El costo de usar inteligencia artificial cayó 43% en dos meses
El precio medio de inferencia bajó a 1.18 dólares por millón de tokens entre mayo y agosto de 2026. La competencia entre laboratorios y la irrupción de modelos chinos impulsan la baja.
El costo promedio de inferencia, el procesamiento para generar respuestas, registró una caída del 43% entre el 31 de mayo y el 8 de agosto de 2026. De acuerdo con un informe de la firma de análisis Jefferies basado en métricas de Silicon Data, la tarifa media descendió de 2,04 a 1,18 dólares por cada millón de tokens, las unidades de información procesada. Esta reducción tarifaria evidencia una carrera acelerada entre las empresas del sector por ofrecer mayor capacidad computacional por cada dólar invertido.
La dinamización del mercado provocó rebajas directas por parte de los principales desarrolladores de Estados Unidos. Durante julio de 2026, OpenAI recortó hasta un 80% los precios de su familia de modelos GPT-5.6. Por su parte, Anthropic presentó Opus 5 con capacidades teóricas cercanas a las de Fable 5 a aproximadamente la mitad de su costo. Asimismo, a comienzos de agosto de 2026, la compañía optó por congelar la tarifa de Sonnet 5, un producto cuya cotización previa contemplaba un incremento en el corto plazo.
Modelos abiertos y eficiencia técnica
Los consultores de Jefferies atribuyen este ajuste en los valores a la adopción de herramientas de pesos abiertos, modelos con código accesible, originarias de China. Un caso representativo es DeepSeek V4 Flash, un sistema que, sin alcanzar la escala de inteligencia de GPT-5.6 u Opus 5, brinda un rendimiento elevado por una fracción del costo habitual. Las firmas chinas ejecutan una estrategia dual al comercializar modelos económicos masivos al tiempo que introducen soluciones de alta gama.
El boletín de Onda Corta
El abaratamiento no responde únicamente a descuentos comerciales, sino a un esfuerzo de ingeniería enfocado en la eficiencia operativa tanto en Estados Unidos como en China. Las organizaciones buscan desarrollar sistemas especializados y más pequeños mediante arquitecturas como Mixture of Experts (MoE), una tecnología que activa parámetros selectivos durante la consulta sin recargar todo el sistema. Si bien la fase de entrenamiento de los modelos frontera vuelve a ser más costosa, la ejecución de tareas sobre infraestructura existente se ha vuelto sensiblemente más accesible.
El impacto de los agentes en la factura
A pesar de la contracción en los precios unitarios, los gastos totales de los usuarios no caen en la misma proporción. La proliferación de agentes de IA, programas autónomos que ejecutan tareas extendidas, genera sesiones de trabajo de varias horas, consultas a herramientas secundarias y procesos previos de razonamiento. Esta modalidad multiplica el uso de unidades procesadas, ilustrando la paradoja de Jevons: el incremento en la eficiencia de un recurso suele elevar su consumo total al habilitar nuevos usos rentables.
En este escenario, la inteligencia artificial se aproxima a la categoría de commodity, un bien estandarizado e intercambiable similar al petróleo, la electricidad o las conexiones de internet. La ventaja de mercado deja de residir en la posesión del modelo más complejo para trasladarse a la capacidad de asignar el nivel adecuado de procesamiento al menor precio posible.
El boletín de Onda Corta