Precios de las APIs de IA en 2026: qué paga realmente una empresa

Los precios de las APIs de IA para empresas se cobran por token, con dos tarifas distintas —una para lo que envías y otra, entre 4 y 6 veces más cara, para lo que el modelo genera—, y a agosto de 2026 los modelos de gama alta se mueven entre 2 y 10 dólares por millón de tokens de entrada, y entre 10 y 50 por millón de salida. Las gamas rápidas bajan a décimas de dólar. Con esas cifras y tres datos de tu proceso puedes estimar la factura mensual de un agente antes de encargarlo.

Este artículo hace dos cosas: pone los precios públicos vigentes con su fecha, y —más importante, porque las tarifas cambian cada pocos meses— explica el método para estimar el gasto de tu caso concreto. Nosotros lo hacemos así antes de presupuestar cualquier agente, incluidos los que operan nuestros propios negocios. Si buscas la comparación de capacidades entre proveedores más que la de precios, la tenemos en nuestro análisis de OpenAI frente a Anthropic para empresas.

¿Cuánto cuesta un millón de tokens en agosto de 2026?

Estos son los precios públicos de las tres plataformas más usadas en entornos empresariales, consultados el 11 de agosto de 2026. Se facturan en dólares y por millón de tokens; entrada es lo que envías (instrucciones, contexto, documentos) y salida es lo que el modelo escribe.

Dos advertencias sobre esta tabla. La primera: estos precios cambian. OpenAI aplicó una bajada el 30 de julio de 2026 y Anthropic mantiene un precio introductorio de 2/10 dólares en Sonnet 5 hasta el 31 de agosto de 2026. Verifica siempre en la página de precios del proveedor antes de firmar nada. La segunda: comparar modelos por precio de lista es engañoso, porque un modelo caro que resuelve la tarea en una llamada puede salir más barato que uno barato que necesita tres intentos y una revisión humana.

¿Por qué la salida cuesta cinco veces más que la entrada?

Porque generar texto es computacionalmente mucho más caro que leerlo: el modelo produce la salida token a token, mientras que la entrada se procesa de una vez. Esa asimetría —que se repite en las tres plataformas, con factores de entre 4 y 6— tiene una consecuencia práctica directa sobre el diseño de tus agentes.

Si tu proceso consiste en mandar documentos largos y recibir respuestas cortas —clasificar facturas, extraer campos, decidir una ruta—, la factura la domina la entrada y estarás en la parte barata de la curva. Si consiste en generar informes, redactar correos o producir documentación, la salida manda y el coste se dispara aunque el contexto sea pequeño.

La palanca de diseño es evidente en cuanto se ve el número: pedir al modelo que sea conciso es una decisión económica, no estética. Un agente que responde con 400 tokens en lugar de 1.200 cuesta un tercio en la partida cara. Y en procesos con miles de ejecuciones al mes, esa diferencia se nota en la factura.

Caché y procesamiento por lotes: los dos descuentos que sí importan

Hay dos mecanismos que reducen la factura de forma sustancial y que casi nadie aplica en el primer despliegue. Aplicarlos bien puede dividir el coste entre tres o cuatro sin tocar el modelo.

Caché de prompt. Si todas tus llamadas comparten un bloque grande e idéntico —el manual de producto, las instrucciones del agente, el catálogo—, ese bloque se puede cachear: la primera llamada lo escribe en caché con un recargo (en Anthropic, 1,25× para 5 minutos de vigencia o 2× para una hora) y las siguientes lo leen a aproximadamente el 10% del precio de entrada. OpenAI y Google aplican descuentos equivalentes, en torno al 90% sobre la lectura cacheada. El requisito técnico es que el bloque cacheado sea idéntico byte a byte y esté al principio del prompt: si metes la fecha y hora al inicio de las instrucciones, no cachea nada.

Procesamiento por lotes. Si el trabajo no es interactivo —clasificar el correo de la noche, enriquecer una base de datos, generar 5.000 descripciones de producto—, las tres plataformas ofrecen un modo asíncrono con un 50% de descuento sobre entrada y salida, a cambio de que el resultado llegue en un plazo de hasta 24 horas. Es el descuento más fácil de conseguir y el más desaprovechado: mucha carga que hoy se ejecuta en tiempo real no necesita estar en tiempo real.

Un tercer factor, menos descuento y más trampa: el contexto largo se cobra aparte. OpenAI factura una tarifa superior por encima de cierto umbral de contexto, y Gemini duplica el precio de Pro por encima de 200.000 tokens. Si tu arquitectura mete el documento entero en cada llamada en lugar de recuperar solo los fragmentos relevantes, pagarás esa penalización en cada ejecución. Es una de las razones por las que un sistema de recuperación bien montado se paga solo; lo desglosamos en la guía sobre cuánto cuesta un RAG corporativo.

Cómo estimar el gasto mensual de tu agente en cinco minutos

Necesitas tres números de tu proceso y una calculadora. El método es este:

1. Ejecuciones al mes. Cuántas veces se dispara el agente: facturas procesadas, conversaciones atendidas, informes generados.
2. Tokens de entrada por ejecución. Aproxima con la regla de que 1.000 tokens equivalen a unas 750 palabras en español. Suma instrucciones + contexto + documento.
3. Tokens de salida por ejecución. Lo mismo con la respuesta esperada. Sé realista: la mayoría de la gente subestima esto a la mitad.
4. Multiplica y suma: (ejecuciones × entrada ÷ 1.000.000 × precio entrada) + (ejecuciones × salida ÷ 1.000.000 × precio salida).
5. Aplica un factor de 1,5 a 3 según cuántas llamadas encadene el agente por ejecución. Un agente que usa herramientas hace varias llamadas al modelo por cada tarea, y esa es la fuente número uno de sorpresas en la factura.

Un ejemplo real de pyme: un agente que procesa 3.000 facturas al mes, con 2.500 tokens de entrada y 300 de salida por factura, sobre un modelo de gama media a 2/12 dólares. Entrada: 7,5 millones de tokens ≈ 15 $. Salida: 0,9 millones ≈ 11 $. Total antes del factor de encadenamiento: 26 $/mes. Con un factor de 2,5 por las llamadas intermedias: unos 65 $, alrededor de 60 € al mes. Ese es el orden de magnitud típico de un proceso acotado en una empresa mediana, y explica por qué el coste de cómputo casi nunca es la variable relevante.

¿Y entonces por qué preocupa tanto el coste de la IA?

Porque el gasto que duele no está en la API. En la mayoría de proyectos que auditamos, el consumo de modelos representa entre el 2% y el 10% del coste total del primer año; el resto es desarrollo, integración con tus sistemas, y mantenimiento. Un agente a medida para un proceso acotado en una pyme se sitúa entre 15.000 y 40.000 €, y su mantenimiento entre el 10% y el 20% anual —esa es la partida que hay que vigilar, no los tokens—. El desglose completo está en cuánto cuesta un agente de IA a medida.

Hay dos excepciones en las que el coste de API sí manda y conviene detectarlas pronto: los productos de cara al cliente con volumen alto (un chatbot público con decenas de miles de conversaciones mensuales) y los agentes autónomos de larga duración que encadenan cientos de llamadas por tarea. En esos dos casos, la elección de modelo y la disciplina de caché dejan de ser un detalle técnico y pasan a ser el modelo de negocio.

Errores de presupuesto que vemos repetidamente

• Estimar con el modelo más caro «por si acaso». La mayoría de los pasos de un agente —clasificar, enrutar, extraer— los resuelve un modelo de gama baja a una décima parte del precio. Reserva la gama alta para el paso que de verdad requiere criterio.
• Olvidar el encadenamiento. Un agente con herramientas no hace una llamada por tarea; hace de tres a diez. Presupuestar con una es equivocarse por un orden de magnitud.
• No poner límites de gasto. Todas las plataformas permiten fijar topes y alertas por proyecto. Un bucle mal cerrado en un agente autónomo puede generar una factura sorprendente en una noche; el límite cuesta cinco minutos de configuración.
• Comparar solo el precio de lista. El coste real por tarea resuelta incluye los reintentos, las revisiones humanas y las tareas que el modelo barato no resuelve. Mide coste por tarea completada correctamente, no coste por token.
• Ignorar la variabilidad. Los precios llevan tres años bajando, pero también aparecen tarifas nuevas (contexto largo, modos de razonamiento extendido). Revisa la factura real contra la estimación al mes de arrancar.

Si estás dimensionando un proyecto y quieres una cifra defendible antes de comprometer presupuesto, es exactamente el trabajo de un diagnóstico corto: medir el proceso, estimar el consumo y contrastarlo con el ahorro. Así lo planteamos desde nuestra consultoría de inteligencia artificial.

Preguntas frecuentes

¿Los precios incluyen IVA y se pagan en dólares?

Las tres plataformas publican precios en dólares y facturan en dólares; el IVA se aplica según tu situación fiscal y tu NIF-IVA intracomunitario. Para presupuestar en euros, añade el tipo de cambio del momento y un margen del 10-15% por fluctuación. En volúmenes pequeños es irrelevante; en gastos de cuatro cifras mensuales conviene tenerlo en cuenta.

¿Sale más barato alojar un modelo abierto en mis servidores?

Solo con volumen alto y sostenido. La factura por token desaparece, pero aparecen el coste de GPU (alquilada o comprada), el de operación y el de las actualizaciones del modelo. Como regla práctica, por debajo de unos cientos de euros mensuales de API la respuesta casi siempre es no; el argumento fuerte para el modelo local no suele ser el precio sino la privacidad o el cumplimiento normativo.

¿Cuánto han bajado los precios y seguirán bajando?

La tendencia de los últimos tres años ha sido claramente a la baja a igualdad de capacidad, con recortes en las tres plataformas —el último de OpenAI el 30 de julio de 2026—. Dicho eso, los modelos nuevos de gama alta suelen entrar en el mercado en la parte cara de la tabla, así que la factura de una empresa que siempre usa lo último no baja tanto como sugiere el titular.

¿Qué diferencia hay entre pagar por API y una licencia tipo empresa?

La API se paga por consumo real y solo tiene sentido si vas a construir algo encima. Las licencias por usuario (asistentes corporativos) se pagan por asiento y cubren el uso conversacional del día a día. Muchas empresas necesitan ambas cosas y las comparan como si fueran alternativas; lo tratamos en detalle en nuestra comparativa de proveedores.

¿Puedo cambiar de proveedor si sube el precio?

Técnicamente sí, y conviene diseñar para ello: si tu código habla con el modelo a través de una capa propia en lugar de acoplarse a un SDK concreto, cambiar de proveedor es cuestión de días. Lo que no es portable son los ajustes finos de prompt y las evaluaciones, que hay que rehacer y validar. Presupuesta una o dos semanas de trabajo por cambio serio de proveedor.