único gateway y de un único mes. Refleja el comportamiento de uso de los equipos de desarrollo activos allí, no el mercado total. Quien trabaja a través de este gateway tiende a tener un perfil de proyecto determinado: desarrollo web y de aplicaciones con una fuerte proporción de código. Que Anthropic esté especialmente presente allí no tiene por qué cumplirse en otros segmentos.
También el dato del factor 4,4 es una media entre modelos, longitudes de contexto y tipos de facturación. Sirve como orientación para el orden de magnitud, no como base de un cálculo concreto. Para la propia planificación sigue siendo válido el camino a través de valores medidos en la propia operación.
Clasificación para proyectos
Para proyectos web y de software, esto significa sobre todo: los costes de IA deben formar parte del monitoreo desde el principio, desglosados por caso de uso y componente: modelo, búsqueda, recuperación. Quien tiene esta transparencia puede contemplar con calma diferencias de precio de varios cientos por ciento e invertir donde la calidad realmente importa.
Y quien mantiene intercambiables la selección de modelos y la infraestructura de búsqueda, sigue siendo capaz de actuar en un mercado en el que los precios y las clasificaciones seguirán moviéndose.