Los tokens de IA caen por debajo de USD $1 y presionan a OpenAI y Anthropic

El precio efectivo de un millón de tokens de modelos de lenguaje cayó por primera vez por debajo de USD $1, una señal que amenaza con comprimir los ingresos de los laboratorios de IA mientras sus compromisos de cómputo permanecen elevados. La presión llega cuando OpenAI y Anthropic avanzan hacia posibles ofertas públicas iniciales y enfrentan una competencia creciente de modelos chinos de menor costo y sistemas de pesos abiertos.
***

• El Índice de Gasto en Tokens LLM de Silicon Data cayó a USD $0,97 por millón de tokens, su menor nivel desde el lanzamiento.
• Los modelos chinos de código abierto, los recortes de OpenAI y las tarifas dinámicas están intensificando la guerra de precios.
• La deflación de los tokens amenaza el poder de fijación de precios de OpenAI y Anthropic antes de sus posibles OPI.

El precio efectivo de los tokens utilizados por los modelos de lenguaje cayó por debajo de USD $1 por primera vez desde que comenzó a medirse este mercado. El Índice de Gasto en Tokens LLM de Silicon Data descendió a USD $0,97 por millón de tokens el lunes, un nivel que quedó por debajo de todos sus cierres anteriores y que representa menos de la mitad del máximo registrado en mayo.

La caída coloca a los laboratorios de inteligencia artificial de frontera frente a una tensión central: sus clientes pagan cada vez menos por utilizar los modelos, pero los compromisos relacionados con servidores y capacidad de cómputo no disminuyen al mismo ritmo. Yahoo Finance informó que el retroceso puede afectar especialmente a OpenAI y Anthropic, dos empresas que presentaron documentos confidenciales para posibles OPI ante los reguladores durante este verano.

Un índice que refleja el precio real del uso

El indicador de Silicon Data no representa simplemente la tarifa anunciada en una página comercial. Su metodología calcula el precio efectivo ponderado por uso de un millón de tokens de modelos de lenguaje a gran escala dentro de un universo definido, combinando los precios de distintos proveedores con los volúmenes reales observados en pasarelas de enrutamiento multiproveedor.

Esta diferencia resulta relevante porque las tarifas publicadas pueden no reflejar el costo promedio que finalmente pagan los usuarios. Una empresa puede ofrecer un precio nominal elevado para un modelo específico, mientras las plataformas de enrutamiento dirigen buena parte de la demanda hacia alternativas más baratas, reduciendo el valor efectivo que captura el conjunto del mercado.

El índice, que cotiza en Bloomberg bajo el símbolo SDLLMTK, registró una variación semanal negativa antes del lunes. El nuevo registro no solo marca un mínimo desde el debut del indicador, lanzado en diciembre de 2025, sino que también muestra la velocidad con la que se ha intensificado la competencia entre modelos de distintas capacidades y estructuras de costos.

La reducción del precio por token puede beneficiar a desarrolladores, compañías y consumidores que incorporan herramientas de IA en sus productos. Sin embargo, para los laboratorios que financian modelos de frontera, una mayor cantidad de consultas no garantiza por sí misma una mejora de los ingresos si cada unidad de uso genera un margen más pequeño y la infraestructura contratada mantiene costos elevados.

Competencia, modelos abiertos y presión sobre los márgenes

Varias fuerzas han empujado el índice a la baja, según el reporte citado por CNBC. El avance de modelos chinos de código abierto y menor costo, entre ellos Kimi K3 de Moonshot, ha reducido las tarifas disponibles para los usuarios, al introducir alternativas capaces de competir por tareas que antes podían concentrarse en unos pocos proveedores occidentales.

La presión también llegó desde los propios laboratorios de frontera. OpenAI recortó a finales de julio los precios de dos de sus modelos GPT-5.6, mientras otros desarrolladores adoptaron estructuras dinámicas que permiten que las tarifas de acceso fluctúen según la demanda; ese mecanismo aumenta la flexibilidad comercial, pero también puede acelerar la percepción de que el uso de modelos avanzados debe ser cada vez más barato.

El descenso de los costos de producción de tokens completa el cuadro competitivo. Cuando la eficiencia del hardware, el diseño de los modelos y la optimización del procesamiento reducen el costo de cada respuesta, los proveedores pueden trasladar parte de ese ahorro a sus clientes, aunque la decisión también abre una disputa por volumen que presiona los márgenes de todos los participantes.

Charles-Henry Monchau, director de inversiones de Syz Group, resumió el riesgo en una publicación citada por el medio: “Los laboratorios de modelos fundacionales son los más directamente expuestos. La deflación de los tokens comprime la línea de ingresos mientras los compromisos de cómputo permanecen fijos”. La observación apunta a una asimetría financiera: el precio se ajusta con rapidez, pero los contratos de capacidad y las inversiones en infraestructura pueden tardar mucho más en adaptarse.

OpenAI y Anthropic ante una nueva prueba comercial

La disminución de las tarifas llega en un momento especialmente delicado para OpenAI y Anthropic, que presentaron documentos confidenciales de OPI ante los reguladores durante el verano. Aunque esos documentos no son públicos en la información disponible, el entorno de precios puede convertirse en un elemento relevante para la evaluación de sus perspectivas de crecimiento, rentabilidad y poder de negociación frente a clientes corporativos.

Los precios más bajos también pueden modificar las expectativas de los consumidores. Si empresas y desarrolladores se acostumbran a pagar menos por cada millón de tokens, podrían resistirse a futuros aumentos o exigir descuentos adicionales, una conducta que limitaría la capacidad de los proveedores para elevar tarifas cuando necesiten recuperar inversiones en entrenamiento e infraestructura.

Monchau señaló que la respuesta competitiva ya está cambiando el foco estratégico de los laboratorios. En lugar de disputar únicamente el rendimiento de los modelos, un terreno donde los rivales de pesos abiertos han reducido la brecha a cuestión de meses, las empresas están buscando ventajas en distribución, memoria y capacidad de contexto.

Esas áreas pueden ofrecer defensas comerciales más duraderas que una puntuación superior en una prueba técnica. Una red de distribución amplia, una memoria capaz de sostener interacciones complejas y ventanas de contexto mayores pueden mantener a un cliente dentro de una plataforma, incluso cuando otra alternativa ofrece un precio inferior por token.

Una señal sobre la oferta disponible

Steve Hou, jefe de investigación de Silicon Data, planteó que la caída puede indicar que la oferta combinada de modelos de frontera y opciones de menor costo ya es suficiente para atender la mayoría de las tareas. Si esa lectura es correcta, el mercado estaría pasando de una etapa de escasez relativa, en la que la capacidad avanzada justificaba tarifas elevadas, a otra dominada por la abundancia y la sustitución.

La abundancia cambia la relación entre proveedores y usuarios porque facilita comparar precios, redirigir solicitudes y seleccionar modelos según la complejidad de cada tarea. También puede favorecer arquitecturas que envían consultas sencillas a sistemas económicos y reservan los modelos más costosos para problemas que realmente requieren razonamiento o contexto avanzado.

Para los laboratorios de frontera, esa segmentación vuelve más difícil capturar todo el valor creado por sus sistemas. Un modelo puede seguir siendo técnicamente superior, pero si los usuarios consideran que la diferencia no justifica una tarifa mucho mayor, la ventaja tecnológica pierde fuerza como mecanismo de fijación de precios.

La presión del mercado tecnológico se reflejó además en las bolsas el martes. Las acciones de tecnología estuvieron entre las más castigadas, el Nasdaq Composite perdió casi 1% durante la jornada y el S&P 500 cedió 0,4%, movimientos que muestran un entorno menos favorable para las compañías asociadas con expectativas elevadas de crecimiento.

El comportamiento del índice no demuestra por sí solo que OpenAI o Anthropic enfrenten una crisis financiera ni permite anticipar el resultado de sus posibles OPI. Sí establece, en cambio, una referencia incómoda para el sector: mientras la capacidad de los modelos se expande y aparecen alternativas más baratas, la batalla decisiva puede trasladarse del rendimiento puro a la eficiencia, la distribución y la retención de usuarios.

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