Pagas casi diez veces de más por la IA. Así se arregla

Cuando un fundador me dice que la IA se le está comiendo el margen, le pido que me enseñe una sola cosa: qué modelo responde a una pregunta tan simple como dónde está mi pedido. La respuesta casi siempre es la misma. El más caro. El mismo que redacta los análisis complejos.

Eso es repartir pizzas en una limusina blindada. Llegar, llega, pero las cuentas nunca salen. La buena noticia es que la mayor parte del sobrecoste desaparece con cuatro ajustes, y ninguno te obliga a reescribir tu producto.

Todas las cifras de este artículo salen de la tarifa oficial de Anthropic a septiembre de 2026. Los demás proveedores siguen la misma lógica, solo cambian los precios.

Empieza por la lista de precios#

• Claude Opus 5: 5 $ por millón de tokens de entrada y 25 $ por millón de tokens de salida.
• Claude Sonnet 5: 2 $ y 10 $. Además, Anthropic ha renunciado a la subida a 3 $ y 15 $ prevista para el 1 de septiembre, así que el precio de lanzamiento se queda como tarifa estándar.
• Claude Haiku 4.5: 1 $ y 5 $.

Saltan a la vista dos cosas. Entre el modelo más caro y el más barato la diferencia es de cinco veces. Y en todos ellos los tokens de salida cuestan cinco veces más que los de entrada. Todo el ahorro que viene a continuación nace de esos dos datos.

Hagamos cuentas con un caso real#

Pongamos un bot de soporte que atiende 100.000 conversaciones al mes. Cada petición lleva 8.000 tokens que nunca cambian (instrucciones, base de conocimiento, descripción de herramientas), 500 tokens de la pregunta del cliente y 400 tokens de respuesta.

La configuración por defecto: todo va a Opus 5. Entrada: 850 millones de tokens por 4.250 $. Salida: 40 millones de tokens por 1.000 $. Total: 5.250 $ al mes.

Ahora apliquemos los ajustes uno a uno.

Ajuste 1. Lo fácil, a un modelo barato#

En soporte, lo normal es que cuatro de cada cinco preguntas sean rutinarias: estado del pedido, devoluciones, cambios de dirección. Haiku se apaña con ellas sin problema. Los casos difíciles, las quejas y todo lo que el modelo no tenga claro van a Opus. Quien decide es el propio modelo barato o un conjunto sencillo de reglas, y ante la duda la petición sube de nivel.

Las cuentas: el 80% del tráfico en Haiku cuesta 840 $ y el 20% restante en Opus, 1.050 $. Total: 1.890 $. Ya es casi tres veces más barato, y la calidad en las preguntas difíciles no se ha resentido, porque de ellas se sigue encargando un modelo potente.

El mismo principio funciona entre proveedores: la rutina puede ir al modelo adecuado más barato del mercado y lo difícil, al mejor. Eso sí, asegúrate de que el enrutador sea tuyo y no un servicio de terceros. Como muestra el último informe de amenazas de Anthropic, las conversaciones y las claves se filtran precisamente a través de esos intermediarios.

Ajuste 2. Deja de pagar dos veces por lo mismo#

Esos 8.000 tokens de instrucciones y base de conocimiento son idénticos en cada petición, y sin caché los pagas 100.000 veces. Con caché, el modelo los lee de la memoria y pagas solo el 10% del precio normal de entrada. Escribir en la caché cuesta 1,25 veces el precio normal de entrada si dura cinco minutos y el doble si dura una hora. Así que una caché de cinco minutos se amortiza ya en la segunda petición.

Montarlo casi no cuesta nada: en la API de Anthropic añades un único campo cache_control en el nivel superior de la petición y el sistema coloca los puntos de caché por ti. Solo hay una regla: todo lo estático va al principio de la petición y todo lo que cambia, al final.

Las cuentas: Haiku cuesta ahora 264 $ y Opus, 330 $. Total: unos 600 $, más un poco por las escrituras en caché. Frente a los 5.250 $ iniciales, es casi nueve veces menos.

Ajuste 3. Lo que no corre prisa, por lotes#

Etiquetado nocturno de tickets, resúmenes, traducción del catálogo, clasificación de documentos. Si no necesitas el resultado ahora mismo, manda estas tareas a través de la Batch API. Tiene un 50% de descuento en la entrada y en la salida, y ese descuento se acumula con el de la caché. Para lo que puede esperar, es otro tijeretazo que parte la factura por la mitad.

Ajuste 4. Respuestas más cortas#

Como la salida cuesta cinco veces más que la entrada, el token más caro es una palabra que sobra en la respuesta. Pide un formato estructurado en vez de una redacción, fija un límite de longitud razonable y elimina los preámbulos de cortesía que nadie lee. Recortar una respuesta de 400 a 250 tokens recorta casi un 40% la parte de la factura que corresponde a la salida.

Tres trampas por donde se escapa el dinero#

El nuevo tokenizador. Los modelos Claude a partir de la versión 4.7 usan un tokenizador que, según Anthropic, genera aproximadamente un 30% más de tokens para el mismo texto. Cuando migres a un modelo más nuevo, recalcula el presupuesto en vez de comparar solo el precio por millón.

La ventana de contexto sin fondo. Un contexto de un millón de tokens se factura a la tarifa estándar en los modelos actuales, y eso tienta a meter toda tu documentación en cada petición. No lo hagas. Carga solo los fragmentos que necesitas, lo demás es dinero tirado.

Las herramientas del agente. La búsqueda web a través de la API cuesta 10 $ por cada mil búsquedas, además de los tokens. Descargar páginas no tiene coste aparte, pero todo lo descargado se convierte en tokens de entrada. Un agente que lanza diez búsquedas por pregunta no tarda en ser la partida más gorda de tu factura.

Por dónde empezar mañana#

• Mide los tokens de cada función de tu producto. La respuesta de la API ya incluye el número de tokens de entrada, de salida y en caché.
• Localiza tus tres funciones más caras y comprueba qué modelo las atiende.
• Activa la caché en todas las peticiones con instrucciones largas.
• Pasa las peticiones rutinarias a un modelo barato y compara la calidad con cien ejemplos reales.
• Manda al procesamiento por lotes todo lo que pueda esperar.

La propia documentación de Anthropic recomienda exactamente esto: las tareas sencillas en Haiku, el grueso de las cargas de producción en Sonnet, el razonamiento más difícil en Opus y, además, caché y lotes. La única diferencia es que la mayoría de los equipos hace scroll y se salta ese consejo.

La IA no es cara. Lo caro es mandar cada pregunta a la persona más lista de la empresa.