¿Por qué una tarea que hace unos meses parecía cara o reservada para grandes empresas ahora empieza a caber en una aplicación cotidiana? La inteligencia artificial no se volvió sencilla de golpe, pero una de sus piezas clave, el coste de usarla, está bajando con rapidez.
El hallazgo surge de datos de Silicon Data citados por Jefferies: el coste medio de la inferencia, el proceso con el que un modelo genera una respuesta, pasó de 2,04 dólares por millón de tokens el 31 de mayo a 1,18 dólares el 8 de agosto. Es una caída del 43% en poco más de dos meses.
OpenAI, Anthropic y los modelos chinos de pesos abiertos, cuyo código y componentes pueden ser usados por terceros, aparecen en el centro de esta carrera. La competencia ya no consiste solo en construir la IA más capaz, sino en ofrecer más inteligencia por cada dólar.
Jefferies atribuye buena parte de la presión a la expansión de modelos chinos económicos y de pesos abiertos, según datos recogidos por Silicon Data.
También te puede interesar:DeepSeek expone datos de usuarios y chats: una brecha de seguridad alarmanteOpenAI rebajó hasta un 80% las tarifas de su familia GPT-5.6. Anthropic, por su parte, lanzó Opus 5 con un rendimiento teórico cercano al de Fable 5 por aproximadamente la mitad del precio y mantuvo congelada la tarifa de Sonnet 5, pese a las expectativas de una subida.
El engranaje que abarata cada respuesta
La forma más simple de entender este mecanismo es pensar en una casa con muchas luces. Un modelo tradicional podía encender toda la instalación eléctrica para resolver una pregunta pequeña. Los nuevos sistemas intentan iluminar solo la habitación necesaria.
La clave es activar la inteligencia precisa, sin poner a trabajar toda la maquinaria. Las arquitecturas Mixture of Experts, una red que activa solo especialistas necesarios, funcionan como un tablero eléctrico: para cocinar no hace falta encender la calefacción, el garaje y las luces del jardín.
Además, empresas de Estados Unidos y China diseñan modelos más compactos y especializados. También afinan el cableado digital para obtener más rendimiento con el mismo hardware, es decir, con los mismos chips y servidores.
También te puede interesar:DeepSeek expone datos de usuarios y chats: una brecha de seguridad alarmanteDeepSeek V4 Flash ilustra esa oportunidad. No alcanza el nivel de inteligencia de GPT-5.6 u Opus 5, pero su relación entre capacidad y precio resulta especialmente competitiva. Para muchas tareas rutinarias, esa diferencia puede importar más que tener el modelo más potente disponible.
Es una transformación relevante porque entrenar modelos de frontera, los sistemas más avanzados, sigue siendo muy costoso. Sin embargo, utilizarlos después de ese entrenamiento se abarata. Es parecido a construir una central eléctrica cara, pero lograr que cada hogar reciba energía a un precio menor.
Una factura menor no siempre implica menos uso
La rebaja por token, la pequeña unidad de texto que procesa la IA, no garantiza una cuenta final más baja. Los agentes de IA, programas que ejecutan tareas con cierta autonomía, pueden trabajar durante horas, razonar más antes de responder y consultar numerosas herramientas.
Ahí aparece el efecto Jevons: cuando un recurso se vuelve más eficiente y barato, muchas personas lo usan más. Un viaje en coche más económico puede impulsar más trayectos; una IA más accesible puede multiplicar las consultas, los informes y las automatizaciones.
La industria se encamina así hacia una commodity, un servicio estandarizado donde pesan el precio y la disponibilidad. La ventaja futura no será contratar siempre la inteligencia máxima, sino elegir la adecuada para cada tarea.
Para usuarios y empresas, el interruptor ya no estará solo en qué IA usar, sino en cuándo encender cada habitación de esa nueva casa digital.
Directora de operaciones en GptZone. IT, especializada en inteligencia artificial. Me apasiona el desarrollo de soluciones tecnológicas y disfruto compartiendo mi conocimiento a través de contenido educativo. Desde GptZone, mi enfoque está en ayudar a empresas y profesionales a integrar la IA en sus procesos de forma accesible y práctica, siempre buscando simplificar lo complejo para que cualquiera pueda aprovechar el potencial de la tecnología.
