La IA de última generación sale más cara que nunca, aunque baje precios. El problema es que piensa más que antes

Durante primaveras se repitió el mantra: a medida que la inteligencia fabricado madurara, su uso sería progresivamente más y más de poco valor… pero la existencia de 2025 está resultando congruo menos idílica: cada vez más desarrolladores y empresas que "compran IA por barriles" —para gestar código, resumir documentos o totalizar sus propios agentes de IA— descubren que sus facturas no solo no están bajando, sino todo lo contrario. Y, en muchos casos, se desbocan. ¿Qué está pasando aquí?

Del precio por token… al número de tokens

Conviene separar dos conceptos: entrenamiento e inferencia. Entrenar los modelos más grandes sigue exigiendo una supercomputación carísima. La inferencia —conseguir respuestas de un maniquí ya entrenado— sí se está abaratando de forma sostenida: el coste por token cae de guisa pronunciada.

Pero lo que se ahorra por aquí, no compensa el compra extra que ha introducido una de las nuevas funciones destino de la IA: los nuevos usos "con razonamiento" disparan la cantidad de tokens que se gastan por tarea.

Por decirlo en términos gastronómicos: entrenar un maniquí es como construir un horno industrial, pero pedirle respuestas a un maniquí ya entrenado es como hornear cada tortita: cada uno sale más de poco valor con el tiempo… con la salvedad de que ahora usas más masa que antiguamente, porque los bizcochos son gigantes y con varias capas.

Traduciendo:

• Ventanas de contexto enormes. En vez de 1–2 páginas, ahora volcamos decenas o cientos.
• Varios pasos internos. El maniquí planifica, escribe borradores, se auto-revisa y compara opciones antiguamente de dar la respuesta final.
• Uso de herramientas. Indagación en la web, ejecuta código o consulta bases de conocimiento; cada ida y revés añade tokens (instrucciones, resultados, resúmenes).
• Análisis y voto. A veces se generan varias respuestas y se elige la mejor; útil para calidad, caro en tokens.

Así, los modelos hacen mejor su trabajo… a costa de multiplicar el consumo. Resultado: la dispositivo es permuta, pero la cesta que consumimos es cada vez más voluminosa.

¿Cuántos tokens consume cada caso de uso?

Las cifras varían por maniquí y configuración, pero el orden de magnitud ayuda a entender las cuentas:

• Chat principal de preguntas y respuestas: ~50 a 500 tokens.
• Esquema breve de un documento: ~200 a 6.000.
• Subsidio de código básica: ~500 a 2.000.
• Escritura de código enredado: ~20.000 a 100.000+.
• Descomposición procesal de documentos: ~75.000 a 250.000+.
• Agentes multi-paso: ~100.000 a 1.000.000+.

Con estos volúmenes, no sorprende que plataformas que prueban muchos modelos constaten que "la carrera por la respuesta más inteligente" se ha convertido en seguro de gastos extra.

Las empresas hacen cuentas

Las consecuencias ya son visibles: Notion —un ejemplo representativo del SaaS productivo— explica que, frente a márgenes cercanos al 90% de hace dos primaveras, ahora en torno a de 10 puntos se van en costes de IA que sustentan sus nuevas funciones. Hace unas semanas, salía a la luz un estudio del MIT que afirmaba que el 95% de las empresas que ofrecen apps de IA generativa no les están sacando rentabilidad.

Pero las que peor lo están pasando son las startups que venden aplicaciones de vibe coding: cambios de precios recientes han destapado lo obvio que es que un adjudicatario queme en días los créditos de todo un mes cuando sube la complejidad de sus peticiones.

Vía | WSJ

Imagen | Marcos Merino emdiante IA

En Genbeta | Han estudiado el impresión de la IA en 7.000 empresas y tienen un veredicto: ni hay mejoras en la productividad ni ahorros en costes