Cómo Calcular el Costo de Tokens AI en 2026
Guía completa de precios de tokens AI 2026 — fórmulas, ejemplos reales, estrategias de prompt cache y comparación con OpenAI, Claude, Gemini y 17 modelos más.
El costo de tokens AI se calcula multiplicando la cantidad de tokens de entrada y salida por el precio-por-millón-de-tokens del provider, y luego sumando ambos. Por ejemplo, procesar 1,000 tokens de entrada y 500 de salida con Claude Sonnet 4.6 (a $3 y $15 por millón) cuesta $0.003 + $0.0075 = $0.0105 por solicitud. La complejidad real viene del prompt caching, los descuentos por batch y elegir entre 20+ modelos competidores en 2026.
Esta guía recorre la fórmula exacta, muestra ejemplos trabajados sobre los modelos más grandes, explica cómo el prompt caching cambia las matemáticas y revela los costos ocultos que la mayoría de equipos olvidan. Al final podrás pronosticar una carga AI en producción con un ±15% de margen — suficientemente preciso para presupuestar con confianza.
Si quieres saltarte las cuentas, el Comparador de Precios de Tokens de AITOT hace este cálculo entre 20+ modelos en tiempo real. Para un pronóstico a 12 meses con curvas de crecimiento, usa el Estimador Mensual de Costo LLM.
¿Qué es exactamente un token AI?
Un token es la unidad más pequeña que un language model lee o escribe. No es una palabra ni un carácter — es algo intermedio. Los tokenizers modernos dividen palabras frecuentes en un token ("cat", "running") y palabras raras o compuestas en varios ("anthropomorphic" → 4 tokens).
Regla práctica para inglés:
- 1 token ≈ 0.75 palabras
- 1,000 tokens ≈ 750 palabras (unas 2 páginas a doble espacio)
- 1 millón de tokens ≈ 750,000 palabras (unas 4 novelas promedio)
El código, vietnamita, chino, árabe y emoji queman más tokens por carácter visible. Una línea de Python suele usar 1.5× los tokens del inglés equivalente. Siempre prueba con tu contenido real si la precisión importa.
Los providers facturan por separado tokens de entrada (lo que mandas al modelo — system prompt + mensaje del usuario + contexto recuperado) y tokens de salida (lo que el modelo escribe de vuelta). Los tokens de salida suelen ser 3–5× más caros que los de entrada porque la generación es más lenta e intensiva en compute.
¿Cuál es la fórmula para calcular el costo?
La fórmula base:
costo_por_solicitud = (tokens_entrada × precio_entrada_M) / 1,000,000
+ (tokens_salida × precio_salida_M) / 1,000,000
costo_mensual = costo_por_solicitud × solicitudes_por_mes
Un ejemplo trabajado. Supón que construyes un chatbot de soporte usando Claude Sonnet 4.6. Cada conversación promedia:
- 2,000 tokens de entrada (system prompt + historial reciente + knowledge base recuperado)
- 300 tokens de salida (la respuesta del bot)
- 50,000 conversaciones por mes
Con precio Sonnet 4.6 de $3/M entrada y $15/M salida:
costo_entrada = 2000 × $3 / 1,000,000 = $0.006 por solicitud
costo_salida = 300 × $15 / 1,000,000 = $0.0045 por solicitud
total = $0.0105 por solicitud
mensual = $0.0105 × 50,000 = $525
Ahora compara contra Claude Haiku 4.5 ($0.80/M entrada, $4/M salida):
costo_entrada = 2000 × $0.80 / 1,000,000 = $0.0016
costo_salida = 300 × $4 / 1,000,000 = $0.0012
total = $0.0028 por solicitud
mensual = $0.0028 × 50,000 = $140
Eso es 73% de ahorro simplemente cambiando de modelo. Si Haiku es lo suficientemente bueno para tu tarea es otra pregunta — pero la brecha de costo es lo bastante decisiva para justificar un piloto de una semana.
¿Qué modelo AI ofrece los tokens más baratos en 2026?
Los precios cambian mensualmente, pero a mayo 2026 los modelos production-grade más baratos son:
| Modelo | Entrada / 1M | Salida / 1M | Mejor para |
|---|---|---|---|
| Amazon Nova Lite | $0.06 | $0.24 | Clasificación alto volumen, chat simple |
| Google Gemini 2.5 Flash | $0.30 | $2.50 | Chat rápido, contexto largo (1M tokens) |
| DeepSeek V3 | $0.27 | $1.10 | Reasoning a precio económico |
| GPT-5 mini | $0.40 | $1.60 | Workhorse barato compatible OpenAI |
| Claude Haiku 4.5 | $0.80 | $4.00 | Mejor modelo barato para tareas que necesitan calidad |
| Mistral Small 3 | $0.20 | $0.60 | Opción europea más barata |
Entre modelos flagship (inteligencia top), las opciones más baratas son:
| Modelo | Entrada / 1M | Salida / 1M |
|---|---|---|
| Mistral Large 2 | $2.00 | $6.00 |
| Amazon Nova Pro | $0.80 | $3.20 |
| Google Gemini 2.5 Pro | $2.50 | $15.00 |
| Claude Sonnet 4.6 | $3.00 | $15.00 |
| OpenAI GPT-5 | $10.00 | $30.00 |
| Claude Opus 4.7 | $15.00 | $75.00 |
Una estrategia común en 2026 es routing de dos niveles: usar Haiku 4.5 o Gemini Flash para el 90% de solicitudes, y escalar a Sonnet 4.6 o GPT-5 solo cuando el modelo barato no tenga suficiente confianza. Los equipos reportan reducciones de costo del 60–80% sin caída medible en calidad.
¿Cómo reduce prompt caching tu factura?
El prompt caching es la palanca de costo más grande de 2026. Cuando envías el mismo prefijo grande repetidamente (system prompt, contexto RAG, tool schemas), el provider lo almacena server-side y cobra una tarifa con descuento en los hits siguientes.
Descuento cache-hit por provider:
- Anthropic: entrada cacheada facturada al 10% del precio normal (90% off)
- OpenAI: entrada cacheada facturada al 50% (50% off)
- Google Vertex / AI Studio: entrada cacheada al 25% (75% off)
- DeepSeek: entrada cacheada al 26% (74% off)
- Amazon Nova: entrada cacheada al 25% (75% off)
- xAI Grok: entrada cacheada al 25% (75% off)
Una aplicación RAG realista envía 4,000 tokens de entrada (mayormente contexto recuperado) y recibe 600 de salida. Si 70% de esos tokens de entrada son cache hits (pasajes recién traídos reutilizados en preguntas de seguimiento), el costo Sonnet 4.6 baja:
sin cache: 4000 × $3 + 600 × $15 = $0.0210 por solicitud
con 70% cache: (4000 × 0.3 × $3 + 4000 × 0.7 × $0.30) + 600 × $15
= $0.0036 + $0.00084 + $0.009
= $0.0134 por solicitud — 36% más barato
La trampa: el cache-write cuesta más que la entrada normal en algunos providers. Anthropic cobra 1.25× el precio de entrada para escribir al cache, así que solo recuperas la inversión tras 4–5 lecturas del mismo prefijo. Para solicitudes únicas el cache es pérdida neta.
¿Cómo estimo costos mensuales para una app de producción?
Usa este framework de cuatro pasos:
- Mide el conteo real de tokens sobre 50–100 solicitudes de producción reales. No confíes en los prompts que escribiste en desarrollo — los prompts de producción siempre son 2–3× más largos por contexto recuperado e historial de tool-call.
- Perfila tu proporción entrada-salida. Apps de chat corren 70/30 pesadas en entrada. Summarization corre 95/5. Code generation corre 50/50. La proporción decide qué modelo es más barato para ti.
- Mete caching realistamente. Asume 50% de cache hit rate como punto de partida a menos que tu tráfico sea bursty (entonces 20%) o estable y conversacional (entonces 70–80%).
- Añade un buffer del 30% para "inference tax" — reintentos en errores de tool-call, pasos de re-summarization, tool calls especulativos que se rollback. Este buffer es también la suposición integrada en el Calculador de Costo de Desarrollo de Agentes.
Mete esos cuatro números en la fórmula de arriba (o nuestro Estimador Mensual de Costo LLM) y estarás dentro del 15% del recibo real.
¿Qué costos ocultos olvidan la mayoría de equipos?
El costo de tokens rara vez es el costo total de AI. Cinco partidas que los equipos subestiman:
- Sobrecargos por región. AWS Bedrock y GCP Vertex facturan 5–15% más en EU/APAC que us-east-1.
- Fees de egress. AWS cobra $0.09/GB de egress. Para apps de inference streaming outputs largos, puede rivalizar con el costo de tokens.
- Costos de embeddings. Apps RAG re-embeddean documentos en cada update. A $0.10/M tokens × 10M tokens de docs son $1/refresh — 30 al mes son $30.
- Vector DB. Un índice de 1M vectores con 50k queries/día corre $40–200/mes según el provider — ver nuestro Estimador de Costo Vector DB.
- Observabilidad. LangSmith, Helicone, Langfuse facturan por trace. Con 100k solicitudes/mes con full-trace logging, espera $50–150/mes.
El recibo real de una app AI en producción es aproximadamente: 60% inference, 15% vector DB, 10% observabilidad, 10% orchestration/sandbox, 5% egress. Si tu inference está por debajo del 60% del total, busca desperdicios — usualmente features no usados o logging excesivo.
¿Cada cuánto debería revisar mi elección de modelo?
Cada 60 días. Los providers bajan precios, lanzan modelos nuevos y cambian descuentos de cache en un ciclo más rápido que el proceso de presupuesto de la mayoría de equipos. AITOT refresca su Comparador de Precios de Tokens y fuentes de datos el primer día de cada mes — ve el timestamp en la parte superior de cada tool.
El ganador barato de hace 6 meses casi nunca es el ganador barato de hoy. DeepSeek V3, Gemini Flash y Amazon Nova Lite todos bajaron precios ≥30% en el último año. Re-correr la calculadora trimestralmente es una inversión de una hora que frecuentemente ahorra cinco cifras anualmente para cargas de producción.