Por Canuto  

Ornn presentó el OTPI, un nuevo índice que busca medir el precio real de los tokens de inferencia de IA a partir de transacciones ejecutadas y pagadas, no de tarifas publicadas. La propuesta apunta a dar una referencia diaria sobre OpenAI y Anthropic, en momentos en que la industria intenta demostrar que la demanda por inteligencia artificial justifica inversiones multimillonarias en centros de datos.
***

  • Ornn lanzó el OTPI como primer índice de precios de tokens de IA basado en transacciones reales.
  • El indicador debutó con referencias diarias separadas para OpenAI y Anthropic.
  • La firma sostiene que esta métrica puede ofrecer una lectura más concreta de la demanda real de IA.

La economía de la inteligencia artificial acaba de sumar una nueva referencia de mercado. Ornn anunció el lanzamiento de los Índices de Precios de Tokens de Ornn, o OTPI, una herramienta que busca medir el precio real de los tokens de inferencia producidos por los principales laboratorios de IA fronteriza.

La novedad apunta a un vacío que, según sus impulsores, persistía desde el auge comercial de los modelos generativos. Aunque los laboratorios publican tarifas para sus servicios, el costo efectivamente pagado por los compradores suele diferir por factores como caché, mezcla de modelos, ruteo entre proveedores y división entre tokens de entrada y salida.

La explicación fue desarrollada por @alexwg, quien indicó que el cómputo ya había comenzado a tratarse como una clase de activo negociable, pero que el token, la unidad con la que se factura la inferencia, todavía no tenía un precio descubierto de forma honesta.

En ese marco, el OTPI se presenta como un índice diario en dólares por millón de tokens, construido a partir de inferencias pagadas y ejecutadas. La idea central es ofrecer un número único que refleje lo que el mercado realmente paga, en lugar de limitarse a las listas de precios que publican los proveedores.

El lanzamiento inicial incluye índices separados para los dos grandes laboratorios fronterizos que Ornn identifica por capacidad referenciada: Anthropic y OpenAI. La firma sostiene que esta métrica puede ser útil para empresas que presupuestan gasto en IA, inversores que evalúan la tesis de demanda y laboratorios que siguen de cerca su monetización.

De las tarifas publicadas al precio transaccionado

El argumento de fondo parte de una distinción clásica en los mercados de commodities. Un precio publicado es una declaración del vendedor, mientras que un precio transaccionado surge del descubrimiento real en el mercado.

Para explicar esa diferencia, el autor recurre a una analogía histórica con el petróleo. Recuerda que en agosto de 1866 los productores reunidos en Titusville, Pensilvania, acordaron que un barril tendría 42 galones, lo que ayudó a estandarizar la unidad de referencia.

Antes de esa definición, el crudo se transportaba en barricas de 40 y 45 galones. Esa falta de uniformidad dificultaba la coincidencia entre contratos y obstaculizaba una valoración más precisa del producto.

La comparación se traslada luego a la IA. Según esta visión, el token ya funciona como el barril de la economía de inteligencia artificial, porque es la unidad que los laboratorios usan para fijar y cobrar sus servicios.

Lo que faltaba no era la unidad, sino el precio realmente descubierto. Ahí entra el OTPI, que pretende cerrar la brecha entre lo que los proveedores anuncian y lo que los compradores finalmente desembolsan por la inferencia.

El razonamiento también recupera otra referencia del petróleo. Durante décadas, las grandes compañías declaraban el precio del crudo, y cuando lo redujeron de manera unilateral en 1959 y otra vez en agosto de 1960, los estados productores se reunieron en Bagdad en septiembre y fundaron la OPEP.

En aquel mercado, la distancia entre precio publicado y precio real tenía una dimensión política. En la IA, en cambio, la diferencia sería estructural, porque depende del diseño técnico y comercial de cada compra.

La caché puede alterar de forma relevante el costo por token. También influyen el reparto entre entrada y salida, el ruteo del tráfico entre proveedores y la combinación de modelos que cada cliente decide utilizar.

Por eso, la tarifa pública no necesariamente coincide con el costo realizado. El OTPI intenta resolver ese problema al basarse en actividad efectivamente pagada y ejecutada, no en listas nominales.

Ese matiz es importante para una industria en la que muchas discusiones de mercado todavía se apoyan en precios de referencia poco comparables entre sí. Una métrica transaccional podría cambiar la forma en que empresas e inversores interpretan el gasto en IA.

Cómo funciona el OTPI y qué busca medir

Ornn describe el OTPI como un índice de valor por unidad. Para cada laboratorio, la herramienta pondera cada modelo según el volumen de tokens transaccionado y lo resume en una sola cifra diaria en dólares por millón de tokens.

La construcción del indicador no intenta aislar una canasta fija. Más bien, deja que la mezcla real de tráfico entre modelos entre al número, de modo que el índice se mueva con lo que el mercado efectivamente compra y paga.

Ese enfoque contrasta con buena parte de la tradición estadística de los índices de precios. En el texto se recuerda que William Fleetwood construyó en 1707 un índice para valorar un tope de £ 5 en un estatuto de Oxford del siglo XV, trabajo que luego Adam Smith tomó como referencia para La riqueza de las naciones.

También se menciona que Laspeyres y Paasche introdujeron la ponderación en la década de 1870. Ambos enfoques buscaban fijar una canasta para aislar el precio puro, mientras que el índice de valor por unidad permite que cambie la composición del consumo.

Según la presentación, esa metodología hace que el OTPI incorpore una señal que normalmente no está disponible para observadores externos. El índice reflejaría cómo se distribuye de verdad el tráfico entre los distintos modelos de un proveedor.

Además, permitiría ver con qué velocidad una nueva versión capta volumen después de ser lanzada. Esa migración del tráfico es descrita como uno de los datos más sensibles dentro de un laboratorio, porque actuaría como señal directa de demanda.

El texto sostiene que, dado que cada entrada del índice corresponde a inferencia pagada, el resultado no es una encuesta sobre el mercado. La ambición es que el número represente al mercado mismo.

En la descripción se habla de cientos de miles de millones a billones de tokens por día. Sin embargo, no se ofrecen cifras desagregadas por proveedor ni detalles públicos adicionales dentro del anuncio compartido.

La compañía ya había dado un paso previo con el Índice de Precios de Cómputo de Ornn, o OCPI. Ese referente, según el autor, ayudó a llevar el precio del cómputo con GPU al Terminal de Bloomberg y a la Bolsa Intercontinental mediante futuros de cómputo.

Con el OTPI, Ornn busca completar el otro lado de la curva de costos de la IA. Si el OCPI pretende valorar la entrada, es decir, el tiempo de GPU, el nuevo índice quiere valorar la salida, es decir, el costo de los tokens producidos por ese cómputo.

Una nueva señal para medir demanda y monetización en IA

La relevancia potencial del índice va más allá de una simple comparación de tarifas. El debate de fondo es si la demanda por IA se sostiene al ritmo de las inversiones que hoy se realizan en infraestructura.

El autor plantea que la pregunta profunda ya no es solo si la IA se usa. La cuestión decisiva sería si los compradores siguen pagando por ella a medida que la tecnología madura y los precios evolucionan.

En ese contexto, se cita una estimación atribuida a OpenAI según la cual el costo por unidad de un determinado nivel de inteligencia cae alrededor de 40 veces al año. Esa caída se refiere a lo que compra un token, no necesariamente a lo que cuesta producirlo.

Desde esa perspectiva, el OTPI intentaría valorar el token como producto comercial. Su precio podría mantenerse mientras los compradores sigan migrando hacia la frontera tecnológica y podría deslizarse cuando esa frontera se vuelva una mercancía más estandarizada.

La distancia entre la caída del costo del cómputo y el comportamiento del precio del token sería, según esta tesis, la verdadera señal de deflación en la IA. Esa diferencia no se vería con claridad en tarjetas tarifarias ni en titulares sobre capacidad.

La publicación también vincula esta discusión con el ciclo de inversión en centros de datos. Se proyecta que casi USD $7 billones en inversión en data centers se realicen hasta 2030 sobre la apuesta de que la demanda por IA es real.

En ese escenario, un precio de token basado en transacciones podría convertirse en una primera lectura concreta para validar o cuestionar esa apuesta. No se trata solo de cuánto cuesta construir capacidad, sino de cuánto valor genera lo que sale de esa capacidad.

El autor conecta esa idea con el libro Solve Everything, escrito junto con Peter Diamandis. Allí sostienen que la Revolución de la Inteligencia transforma en abundante cada dominio escaso que toca, pero que esa abundancia primero debe ser valorada para poder financiarse.

La conclusión es que cada mercancía que impulsó una era pasó por dos etapas. Primero, la estandarización de su unidad y, después, el descubrimiento de su precio realizado.

Según esa lectura, el token de IA ya había cruzado la primera puerta cuando los laboratorios empezaron a facturarlo como unidad. Con el OTPI, afirma el texto, ahora estaría cruzando la segunda.

Alcance, cautelas y conflicto de interés declarado

El OTPI ya está activo para los suscriptores de Ornn Data, la plataforma de datos de mercado de la empresa. Allí puede consultarse el nuevo indicador presentado como referencia diaria para la economía de tokens de IA.

La publicación remarca que el objetivo es informativo y no constituye asesoramiento de inversión, financiero ni comercial. También aclara que nada de lo expuesto debe interpretarse como recomendación para comprar, vender o entrar en transacciones vinculadas con cómputo, tokens o derivados.

Del mismo modo, el texto advierte que las afirmaciones sobre capacidades futuras y demanda son prospectivas y están sujetas a incertidumbre. Añade que la descripción metodológica no equivale a un aval de precisión y que los resultados pasados no garantizan resultados futuros.

Otro punto relevante es la declaración expresa de interés financiero. El autor señala que ayudó a formar Ornn, que asesora a la compañía con respaldo de 021T Capital y que mantiene un interés económico en la firma.

Esa aclaración resulta importante para contextualizar el anuncio. Aunque el lanzamiento propone una métrica novedosa para seguir la monetización de la IA, la lectura del mercado sobre su utilidad y adopción dependerá de la transparencia metodológica, la amplitud de los datos y la confianza que logre construir con el tiempo.

En cualquier caso, el mensaje central del lanzamiento es claro. Si el cómputo es lo que la economía de IA compra y los tokens son lo que vende, Ornn sostiene que, a partir de ahora, ambos lados ya tienen un precio.

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