Economía de tokens: cómo se generan realmente los costes de los agentes de IA

La economía de tokens en los agentes de IA describe la mecánica de costes por la que cada ejecución de un agente se factura según los tokens consumidos: tokens de entrada, de salida, en caché y de razonamiento. A diferencia de un chatbot, los agentes multiplican el consumo mediante bucles de varios pasos, llamadas a herramientas y subagentes. Por eso, un cálculo basado en el precio del token por solicitud se queda varias veces por debajo de los costes reales de producción. Si planificas el presupuesto de un agente, tienes que entender esta mecánica; de lo contrario, a tu cálculo le faltará la mayor parte de la factura.

• La unidad de facturación son los tokens, no las solicitudes. En 2026, una solicitud de usuario a un agente genera normalmente entre 5 y 20 llamadas al LLM. Cada una de ellas se vuelve a pagar.
• La salida y el razonamiento son caros; la entrada en caché es barata. En Claude, la salida cuesta cinco veces el precio de la entrada; en GPT-5.5, seis veces; el contexto reutilizado (caché) cuesta en Anthropic como máximo el 10 %.
• Los tokens de API rara vez superan el 30 al 50 % del coste total. La base de datos vectorial, la observabilidad, el cómputo y el cumplimiento normativo generan el resto.

Los cuatro tipos de tokens y cómo se facturan

Cada llamada al LLM se divide en grupos de tokens con precios distintos. Quien solo mira la salida subestima sistemáticamente la entrada, porque el agente arrastra en cada paso el prompt de sistema, las definiciones de herramientas y un contexto cada vez mayor.

• Los tokens de entrada incluyen todo lo que entra en el modelo: prompt de sistema, definiciones de herramientas, contexto RAG recuperado, historial de la conversación y la solicitud en sí. Un flujo de trabajo con cinco herramientas definidas de 150 tokens cada una añade por sí solo 750 tokens de entrada a cada solicitud.
• Los tokens de salida son la respuesta generada. Según la lista de precios de Anthropic, en todos los modelos de Claude cuestan cinco veces el precio de la entrada; en GPT-5.5, seis veces. Claude Sonnet 4.6, por ejemplo, cuesta 3 USD de entrada frente a 15 USD de salida por millón de tokens.
• Los tokens de entrada en caché son contexto estable y reutilizado. Según su lista de precios, Anthropic factura la lectura de caché a 0,1 veces el precio base (90 % de descuento); en Opus 5.5 y Sonnet 5.5, a 0,05 veces, y en Fable 5.1 y Mythos 5.1, a 0,025 veces. OpenAI cobra en la familia GPT-5.x alrededor del 10 % del precio base. Es la palanca de costes más eficaz que se ha introducido desde que existe la facturación por uso.
• Los tokens de razonamiento se generan cuando los modelos de razonamiento piensan internamente. En 2026, OpenAI y Anthropic los facturan sin más a la tarifa de salida. Consecuencia práctica: una llamada con 20.000 tokens de razonamiento cuesta, a 25 USD por millón de tokens de salida, unos 0,50 USD solo por pensar, antes de que se genere una sola palabra visible.

El multiplicador: por qué los agentes disparan el consumo

La diferencia decisiva frente al chatbot no es el precio del token, sino el número de llamadas. Una única solicitud de usuario que en 2023 aún era una sola llamada al modelo se traduce en 2026, de forma rutinaria, en una cadena: planificador, selección de herramientas, interpretación del resultado de la herramienta, decisión del siguiente paso, formateo de la salida y, a menudo, bucles explícitos de verificación. Son entre 5 y 20 llamadas. Las cascadas de subagentes elevan a veces la cifra a 50 o más.

Se acumulan tres multiplicadores:

• La ejecución en varios pasos multiplica el consumo por un factor de 5 a 20 frente a una llamada única, según el número de pasos. Cada llamada a una herramienta es una completion independiente con su propio contexto.
• El fan-out de subagentes multiplica el consumo de tokens por un factor de 3 a 10 frente a un agente único. Cada subagente es una completion independiente con su propia ventana de contexto y sus propias definiciones de herramientas.
• Los fallos y reintentos añaden un factor de 1,3 a 3 cuando la verificación es débil. Los flujos de trabajo agénticos que fallan y vuelven a empezar queman tokens por el camino.

A esto se suma el crecimiento del contexto: con cada paso crece el historial de la conversación, que se vuelve a pagar como entrada. Los contextos largos son doblemente caros: por encima de 200.000 tokens, varios proveedores (modelos Gemini Pro, OpenAI GPT-5.5 a partir de 272.000 tokens) aplican un recargo de 2 veces en la entrada y de 1,5 veces en la salida. Por eso, llenar sin más la ventana de contexto rara vez es la solución barata.

Costes ocultos: la factura por debajo de la línea de la API

En una carga agéntica a escala de gran empresa, la partida de tokens de API rara vez supera el 30 al 50 % del coste total (TCO). Los presupuestos que solo tienen en cuenta la lista de precios del proveedor del modelo se dejan fuera, de forma sistemática, al menos la mitad de la factura. Las siguientes partidas son los puntos ciegos más habituales en la región DACH, es decir, en Alemania, Austria y Suiza (proporciones orientativas para una carga representativa de gran empresa, datos de 2026):

Las partidas ocultas en cifras: la base de datos vectorial y los embeddings suponen del 5 al 15 % del coste total, la observabilidad, del 2 al 8 %, y el cómputo y el sandbox, del 10 al 25 %. En la región DACH se suman factores que los presupuestos estadounidenses no conocen: el recargo por región UE de alrededor del 10 %, el sobreprecio por soberanía de un factor de 1,5 a 3 y unos costes continuos de cumplimiento normativo que, siendo realistas, van de 5.000 a 20.000 euros al año por cada proveedor activo contratado. Estos factores específicos de la región DACH elevan el coste total entre un 15 y un 35 % frente a una carga comparable en EE. UU.

La palanca de la elección del modelo: pequeño, grande o enrutado

No todos los pasos necesitan el modelo más caro. La segunda mayor palanca FinOps después de la caché es el enrutamiento: el modelo barato como estándar y el caro solo cuando hay una carencia medible. La diferencia de precios es considerable (datos de 2026): según la lista de precios de Anthropic, Claude Haiku 4.5 está en 1 USD de entrada / 5 USD de salida por millón, Sonnet 4.6 en 3 / 15 y Opus 4.6 en 5 / 25; según OpenAI, GPT-5.5 está en 5 / 30. En el extremo inferior se sitúa Claude Haiku 5.5, con 0,10 / 0,50 USD para prompts de hasta 100.000 tokens, la cincuentava parte del precio de Opus 4.6. DeepSeek cobra por V4.1 Flash, según su lista de precios, 0,15 USD de entrada y 0,30 USD en horas punta, aunque a través de una API alojada en China.

En 2026, Anthropic formalizó el patrón de enrutamiento con el Advisor Tool (en beta desde el 9 de abril de 2026): Sonnet o Haiku como ejecutor y Opus como asesor que se activa cuando hace falta, en una única llamada a la API. Los benchmarks publicados muestran la fuerza de esta palanca: Sonnet con Opus como advisor alcanzó un 74,8 % en SWE-bench Multilingual, frente al 72,1 % de Sonnet solo. Aun así, el coste por tarea agéntica bajó un 11,9 % frente a Sonnet solo. Haiku con Opus como advisor duplicó la puntuación en BrowseComp (del 19,7 al 41,2 %) con un coste un 85 % inferior al de Sonnet solo.

La regla práctica que hay detrás es sobria: el modelo más barato que supera la evaluación es el modelo correcto. A precio de lista, Opus 4.6 (5 / 25 USD) cuesta aproximadamente 1,7 veces lo que Sonnet 4.6 (3 / 15 USD); en la generación 5.5 (Opus 5.5 a 4 / 20 y Sonnet 5.5 a 2 / 10 USD), el factor es 2. Si ese sobreprecio compensa, solo lo muestra la evaluación sobre el flujo de trabajo concreto. Los equipos que enrutan según los resultados de las evaluaciones y no por intuición reducen los costes de modelo normalmente entre un 30 y un 60 % sin pérdida de calidad.

Ejemplo de cálculo: 1.000 ejecuciones de un agente

En concreto, con las tarifas de Sonnet 4.6 (3 USD de entrada / 15 USD de salida por millón, datos de 2026, volátiles). Supongamos un agente de investigación con una media de 8 llamadas al LLM por ejecución, cada una con 4.000 tokens de entrada y 800 de salida.

Sin optimizar, sin caché:

• Entrada: 1.000 ejecuciones x 8 llamadas x 4.000 tokens = 32 millones de tokens x 3 USD = 96 USD
• Salida: 1.000 x 8 x 800 = 6,4 millones de tokens x 15 USD = 96 USD
• Coste directo en tokens: unos 192 USD por cada 1.000 ejecuciones

Con una tasa de aciertos de caché del 80 % sobre todo el prefijo del prompt (prompt de sistema, definiciones de herramientas e historial previo): según la lista de precios de Anthropic, un acierto de caché en Sonnet 4.6 cuesta 0,30 USD por millón en lugar de 3 USD, es decir, una décima parte. Por el 20 % restante pagas el precio base o, si se escribe de nuevo en la caché, 1,25 veces ese precio (caché de 5 minutos). Así, los costes de entrada bajan de 96 a entre 27 y 32 USD aproximadamente, y la salida se mantiene. Total: entre 123 y 128 USD aproximadamente, un ahorro de alrededor de un tercio solo gracias a la caché.

Si además el 60 % de las llamadas se enrutan a Haiku 4.5 (1 / 5 USD) en lugar de a Sonnet 4.6, porque la evaluación lo permite, la partida directa baja todavía más, hasta unos 70 a 80 USD por cada 1.000 ejecuciones. Y eso es solo la partida de la API. Si se suman la base de datos vectorial, la observabilidad y las operaciones de cumplimiento normativo, los costes totales reales vuelven a ser bastante más altos. Precisamente por eso, en 2026 los topes de tokens por flujo de trabajo (max_iterations, max_tool_calls, max_sub_agent_depth) son el estándar de gobernanza: evitan que una sola ejecución descontrolada haga saltar por los aires el cálculo.

FinOps y límites presupuestarios

Las medidas eficaces no son ningún secreto, sino práctica de ingeniería. Combinándolas, un programa FinOps bien instrumentado reduce los costes entre un 60 y un 80 % frente al punto de partida sin optimizar:

• Caché de prompts agresiva como mayor palanca individual: una tasa de aciertos de caché del 60 al 90 % sobre el prefijo del prompt reduce los costes de entrada entre un 50 y un 80 % aproximadamente, porque un acierto de caché cuesta una décima parte del precio base en la mayoría de los modelos de Claude. La caché de 5 minutos se amortiza tras la primera lectura; la de 1 hora, tras la segunda.
• Enrutamiento basado en evaluaciones con LiteLLM, OpenRouter o Portkey: modelo barato por defecto y patrones de advisor o de escalado para los casos difíciles.
• Batch API para cargas que no son en tiempo real, con un descuento fijo del 50 %, combinable con la caché. Así, una solicitud por lotes en caché puede bajar al 5 % del precio estándar.
• Presupuesto de tokens por flujo de trabajo con límites estrictos y atribución de costes por cliente, equipo o flujo de trabajo. Sin esa atribución, FinOps no puede responder a la única pregunta del CFO: ¿qué unidad de negocio genera esta factura?
• Fallback a modelos open-weight para las cargas de cola larga (resúmenes, clasificación, extracción sencilla): en Europa, a través de proveedores alojados en la UE como Together AI (región UE) o DeepInfra Frankfurt, ya que la API directa de DeepSeek, alojada en China, queda descartada para cargas sujetas al RGPD.

Para agencias y responsables de decisiones B2B

Si operas agentes de IA en producción en Europa o los desarrollas para clientes, deberías convertir la economía de tokens en una competencia clave, porque las mayores palancas de costes no están en el contrato, sino en la implementación técnica. Los equipos de compras que pelean por un cinco por ciento de descuento por volumen dejan escapar un cincuenta por ciento en otra parte. Para las agencias, esto significa: atribución de costes por cliente con Helicone o Portkey, traslado transparente de los costes con un margen claro sobre la complejidad operativa (10 proveedores contratados implican 10 cadenas de contratos de encargo del tratamiento) y alojamiento soberano como nivel premium para clientes sujetos al RGPD.

Para el B2B, la regla es: elección del modelo basada en evaluaciones, caché desde el primer día, topes de tokens por flujo de trabajo y una vía de salida hacia proveedores open-weight para cada carga que supere un umbral mensual razonable. Desde Viena, Blck Alpaca acompaña a empresas de toda Europa precisamente en este cálculo: desde la arquitectura del flujo de trabajo y los límites FinOps hasta el despliegue soberano. Nota: todos los precios de este artículo corresponden a 2026 y son volátiles; las bandas de precios cambian cada trimestre y conviene contrastarlas con la documentación actual de cada proveedor antes de cualquier decisión presupuestaria.