Costo real de las APIs de IA en 2026: caché y routing de modelos

Tabla de Contenidos

• Precios de API por millón de tokens (noviembre de 2026)
• La fórmula del costo real por tarea

  • Ejemplo: una tarea de 2 millones de tokens de entrada
• Cómo aprovechar la caché
• Routing de modelos: no mandes todo al más caro

  • Ejemplo ilustrativo
  • Antes de armar una cascada, prueba lo simple
• Cómo elegir modelo sin depender de benchmarks
• Plan de acción

Comparar modelos por su precio de entrada por millón de tokens es engañoso. En una aplicación real, y sobre todo en un agente que lee tu código o tus documentos una y otra vez, lo que define la factura es otra cosa: cuánto del prompt se lee desde caché y qué modelo resuelve cada tarea.

Esta guía no es un ranking de quién gana en benchmarks. Es un método para calcular cuánto te cuesta de verdad cada tarea y para bajar ese costo sin perder calidad. Si buscas qué modelo de Claude elegir para programar, lo explicamos en Opus 5.5 vs Sonnet 5.5. Si lo que te interesa son las suscripciones para uso personal, mira los precios reales de la IA en 2026.

Precios de API por millón de tokens (noviembre de 2026)

Modelo	Entrada	Lectura de caché	Salida	Nota
Claude Opus 5.5	4,00 USD	0,20 USD	20,00 USD	Contexto de 1M
Claude Sonnet 5.5	2,00 USD	0,20 USD	10,00 USD	Contexto de 1M
Claude Haiku 5.5	0,10 USD	—	0,50 USD	Hasta 100K tokens por prompt; más caro por encima
GPT-5.5 (OpenAI)	5,00 USD	0,50 USD	30,00 USD	Recargo por encima de ~272K tokens de entrada
Gemini 3.1 Pro (Google)	2,00 USD	0,20 USD	12,00 USD	Más caro por encima de 200K; la caché cobra almacenamiento por hora
DeepSeek V4.1 Flash	0,30 USD	0,006 USD	1,20 USD	Tarifa en horario pico; la mitad fuera de pico

Fuentes: páginas de precios de Anthropic, OpenAI, Google y DeepSeek, y comparadores que las replican. Los precios se mueven seguido; tómalos como foto del momento y verifica antes de presupuestar.

Dos lecturas rápidas de la tabla:

• La lectura de caché cuesta entre 10 y 50 veces menos que la entrada normal. Ese es el número que más pesa en un agente.
• La salida es cara en todos. Pedir respuestas cortas y estructuradas también baja la factura.

La fórmula del costo real por tarea

Una tarea de un agente (por ejemplo, «arregla este bug») son muchas llamadas al modelo. En cada una se reenvía casi el mismo contexto: instrucciones, archivos, historial. La fórmula para sumarlas es:

Costo por tarea = (tokens frescos × precio de entrada + tokens de caché × precio de caché + tokens de salida × precio de salida) ÷ 1.000.000

Donde:

• Tokens frescos: entrada que no estaba en caché (lo nuevo de cada llamada).
• Tokens de caché: entrada leída desde caché. En bucles de agentes bien armados, suele ser la gran mayoría.
• Tokens de salida: lo que el modelo genera.

Ejemplo: una tarea de 2 millones de tokens de entrada

Supuestos: 2.000.000 de tokens de entrada sumando todas las llamadas, el 90% leído desde caché (1,8M) y 200K frescos, más 20.000 tokens de salida. No incluye el costo de escribir la caché ni recargos por contexto largo.

Modelo	Frescos	Caché	Salida	Total por tarea
Claude Opus 5.5	0,80	0,36	0,40	≈1,56 USD
Claude Sonnet 5.5	0,40	0,36	0,20	≈0,96 USD
Gemini 3.1 Pro	0,40	0,36	0,24	≈1,00 USD
GPT-5.5	1,00	0,90	0,60	≈2,50 USD
DeepSeek V4.1 Flash (pico)	0,06	0,01	0,02	≈0,10 USD

Sin caché, la misma tarea en Opus 5.5 costaría unos 8,40 USD (2M × 4 USD + salida). La caché sola baja el costo más de cinco veces. Por eso, antes de cambiar de modelo para ahorrar, conviene revisar si tu caché está funcionando.

Cómo aprovechar la caché

La caché funciona por prefijo: el proveedor guarda el inicio del prompt y lo reutiliza mientras sea idéntico byte a byte. Cualquier cambio en el inicio invalida todo lo que viene después.

• Lo fijo, primero. Instrucciones del sistema, descripción de herramientas y documentos de referencia, al principio y siempre en el mismo orden.
• Lo variable, al final. La pregunta del usuario, la fecha y los identificadores de la solicitud van después de la parte cacheada.
• Cuidado con los invalidadores silenciosos. Una marca de hora en el prompt del sistema, un JSON con las claves en distinto orden o una lista de herramientas que cambia entre llamadas rompen la caché sin dar error.
• Mídelo. Las APIs devuelven cuántos tokens se leyeron desde caché. Si ese número es cero en llamadas repetidas, algo está cambiando el prefijo.

Routing de modelos: no mandes todo al más caro

No todas las tareas necesitan un modelo de frontera. Clasificar un ticket, resumir un log o extraer campos de un correo lo hace bien un modelo barato. Refactorizar un módulo de autenticación o depurar un problema de concurrencia, no.

Un enrutador decide a qué modelo mandar cada solicitud:

Solicitud
   │
   ▼
Clasificador (reglas o un modelo barato)
   │
   ├── Tarea compleja (refactor, debugging, razonamiento) ──► Modelo de frontera
   │                                                          (Opus 5.5, GPT-5.5, Gemini Pro)
   │
   └── Tarea rutinaria (clasificar, resumir, extraer) ─────► Modelo económico
                                                              (Haiku 5.5, DeepSeek Flash)

Se puede implementar con un clasificador propio o con capas como OpenRouter o LiteLLM, que dan una sola API para varios proveedores.

Ejemplo ilustrativo

Un equipo procesa 1.000 tareas al mes, todas en Opus 5.5, a 1,56 USD cada una: 1.560 USD al mes.

Tras analizar sus llamadas, ve que el 65% son rutinarias. Las manda a Haiku 5.5 (unos 0,21 USD por tarea incluso sin caché) y deja el 35% complejo en Opus 5.5:

• 350 tareas × 1,56 USD = 546 USD
• 650 tareas × 0,21 USD ≈ 137 USD
• Total ≈ 683 USD al mes, un 56% menos.

El número exacto depende de tu mezcla de tareas; el principio se repite. La condición es medir que la calidad de las tareas rutinarias no baje.

Antes de armar una cascada, prueba lo simple

Un enrutador agrega complejidad y, además, cada modelo tiene su propia caché, así que reparte el beneficio de cachear. A veces conviene más usar un solo modelo de frontera con un nivel de esfuerzo o razonamiento menor para las tareas fáciles. Compáralo con tus propias pruebas antes de construir el enrutador.

También ayuda no depender de un solo proveedor por razones de disponibilidad y precio; lo explicamos en por qué diversificar proveedores de IA.

Cómo elegir modelo sin depender de benchmarks

Los puntajes de benchmarks cambian con cada versión, los publican en general los propios proveedores y no siempre reflejan tus tareas. Un método más confiable:

1. Arma un set de 20 a 50 tareas reales de tu producto, con la respuesta esperada.
2. Córrelas en dos o tres modelos y puntúa la calidad (a mano o con un modelo juez y una rúbrica).
3. Calcula el costo por tarea completada, no por llamada: un modelo barato que necesita tres reintentos no es barato.
4. Decide por tipo de tarea, no un modelo para todo.

Plan de acción

1. Audita 7 días de llamadas. Registra tipo de tarea, tokens frescos, de caché y de salida, y modelo usado.
2. Calcula tu costo por tarea con la fórmula de arriba y encuentra las tareas más caras.
3. Arregla la caché primero. Es el ahorro más grande y no cambia la calidad.
4. Enruta lo rutinario a un modelo económico y mide que la calidad se mantenga.
5. Revisa tu margen. Si cobras una suscripción, comprueba que el consumo de API proyectado por cliente cabe en el precio con la calculadora de margen de ganancia.