Por Canuto  

El costo promedio de los tokens de IA cayó 67% desde mayo de 2026, pero el gasto total aumentó entre 122% y 160%, según datos de a16z. El mayor consumo de agentes y el encarecimiento del alquiler de GPU ayudan a explicar la paradoja.
***

  • El precio promedio por token de IA bajó 67% desde mayo, mientras el gasto total subió entre 122% y 160%.
  • Los agentes de IA consumen casi cinco veces más tokens que los usuarios humanos y su uso creció cerca de 14 veces desde febrero.
  • El alquiler de GPU Nvidia B300 aumentó 106% desde mediados de julio y el de B200 subió 66%.

El abaratamiento de la inteligencia artificial no se tradujo en una reducción de la factura agregada. Por el contrario, el gasto en tokens aumentó con fuerza mientras el precio promedio de esas unidades de procesamiento caía, una combinación que apunta a un crecimiento rápido del uso y a una nueva presión sobre la infraestructura que sostiene los modelos.

Los gráficos semanales de la firma de capital de riesgo a16z, publicados el 31 de octubre de 2026, muestran que los precios promedio por token retrocedieron 67% desde mayo. En el mismo período, el gasto total creció entre 122% y 160%, según las estimaciones presentadas, por lo que la reducción del costo unitario no impidió que el desembolso total más que se duplicara.

El menor precio impulsa un consumo mayor

Un token es una unidad con la que los proveedores suelen medir y cobrar el procesamiento de modelos de inteligencia artificial. Corresponde a una pequeña porción de texto que el modelo recibe o genera, de modo que una interacción más extensa o una tarea con más pasos puede requerir más tokens y elevar el costo, incluso si cada unidad resulta más barata.

La divergencia entre precios y gasto es el rasgo central de los datos: desde mayo, el precio promedio cayó 67%, mientras el consumo medido en gasto total escaló entre 122% y 160%. Las cifras describen tendencias diferentes, no una contradicción matemática: cuando aumenta lo suficiente la cantidad de unidades utilizadas, el gasto agregado puede subir aunque cada token cueste menos.

La firma vincula el aumento, en particular, con la expansión de los agentes de IA. A diferencia de una persona que formula una pregunta y lee una respuesta, un agente puede cargar más contexto y encadenar pasos para completar una tarea; cada operación adicional consume tokens, por lo que estos flujos automatizados pueden intensificar la demanda.

Según los datos de a16z, los agentes consumen casi cinco veces más tokens que los usuarios humanos, y su uso de estas unidades aumentó aproximadamente 14 veces desde febrero de 2026. La comparación ayuda a entender por qué la caída de precios puede coincidir con facturas más altas: el consumo deja de limitarse a consultas puntuales y pasa a incluir procesos más largos y repetidos.

La paradoja de Jevons y el costo del cómputo

A16z relaciona esta dinámica con la paradoja de Jevons, una idea económica según la cual un recurso más eficiente o barato puede terminar consumiéndose en mayor cantidad. Cuando baja el costo de una tarea, ciertos usos que antes no resultaban convenientes pueden volverse económicamente viables, y esa nueva demanda puede superar el ahorro obtenido por unidad.

Aplicada a la inferencia de IA, la lógica sugiere que los precios menores habilitan más consultas, automatizaciones y pasos de procesamiento. Los gráficos no detallan cada aplicación que explica el crecimiento, pero el aumento del uso de agentes ofrece una señal de que la demanda se desplaza hacia tareas con más contexto y operaciones sucesivas, en vez de limitarse a interacciones breves.

Al mismo tiempo, el costo de alquilar GPU se movió en dirección contraria al precio de los tokens. Desde mediados de julio de 2026, las tarifas de alquiler de las Nvidia B300 aumentaron 106%, mientras que las de las B200 subieron 66%, un contraste que puede estrechar la diferencia entre los ingresos por inferencia y el costo del hardware utilizado para producirla.

A esa brecha entre el precio del servicio y el costo del cómputo se la denomina en los gráficos rack spread. El término resume una presión potencial para quienes venden inferencia: su producto se abarata por token, pero el acceso a las GPU puede encarecerse, especialmente en el caso de los chips más nuevos señalados por los datos.

Ganadores, riesgos y concentración del gasto

Para los proveedores de modelos, el panorama combina un aumento del volumen con menores ingresos potenciales por cada token y costos crecientes de infraestructura. El crecimiento de la demanda puede abrir oportunidades, pero por sí solo no demuestra que los márgenes mejoren: el resultado dependerá de cómo evolucionen los precios cobrados, el consumo de recursos y las tarifas de alquiler de GPU.

Los propietarios de GPU y operadores de servicios en la nube enfrentan una señal más favorable en cuanto a demanda de cómputo, aunque los datos no permiten concluir que todos los segmentos del mercado tengan la misma situación. El salto de 106% en el alquiler de B300 desde mediados de julio apunta a una presión sobre la disponibilidad o el costo de acceso a esos chips, al menos en las cifras analizadas por la firma.

Para las empresas que construyen productos con IA, el menor precio por llamada puede reducir el costo de algunas operaciones individuales, pero no garantiza una factura total menor. Un producto que dependa de agentes capaces de completar tareas extensas puede sumar muchos pasos y, con ellos, multiplicar el volumen de tokens; el dato de que estos agentes consumen casi cinco veces más que los usuarios humanos vuelve relevante medir el uso total.

Los gráficos también advierten que una proporción significativa del gasto total en tokens proviene de un grupo relativamente pequeño de usuarios intensivos. Esa concentración vuelve al mercado sensible a las decisiones de esos compradores: si algunos reducen o aceleran su consumo, el gasto agregado podría cambiar de forma marcada, aunque la fuente no cuantifica la participación exacta ni anticipa una evolución futura.

En conjunto, las cifras describen una tecnología cuyo costo unitario disminuye mientras la demanda crece con más rapidez, impulsada en parte por agentes y flujos automatizados. La tensión entre tokens más baratos y GPU más caras deja abierta una cuestión comercial para proveedores y empresas usuarias: cuánto del ahorro se conserva cuando la automatización amplía el número de operaciones y el cómputo requerido.

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