Cuánto cuestan los tokens: cómo calcular el gasto en API de OpenAI, Claude y Gemini
La factura de la API suele sorprender más que el precio en pantalla: el modelo cobra por cada token de entrada y de salida, no por «una petición». Abajo - cómo funciona el billing de OpenAI, Claude y Gemini, cómo estimar el presupuesto mensual y dónde las empresas suelen pagar de más.
- Token - unidad de tarificación: unos 3-4 caracteres o parte de una palabra
- El input gana en volumen; el output es más caro por 1M - el contexto largo golpea más la factura que una respuesta corta
- Fórmula -
(input_tokens / 1M) × precio_input + (output_tokens / 1M) × precio_output - Referencias julio 2026 - GPT-5.6 Luna/Terra/Sol, Claude Sonnet 5 / Opus 4.8 / Fable 5, Gemini 3.5 Flash / 3.1 Pro
- Costes ocultos - system prompt, historial del chat, chunks de RAG, reintentos, tool calls
- Ahorro - modelo pequeño en la rutina, caching/batch, contexto recortado, escalar al flagship solo en casos difíciles
Qué es un token y por qué no es una «palabra»
Un token es un fragmento de texto tras la tokenización del modelo. No siempre es una palabra entera: «programación» puede ser 2-3 tokens, y también cuentan espacios y puntuación. Para estimar volumen:
| Idioma / tipo de texto | Orientación |
|---|---|
| Inglés | ~750 palabras ≈ 1 000 tokens |
| Prosa densa | ~1 página A4 ≈ 500-800 tokens |
| Código | a menudo «más caro» que palabras: más tokens cortos |
| Tablas / JSON | parecen compactos, pero los tokens crecen rápido |
El corte exacto depende del tokenizador del proveedor - para billing use usage en la respuesta de la API, no una estimación a ojo. Sobre el límite de una petición: ventana de contexto.
Cómo se calcula el precio de la API
Los tres proveedores comparten el esquema:
- Se cuentan input tokens (system + user + historial + adjuntos/chunks).
- Se cuentan output tokens (respuesta; a veces reasoning/thinking aparte).
- La tarifa es por 1 millón de tokens (1M), separada para input y output.
- Coste por llamada:
cost = (input_tokens / 1_000_000) × price_input
+ (output_tokens / 1_000_000) × price_output
Matices importantes:
- El output casi siempre es más caro por 1M - a menudo 4-6× - respuestas largas y «razonamientos» inflan la factura.
- Contexto largo cuesta más por encima de un umbral en algunos modelos (OpenAI GPT-5.6 por encima de 272K; Gemini 3.1 Pro por encima de 200K).
- Batch API y prompt caching bajan el precio con context system/RAG repetido - si la arquitectura lo permite.
- Los seats de ChatGPT / Claude / Gemini Workspace son una partida distinta - no los confunda con la API por token. Comparación de plataformas: ChatGPT vs Claude vs Gemini.
Tarifas julio 2026: referencias para calcular
Los precios cambian - verifique el listado oficial antes de producción. Abajo - referencias de trabajo del resumen de modelos de julio 2026 (USD por 1M de tokens, standard).
OpenAI (GPT-5.6)
| Modelo | Rol | Input / 1M | Output / 1M |
|---|---|---|---|
| GPT-5.6 Sol | Flagship: código, agentes | $5.00 | $30.00 |
| GPT-5.6 Terra | Equilibrio precio/calidad | $2.50 | $15.00 |
| GPT-5.6 Luna | Alto volumen y tareas de fondo | $1.00 | $6.00 |
Por encima de 272K de input, GPT-5.6 aplica tarifa long-context (referencia: input ×2, output ×1.5).
Anthropic (Claude)
| Modelo | Rol | Input / 1M | Output / 1M |
|---|---|---|---|
| Claude Fable 5 | Coding, workflows agentic largos | $10.00 | $50.00 |
| Claude Opus 4.8 | Enterprise, trabajo diario complejo | $5.00 | $25.00 |
| Claude Sonnet 5 | Textos e instrucciones (intro hasta 31.08.2026) | $2.00 | $10.00 |
Desde el 01.09.2026, Claude Sonnet 5: $3.00 / $15.00 por 1M.
Google (Gemini)
| Modelo | Rol | Input / 1M | Output / 1M |
|---|---|---|---|
| Gemini 3.1 Pro | Razonamiento complejo | $2.00 | $12.00 |
| Gemini 3.5 Flash | Alto tráfico, contexto largo | $1.50 | $9.00 |
Gemini 3.1 Pro por encima de 200K tokens - tarifa mayor (referencia: $4.00 / $18.00 por 1M).
Ejemplos de cálculo
Ejemplo 1. Respuesta de soporte: diálogo corto
Por ticket:
- input: 1 200 tokens (instrucción + pregunta + 2 turnos de historial);
- output: 400 tokens;
- volumen: 50 000 tickets / mes.
| Modelo | Precio por ticket | Al mes |
|---|---|---|
| GPT-5.6 Luna | ≈ $0.0036 | ≈ $180 |
| Gemini 3.5 Flash | ≈ $0.0054 | ≈ $270 |
| GPT-5.6 Terra | ≈ $0.009 | ≈ $450 |
| Claude Sonnet 5 | ≈ $0.0064 | ≈ $320 |
| Claude Fable 5 | ≈ $0.032 | ≈ $1 600 |
En soporte L1 el flagship casi nunca se amortiza: importa más la calidad del retrieval y poder decir «no lo sé» que el máximo benchmark.
Ejemplo 2. Resumen de contrato con mucho contexto
Por documento:
- input: 80 000 tokens (PDF + system);
- output: 2 000 tokens;
- volumen: 2 000 documentos / mes.
| Modelo | Precio por documento | Al mes |
|---|---|---|
| Gemini 3.5 Flash | ≈ $0.138 | ≈ $276 |
| GPT-5.6 Luna | ≈ $0.092 | ≈ $184 |
| GPT-5.6 Terra | ≈ $0.23 | ≈ $460 |
| Claude Sonnet 5 | ≈ $0.18 | ≈ $360 |
| Claude Opus 4.8 | ≈ $0.45 | ≈ $900 |
| Claude Fable 5 | ≈ $0.90 | ≈ $1 800 |
Aquí la partida principal es el input. Sale más barato no «responder más corto», sino no meter todo el PDF si bastan trozos relevantes vía RAG.
Ejemplo 3. Agente con tools: el multiplicador oculto
Una «petición de usuario» del agente suele ser 5-20 llamadas al modelo (plan → tool → observación → plan otra vez). Si cada paso lleva el system completo + historial:
coste_agente ≈ coste_de_una_llamada × número_de_pasos
10 pasos con 8K input / 500 output en Terra ya no es «un chat por céntimos», sino dólares reales por caso difícil. Presupueste trazas del agente, no mensajes de UI.
Dónde se paga de más
- Un solo flagship para todo. Sol / Fable 5 para clasificar correos y FAQ - fuga clásica de presupuesto.
- System prompt gordo + historial completo en cada llamada. Contexto repetido sin caching multiplica el input.
- RAG sin límite de chunks. Diez trozos «por si acaso» cuestan más que dos relevantes - y baja la calidad.
- Reintentos y fallback sin contabilizar. Timeout → retry → segundo modelo = doble factura por un clic.
- Output largo «por si acaso».
max_tokensalto + prompt vago = la modelo escribe un mamotreto. - Confundir seat con API. La suscripción Team no anula la factura de tokens del producto, bots y automatizaciones.
- Ignorar tarifas long-context. Cruzar 200K/272K - sube la tarifa mientras el dashboard sigue mostrando un precio «medio».
Cómo calcular el presupuesto mensual
Plantilla práctica para finanzas y CTO:
- Divida el tráfico en escenarios (chat de soporte, resumen, agente, embeddings aparte).
- Para cada escenario tome la mediana de input/output de los logs (no el demo ideal).
- Multiplique por el volumen mensual de peticiones / pasos del agente.
- Añada un colchón del 20-40% para reintentos, picos y experimentos.
- Planifique el cambio de modelo: piloto en el más barato + escalada al superior por reglas.
Tabla mínima de planificación:
| Escenario | Peticiones / mes | Input med. | Output med. | Modelo | $ / mes |
|---|---|---|---|---|---|
| Chat L1 | 80 000 | 1 500 | 350 | Luna / Flash | … |
| Revisión PDF | 3 000 | 40 000 | 1 500 | Sonnet / Terra | … |
| Agente (pasos) | 15 000 steps | 6 000 | 400 | Terra / Opus | … |
| Total + 30% reserve | … |
Sin esta tabla, elegir el «modelo más inteligente» es lotería, no finanzas.
Cómo bajar el gasto sin perder calidad
- Enrutado de modelos. Clasificación y borradores - Luna / Flash / Sonnet; código duro y cadenas agentic largas - Sol / Fable 5.
- Ingeniería de contexto. Recorte historial, system corto, sin duplicar las mismas instrucciones. Ver ingeniería de contexto.
- RAG en lugar de «meterlo todo en el prompt». Menos input - menos factura y menos riesgo de alucinaciones por ruido.
- Prompt caching y batch. Instrucciones repetidas y procesos nocturnos suelen ser más baratos que realtime.
- Tope duro de output. Structured output (JSON) en vez de ensayos; techo de longitud explícito.
- Escalar, no poner flagship por defecto. Primero el modelo barato; el caro si la confianza es baja o el tipo de tarea es difícil.
- Observabilidad. Registre
usagepor feature/tenant: si no, no hay nada que optimizar.
Conclusión
El coste de los tokens no es «el precio del modelo en la lista», sino volumen de input × tarifa + volumen de output × tarifa × número de llamadas. En 2026 el stack sensato suele ser: modelo barato y rápido para el flujo, mid-tier para documentos de trabajo, flagship solo de forma puntual. Calcule por escenarios con logs reales, incluya cadenas agentic y reintentos - así la API deja de ser una sorpresa a fin de mes.
Preguntas frecuentes
¿En qué se diferencia el precio de input y output?
El output casi siempre es más caro por 1M, a veces 4-6×. Pero la factura final suele hincharse por el input: documentos largos, historial y chunks RAG. Mire las dos partes de usage, no solo «cuánto escribió el modelo».
¿Cuántos tokens hay en un mensaje medio de usuario?
Una pregunta corta en español suele ser 30-120 tokens. Con system prompt, políticas y 10 turnos de historial, un «chat» pasa fácilmente a 1 000-5 000+ de input antes de la respuesta. Para el presupuesto mida la petición completa, no solo la frase del cliente.
¿Qué conviene más con mucho tráfico: Gemini Flash, GPT Luna o Claude Sonnet?
Para clasificación masiva, FAQ y respuestas cortas suelen ganar Gemini 3.5 Flash y GPT-5.6 Luna. Claude Sonnet 5 se elige cuando importan estilo, instrucciones y cuidado del texto a precio aún moderado. Confírmelo con A/B en su dataset, no solo con la tabla de precios.
¿Hay que coger siempre el modelo más caro «por si acaso»?
No. El modelo caro se amortiza en tareas difíciles: código largo, cadenas agentic, requisitos duros de razonamiento. En un flujo de peticiones similares el sobrecoste se tira - mejor enrutado y escalada por reglas.
¿Cómo estimar la factura mensual si aún no hay logs?
Tome 20-50 prompts reales, páselos por la API, capture usage, promedie input/output, multiplique por el volumen previsto y sume un 30% por reintentos y crecimiento. Tras 1-2 semanas sustituya la estimación por medianas de producción - el error suele caer varias veces.