guía
Cuánto cuesta la API de un modelo y de dónde sale la factura
La factura de una API de IA rara vez sorprende por el precio unitario. Sorprende por el volumen: la parte que se repite en cada llamada es la que acaba costando dinero, y es justo la que nadie mira porque se escribió una vez y funcionó.
Cómo se cobra, en dos partidas
Todos los proveedores cobran por token y separan dos precios: entrada y salida. La entrada es todo lo que envías —prompt de sistema, historial, documentos, mensaje del usuario— y la salida es lo que el modelo responde.
La salida siempre cuesta bastante más por token que la entrada, entre tres y cinco veces según el modelo. Eso hace pensar que el gasto está en las respuestas, y en un producto real casi nunca es así: la entrada se repite en cada llamada y la salida no siempre es larga.
El cálculo es directo: tokens de entrada por su precio, más tokens de salida por el suyo, todo dividido entre un millón, que es la unidad en la que se publican las tarifas.
La partida que no se ve
El prompt de sistema es fijo, se escribió una vez y desde entonces nadie lo mira. Pero viaja en todas las llamadas, así que su coste no es su tamaño: es su tamaño multiplicado por el volumen de tu producto.
Un prompt de sistema de mil tokens en un producto que hace diez mil llamadas al día son diez millones de tokens de entrada diarios que no dependen de lo que haga el usuario. Recortarlo un 30 % no ahorra un 30 % de una llamada: ahorra tres millones de tokens al día, todos los días.
El historial de conversación funciona igual y es peor, porque crece. En un chat, cada turno reenvía todo lo anterior: el mensaje número veinte paga los diecinueve anteriores otra vez.
Cómo estimar la factura antes de recibirla
Con tres números se sale de dudas, y los tres se pueden tener en una tarde.
- Cuántos tokens ocupa tu parte fija: prompt de sistema más cualquier instrucción que viaje siempre. Se mide una vez con el tokenizador del modelo que uses.
- Cuántos tokens ocupa una interacción media: lo que escribe el usuario más lo que recuperas de documentos, si haces eso.
- Cuántas llamadas al día esperas. Es el número que convierte los dos anteriores en dinero, y el que más se subestima.
Las tres formas de abaratarlo, por orden de esfuerzo
En este orden, porque el primero es gratis y el último cambia el producto.
- Recortar lo que se repite. Es la única palanca que actúa sobre cada llamada sin tocar la calidad de la respuesta. Un prompt medio en español lleva entre un 30 % y un 50 % de texto que no cambia lo que el modelo hace.
- Cachear el prefijo. Los proveedores grandes cobran mucho menos por la parte del prompt que ya han visto, si se repite literalmente al principio. Exige ordenar el prompt para que lo fijo vaya delante, pero no cambia nada de lo que hace.
- Cambiar de modelo. Un modelo más pequeño cuesta una fracción y para muchas tareas basta. Es lo más efectivo y lo único que exige volver a probar que la calidad aguanta.
Y si no pagas por token, también te cuesta
En un plan gratuito no hay factura, pero el token sigue siendo presupuesto: cada uno ocupa ventana de contexto y acerca el momento en que la conversación se corta o el modelo empieza a olvidar el principio.
El mismo recorte que ahorra dinero a quien paga le da a quien no paga más conversación antes del límite. Es la misma operación con dos monedas distintas.
El optimizador aplica estas reglas mientras escribes, con un diff palabra a palabra para que veas exactamente qué se quita. El plan gratuito no pide tarjeta.