Hace dos años elegíamos un modelo preguntándonos cuál era capaz de resolver un problema sin inventarse los datos. Hoy, con la frontera técnica estabilizada, la pregunta que define cualquier proyecto de automatización es otra: cuánto cuesta ejecutar diez mil llamadas seguidas sin arruinar el margen.
La tabla real de costes y capacidades (Octubre 2026)
Quien haya intentado mantener un script en producción durante los últimos seis meses habrá notado un cambio silencioso en las tarifas de las APIs. Mientras los modelos insignia mantienen precios altos para tareas de razonamiento pesado, las gamas de entrada han desplomado su coste hasta niveles casi residuales.
| Modelo | Proveedor | Ventana real | Entrada / Salida (1M) | Uso recomendado en producción |
|---|---|---|---|---|
| Gemini 4 Argon / 3.8 Flash | 1M – 2M tokens | $0.30 – $2.00 / $2.50 – $10 | Ingesta de repositorios enteros, vídeo y documentos largos | |
| Claude 5.5 Sonnet | Anthropic | 1M tokens | $2.00 / $10.00 | Edición de código compleja, agentes de consola y redacción |
| GPT-6.1 Sol / Luna | OpenAI | 1M tokens | $0.10 – $2.00 / $0.50 – $10 | Clasificación masiva de datos (Luna) y flujos multimodales |
| DeepSeek V4-Flash | DeepSeek | 256K tokens | $0.14 / $0.28 | Automatización intensiva en segundo plano con caché ($0.003) |
| Qwen 3.5 Coder (27B) | Alibaba (Abierto) | 128K tokens | Coste eléctrico local | Ejecución privada en estaciones de trabajo con 24 GB VRAM |
Donde se gana y se pierde dinero al automatizar
El error más habitual al montar un flujo automático en casa o en una pequeña empresa consiste en conectar el modelo más caro disponible a todas las fases del proceso. Un sistema bien diseñado en 2026 separa el trabajo en dos capas muy distintas.
- Capa de triaje y extracción (Modelos Flash / Luna): Leer un correo entrante, limpiar el HTML de una web o extraer los importes de una factura en PDF no requiere un modelo de frontera. Usar
Gemini 3.5 Flash-LiteoGPT-6 Lunareduce la factura un 90% con idéntico resultado. - Capa de síntesis y decisión (Sonnet 5.5 / Argon): Solo cuando los datos ya están limpios merece la pena invocar a un modelo grande para redactar un texto final con matices o tomar una decisión de arquitectura.
- El peso del caché de contexto: Si envías siempre las mismas instrucciones de estilo o el mismo manual de referencia en cada petición, activar el prompt caching en DeepSeek o Anthropic rebaja el coste de entrada hasta un 85%.
##Cuándo tiene sentido correr modelos en tu propio ordenador
Con la salida de la familia Qwen 3 y los modelos abiertos gpt-oss de 20 mil millones de parámetros, cualquier ordenador de sobremesa con una tarjeta gráfica de 16 GB de VRAM puede actuar como servidor local las 24 horas.
Cuándo compensa el modo local
Cuando trabajas con documentos privados de clientes, contratos o bases de datos personales que no quieres enviar a terceros, o cuando ejecutas tareas mecánicas durante toda la noche (como renombrar miles de archivos o transcribir audio local).
Cuándo sigue ganando la nube
Cuando necesitas que el agente busque información actualizada al minuto, analice cientos de páginas web simultáneamente o escriba código complejo a la primera sin calentar la habitación ni bloquear la memoria gráfica de tu equipo.