El costo de los tokens de IA parece diminuto hasta que una función envía el mismo contexto largo una y otra vez. Entonces la pregunta no es "¿cuánto cuesta un token?", sino cuántos tokens facturables genera tu función en un mes.
Respuesta corta: multiplica los totales de tokens de entrada sin caché, entrada en caché, escritura en caché y salida de la carga de trabajo por las tarifas por token correspondientes y divide entre un millón. Incluye los tokens de razonamiento en la salida cuando el proveedor los facture ahí, y aplica cualquier tarifa de lote (batch) elegible. Para una función simple de respuestas de soporte que atiende 10,000 tickets al mes con 2,000 tokens de entrada y 350 de salida cada uno, esta estimación va de $8.20 a $75 entre cuatro IDs de modelo de API actuales a tarifas estándar, antes de los cargos no relacionados con tokens. Después del lanzamiento, reemplaza los supuestos con el uso de las respuestas y concílialos contra el informe de costos del proveedor.
Los precios de abajo se verificaron en octubre de 2026. Son precios de lista de API en USD; la calculadora de costo de tokens de IA de esta guía es para estimar, no una cotización para productos alojados o endpoints de revendedores.
¿Cuánto cuesta un token de IA?
No existe un único costo de token de IA. Los proveedores fijan tarifas distintas para tokens de entrada y de salida, y pueden cobrar otra tarifa por lecturas de caché, escrituras de caché, contexto largo o nivel de servicio. Compara los precios del ID de modelo y del endpoint exactos que planeas llamar.
Este es el costo por token de cuatro modelos de texto actuales, cotizado por millón de tokens:
| Proveedor y ID exacto del modelo | Entrada | Entrada en caché/lectura | Escritura en caché | Salida |
|---|---|---|---|---|
OpenAI gpt-5.6-luna |
$0.20 | $0.02 | $0.25 | $1.20 |
Anthropic claude-sonnet-5-5 |
$2.00 | $0.20 | $2.50 (5m) / $4 (1h) | $10.00 |
Anthropic claude-haiku-4-5-20251001 |
$1.00 | $0.10 | $1.25 (5m) / $2 (1h) | $5.00 |
Google gemini-3.1-flash-lite |
$0.25 | $0.025 contexto en caché | se aplican los términos de caché/almacenamiento del proveedor | $1.50 |
Las tarifas provienen de las páginas actuales de los proveedores: precios de modelos de OpenAI, página del modelo Claude Sonnet 5.5, página del modelo Claude Haiku 4.5 y precios de la API de Gemini. No son rankings de capacidad. Un precio de entrada más bajo no te dice cuántas llamadas o tokens de salida necesitará tu tarea.
Una conversión aproximada de tokens a palabras para inglés ayuda a dimensionar un prompt, pero no a ponerle precio con precisión: la guía de OpenAI estima 100 tokens en unas 75 palabras, mientras que Google dice que 100 tokens de Gemini son unas 60–80 palabras en inglés. Trátalas como rangos de planificación. Para un prompt real, usa el contador de tokens del modelo seleccionado o el uso que devuelve el proveedor.
¿Cómo calculo el costo mensual de tokens de IA?
Usa cubetas (buckets) de tokens separadas para que un acierto de caché no se cobre otra vez a la tarifa de entrada ordinaria. Para un proveedor cuyos precios se cotizan por millón de tokens:
standard-rate token cost =
(uncached_input × input_rate
+ cached_input × cache_read_rate
+ cache_write × cache_write_rate
+ billed_output × output_rate) / 1,000,000
eligible batch cost = eligible standard-rate token cost × batch_multiplier
billed_output incluye los tokens de respuesta visibles y cualquier token de razonamiento que el proveedor facture como salida. batch_multiplier es 1 para solicitudes estándar y 0.5 donde el proveedor documenta un descuento de lote del 50%; aplícalo solo a los cargos de tokens elegibles para lote. Si los modificadores de caché y de lote interactúan, usa la tarifa final del proveedor para cada categoría de tokens en lugar de multiplicar un subtotal combinado. Suma por separado las tarifas fijas de llamadas a herramientas, búsqueda, almacenamiento, audio u otros usos. Por ejemplo, OpenAI lista sus APIs de Responses y Chat Completions a las tarifas de tokens del modelo elegido y fija precios aparte para algunas herramientas integradas en su lista de precios de la API.
La forma expandida evita dos errores fáciles: aplicar una sola tarifa combinada tanto a la entrada como a la salida, y tratar toda la entrada como nueva cuando parte se leyó desde caché.
Claude detalla explícitamente la creación de caché y las lecturas de caché; su guía de precios da multiplicadores distintos para escrituras de cinco minutos, escrituras de una hora y aciertos de caché. La caché de prompts de OpenAI tiene una tarifa separada de entrada en caché y documenta una tarifa de escritura de caché para GPT-5.6 y posteriores en su guía de prompt caching. Google lista el contexto en caché por separado en los precios de Gemini.
¿Cuánto costaría un bot de soporte mensual?
Con estos supuestos, los cargos mensuales de tokens del bot de soporte van de $8.20 a $75 según el modelo. Toma una función de respuestas de soporte con 10,000 tickets al mes. Asume exactamente una llamada al modelo por ticket, 2,000 tokens de entrada por llamada (instrucciones del sistema, fragmentos recuperados y mensaje del cliente combinados) y 350 tokens de salida facturados por llamada. Eso son 20 millones de tokens de entrada y 3.5 millones de tokens de salida al mes.
El supuesto de 350 tokens de salida incluye el razonamiento si la API factura el razonamiento dentro del conteo de salida. Asume solicitudes síncronas estándar, sin aciertos ni escrituras de caché, sin reintentos, sin herramientas facturadas por separado y sin impuestos ni descuentos por contrato.
| ID del modelo | Aritmética | Costo mensual estimado de tokens |
|---|---|---|
gpt-5.6-luna |
20 × $0.20 + 3.5 × $1.20 | $8.20 |
gemini-3.1-flash-lite |
20 × $0.25 + 3.5 × $1.50 | $10.25 |
claude-haiku-4-5-20251001 |
20 × $1 + 3.5 × $5 | $37.50 |
claude-sonnet-5-5 |
20 × $2 + 3.5 × $10 | $75.00 |
Cada multiplicador usa millones de tokens: 20 millones de tokens de entrada × $0.20 por millón = $4; 3.5 millones de tokens de salida × $1.20 por millón = $4.20; total $8.20 para GPT-5.6 Luna. Las otras filas usan los mismos volúmenes y las tarifas de proveedor enlazadas. Esta es una comparación de facturación, no una afirmación de que los modelos produzcan respuestas equivalentes. Pasa los mismos casos de soporte representativos por los candidatos y mide calidad y uso antes de elegir uno.
Para trabajos offline capaces de lote, calcula de nuevo con las tarifas de lote listadas. Las páginas de modelos de Claude listan un descuento de lote del 50% en entrada y salida, y la documentación de la Gemini Batch API de Google también dice que cobra la mitad del costo estándar del modelo equivalente. No apliques ese descuento a una solicitud interactiva solo porque agrupaste solicitudes en tu propio código.
¿Cuánto texto son 1,000 tokens?
Para inglés ordinario, 1,000 tokens son aproximadamente 600–800 palabras usando las estimaciones de proveedores de arriba. Es una conversión de tamaño aproximada, no una regla universal: el código, las tablas, la puntuación, los textos en otros idiomas y los tokenizadores de los modelos cambian el conteo. Un prompt de una página también puede contener esquemas de herramientas y mensajes previos que no son evidentes a partir del texto que escribió el usuario.
Antes del lanzamiento, cuenta la forma real del prompt con las herramientas del proveedor: la guía de tokens de Google describe count_tokens para la entrada y los campos de uso en las respuestas. Hazlo para varios tickets típicos y excepcionalmente largos. Multiplica el promedio y un caso de percentil alto por el volumen mensual esperado de tickets; el caso alto muestra cuánto margen necesita tu presupuesto si las solicitudes largas son comunes.
¿Cómo confirmo la estimación contra el uso real?
Registra una entrada por solicitud al modelo, no solo un total por conversación de cliente. Guarda un ID de solicitud, fecha, clave de función o de tenant, ID del modelo, categorías de tokens de entrada, tokens de salida y el costo reportado cuando exista. Un agente puede hacer varias llamadas al proveedor para una sola respuesta visible al usuario, así que suma todas las llamadas de la conversación.
Luego compara los logs a nivel de solicitud con la propia vista de uso y facturación del proveedor:
| Proveedor | Campos a nivel de solicitud que debes conservar | Conciliación mensual |
|---|---|---|
| OpenAI | input_tokens, input_tokens_details.cached_tokens, output_tokens, output_tokens_details.reasoning_tokens cuando se devuelven |
Organization Usage API y su endpoint de costos (GET /organization/costs), o el Usage Dashboard. |
| Anthropic | input_tokens, cache_creation_input_tokens, cache_read_input_tokens, output_tokens |
Usage and Cost Admin API: /v1/organizations/usage_report/messages y /v1/organizations/cost_report; requiere credenciales de la Admin API. |
| Gemini | total_input_tokens, total_output_tokens, total_thought_tokens, total_cached_tokens donde se devuelvan |
Compara el uso de las respuestas con la vista de facturación del mismo proyecto y rango de fechas. Usa count_tokens solo como estimación previa de entrada. |
Los esquemas y las rutas de reporte están documentados en la referencia de la Usage API de OpenAI, la Messages API de Anthropic, la Usage and Cost API de Anthropic y la guía de tokens de Gemini.
Los tokens de razonamiento de OpenAI se facturan como salida aunque la API no exponga su texto, como se describe en su guía de razonamiento; Google incluye explícitamente los tokens de pensamiento (thinking) en el precio de salida del modelo. No agregues un cargo de razonamiento separado sobre un total de salida que ya los incluye.
El panel de un proveedor te da la vista contable del proveedor. Un gateway puede agregar atribución por solicitud entre llamadores, pero su número es tan sólido como sus tarifas de modelo y su análisis del uso. LiteLLM documenta logs de gasto y advierte cuando un despliegue no tiene una entrada de precios de entrada/salida en su guía de seguimiento de costos. En Muvon construimos OctoHub; almacena cada finalización con la clave de API llamadora, la sesión, el modelo y el proveedor, y el uso dividido en tokens de entrada, salida, lectura y escritura de caché y razonamiento, además del costo cuando se conoce (presentación del proxy LLM OctoHub). Los paneles de proveedores y otros proxies documentados son alternativas razonables si encajan con tu stack.
¿Qué hago cuando la factura real difiere?
Primero separa una desviación de volumen de tokens de una desviación de tarifa o de atribución. Compara conteos de solicitudes, uso promedio de entrada/salida, cubetas de caché, IDs de modelo y reintentos para exactamente las mismas fechas. Un hueco en los logs de solicitudes normalmente significa que las llamadas evitaron tu proxy o que los campos de uso no se registraron; una brecha entre el costo estimado y el informe del proveedor puede significar tarifas desactualizadas, herramientas sin precio o un nivel de servicio distinto.
Mantén la estimación y la factura observada lado a lado durante el primer mes. Una vez que el volumen y el costo por tarea sean reales, el siguiente paso es elegir un modelo y una ruta en nuestra guía de enrutamiento de modelos. Si necesitas trazas de solicitudes más amplias, consulta nuestras notas de observabilidad de agentes o lecciones de una capa unificada de proveedores.
— Don
Si detectas una discrepancia entre el uso que devuelve un proveedor y su informe mensual de costos, abre un issue en OctoHub con el modelo y los nombres de campo involucrados.
