Por Canuto  

Los modelos chinos suelen ofrecer tarifas más bajas por token, pero un análisis basado en datos de Artificial Analysis sostiene que sistemas de OpenAI, Anthropic y Google a menudo completan tareas con un costo total menor. La eficiencia en el uso de tokens y las tarifas de alojamiento en la nube pueden cambiar la comparación. Por su parte, datos de Ramp apuntan a una caída del gasto empresarial en IA, aunque el consumo de tokens habría alcanzado máximos.
***

  • Modelos de DeepSeek, Qwen y Kimi tienen precios por token más bajos, pero podrían necesitar más tokens para completar ciertas tareas.
  • El informe sostiene que modelos estadounidenses de OpenAI, Anthropic y Google a menudo terminan siendo menos costosos por tarea.
  • Ramp registró una caída de 5,2% en el gasto empresarial en IA; los datos citados por el análisis también señalan un aumento del consumo de tokens.

 

Un análisis sobre costos de inteligencia artificial advierte que comparar tarifas por token puede ofrecer una imagen incompleta: los modelos estadounidenses a menudo necesitarían menos unidades de texto para resolver una tarea, lo que podría reducir la factura final.

Los modelos chinos de DeepSeek, Qwen, de Alibaba, y Kimi, de Moonshot, suelen cobrar menos por token que sus competidores de Estados Unidos. Sin embargo, un informe de Seeking Alpha publicado el 6 de octubre de 2026, basado en datos de Artificial Analysis, concluye que sistemas de OpenAI, Anthropic y Google con frecuencia completan tareas a menor costo total.

La diferencia importa para las empresas que eligen herramientas de IA por su presupuesto, no solo por la tarifa anunciada. El precio de cada token es una parte de la cuenta; también cuentan cuántos tokens consume el modelo para llegar a una respuesta y, en algunos casos, cuánto cuesta alojarlo en la nube, detalla CryptoBriefing.

El costo por token no siempre anticipa la factura

Un token es una pequeña unidad de texto que un modelo procesa al leer o producir una respuesta. Como los proveedores facturan parte de sus servicios con base en esas unidades, el precio por token se convirtió en una referencia habitual para comparar sistemas, aunque por sí solo no determina cuánto cuesta completar un trabajo.

Las afirmaciones sobre la ventaja de precios de China sitúan sus tarifas por token entre 60% y 90% por debajo de las de sistemas estadounidenses. El análisis citado pone en duda que ese descuento se traduzca automáticamente en una factura final menor, porque la cantidad de tokens necesaria para obtener un resultado también influye en el costo.

Según el informe, los modelos estadounidenses tienden a ser más eficientes en esa medición: podrían llegar a una respuesta usando menos tokens. Por eso, aunque cada unidad resulte más cara, el gasto acumulado al completar una tarea puede quedar por debajo del de un rival chino que consuma más texto durante el proceso.

La comparación no implica que todos los modelos de Estados Unidos sean más baratos, ni que los sistemas chinos necesariamente resulten costosos. La conclusión es más acotada: de acuerdo con el análisis, los modelos estadounidenses a menudo salen favorecidos cuando se mide el costo por tarea terminada, una métrica distinta de la tarifa publicada por token.

El informe recoge además el argumento de Martin Chorzempa, del Peterson Institute, según el cual la brecha entre los costos de IA de Estados Unidos y China sería más estrecha —e incluso podría invertirse— frente a lo que sugieren los precios de portada. Esa perspectiva desplaza la discusión desde el precio unitario hacia el rendimiento concreto de cada sistema.

Los modelos de pesos abiertos también tienen costos

Varios modelos chinos se distribuyen como sistemas de pesos abiertos, una característica que permite descargarlos sin pagar por el acceso al modelo en sí. Esa disponibilidad puede parecer una ventaja directa para organizaciones que buscan reducir gastos, pero el costo real depende de cómo ejecuten el sistema y de qué infraestructura utilicen.

Cuando una empresa accede a esos modelos a través de proveedores de nube, el servicio puede incorporar comisiones de hasta 30%, según el análisis. Esos cargos elevarían el costo efectivo para quienes dependen de infraestructura de terceros, en contraste con organizaciones que pueden ejecutar el modelo localmente y no recurren al mismo esquema de alojamiento.

Por ello, el calificativo de “gratuito” no basta para establecer que una opción sea la más económica en un entorno comercial. La empresa debe sumar a la tarifa de uso los gastos de alojamiento que correspondan, además de comparar el consumo de tokens requerido para obtener resultados equivalentes.

La recomendación práctica del análisis es comparar sistemas por tarea completada y no quedarse únicamente con el costo por token. También aconseja incorporar las tarifas de alojamiento en nube, sobre todo cuando se trata de modelos de pesos abiertos utilizados a través de plataformas externas que pueden cobrar comisiones de hasta 30%.

El gasto baja mientras aumenta el consumo

Los datos de Ara Kharazian, economista principal de Ramp, añaden otra señal a la discusión sobre costos: la actualización de agosto del Ramp AI Index registró una caída de 5,2% en el gasto empresarial en IA. Los datos citados por el análisis también apuntan a que el consumo de tokens alcanzó máximos históricos, de modo que un mayor uso no se tradujo en un aumento paralelo del desembolso registrado.

Kharazian atribuyó la caída del gasto casi por completo a la competencia entre OpenAI y Anthropic, según una publicación suya. El economista también señaló que los modelos de código abierto representaban menos de 5% del gasto empresarial en IA. Esa explicación ofrece un contexto para la baja, pero no prueba por sí sola que el consumo de tokens sea la causa de la reducción del desembolso.

La combinación de menos gasto y más consumo puede apuntar a cambios en los patrones de uso y en los precios, aunque no demuestra por sí sola que las compañías hayan encontrado un modelo de negocio definitivo ni que el gasto vaya a seguir bajando. Sí plantea un contrapunto a la preocupación de que las empresas estén aumentando sin límite sus pagos a proveedores de IA a medida que incorporan estas herramientas a sus actividades.

Para compradores e inversores, el dato también recuerda que adopción y rentabilidad no son equivalentes. El uso puede crecer mientras el gasto cae, y evaluar esa relación requiere distinguir entre el volumen de tokens consumidos, las tarifas aplicadas y la eficiencia con la que cada modelo completa el trabajo solicitado.

Una comparación relevante para empresas e inversores

La disputa entre modelos estadounidenses y chinos no se resuelve con una sola etiqueta de precio. Las tarifas por token muestran cuánto cuesta procesar una unidad, pero no necesariamente permiten anticipar qué sistema ofrecerá el menor costo total para una tarea específica, especialmente cuando los modelos difieren en el volumen de texto que utilizan.

El análisis, por tanto, cuestiona una lectura simplificada de la competencia: que un precio unitario inferior garantice una ventaja económica. Para que la comparación resulte útil, las empresas deben contrastar resultados equivalentes y contabilizar tanto el consumo del modelo como los eventuales cargos de infraestructura.

La diferencia entre sistemas también puede modificar la interpretación de los precios de los modelos de pesos abiertos. Descargar un modelo sin costo puede ser atractivo, pero si el acceso comercial pasa por un proveedor de nube que cobra comisiones, la cuenta cambia; si además el sistema requiere más tokens para resolver una tarea, la tarifa inicial deja de contar toda la historia.

El informe no declara un ganador universal ni presenta una tarifa única aplicable a todos los usos. Su planteamiento central es que la comparación debe hacerse en función del trabajo completado, mientras que los datos de Ramp sugieren que, en un mercado de uso creciente, la disciplina de costos gana relevancia para las empresas que compran servicios de IA.

En síntesis, los modelos chinos pueden conservar una ventaja clara en el precio por token, pero esa ventaja no garantiza un menor costo por tarea. La eficiencia, la forma de acceso y las comisiones de nube pueden inclinar el resultado, por lo que el análisis propone mirar más allá del precio de portada antes de decidir qué sistema conviene.

Imagen original de DiarioBitcoin, creada con inteligencia artificial, de uso libre, licenciada bajo Dominio Público.

Este artículo fue escrito por un redactor de contenido de IA y revisado por un editor humano para garantizar calidad y precisión.


ADVERTENCIA: DiarioBitcoin ofrece contenido informativo y educativo sobre diversos temas, incluyendo criptomonedas, IA, tecnología y regulaciones. No brindamos asesoramiento financiero. Las inversiones en criptoactivos son de alto riesgo y pueden no ser adecuadas para todos. Investigue, consulte a un experto y verifique la legislación aplicable antes de invertir. Podría perder todo su capital.

Suscríbete a nuestro boletín

Artículos Relacionados