La estimación que nunca coincide con la factura
La página de precios y la factura describen dos cosas distintas. La página de precios describe un token: $5 por millón en Claude Opus 4.8, una fracción de céntimo por una pregunta de un cliente. Tu factura describe cómo tu producto llama realmente al modelo, y esa ruta es más larga, y mucho más cara, que el token que calculaste. Nadie te está cobrando de más.
La diferencia no es una tarifa misteriosa. Es un pequeño conjunto de multiplicadores concretos y con nombre propio, y en cuanto los ves puedes presupuestarlos. Aquí están, uno a uno, con su coste calculado sobre un chatbot de soporte que se ejecuta en Claude Opus 4.8.
| Concepto | Importe |
|---|---|
| Tu estimación | $200 |
| Contexto multiturno | + $1,260 |
| Tu factura | $1,460 |
Lo que presupuestas frente a lo que te facturan
Chatbot de soporte · 10,000 conversaciones / mes · Claude Opus 4.8 ($5 / $25 por 1M)
Modelado, no un presupuesto. Supuestos: una conversación de 4 turnos; un prompt del sistema de 1,500 tokens más el conocimiento recuperado reenviado en cada turno; un mensaje del cliente de ~500 tokens y una respuesta de ~700 tokens por turno. Eso son ~15,200 tokens de entrada y ~2,800 de salida por conversación, o $760 de entrada + $700 de salida a lo largo de 10,000 conversaciones. Tus cifras diferirán; la forma no.
El propietario cuidadoso estima $200 al mes: 10,000 conversaciones, cada una con una pregunta corta y una respuesta más larga, calculadas con honestidad a $5 de entrada y $25 de salida. La factura es de $1,460. El propietario que solo contó la pregunta del cliente - tokens de entrada, un turno - presupuestó $25 y se equivocó por casi sesenta veces. Ninguno de los dos hizo mal la aritmética. Estimaron la cantidad equivocada.
Trampa 1: calculaste la pregunta, pero la respuesta cuesta cinco veces más
En todos los modelos actuales de Claude, los tokens de salida cuestan exactamente cinco veces los de entrada. Fable 5 cuesta $10 de entrada y $50 de salida. Opus 4.8 cuesta $5 y $25. Sonnet 5 cuesta $3 y $15 (con un precio introductorio de $2 y $10 hasta el 31 de agosto de 2026). La proporción nunca cambia, y apunta en la dirección contraria a como la gente estima: calculamos lo que escribimos, que es corto, y olvidamos lo que el modelo escribe de vuelta, que es largo.
En el ejemplo de soporte la pregunta del cliente ronda los 500 tokens y la respuesta los 700. Solo esas respuestas - 700 tokens por 10,000 conversaciones a $25 por millón - suman $175 al mes, que ya es siete veces toda la estimación basada solo en la entrada, de $25. Si tu producto resume, redacta, explica o escribe código, la salida es donde vive tu dinero, y es el lado que el precio de catálogo infravalora en silencio.
Trampa 2: una conversación no es una pregunta
Esta es la grande, y es la trampa que convierte una estimación ordenada en una factura sorprendente. La API no tiene memoria. No recuerda tu último turno. Así que, para continuar una conversación, tu aplicación reenvía todo entero en cada turno: el prompt del sistema, todo el conocimiento que hayas recuperado y todo el ida y vuelta hasta ese momento. Se te factura por todo ello, otra vez, cada vez que el modelo habla.
Recorre la conversación de soporte a lo largo de cuatro turnos. Un prompt del sistema y un fragmento de conocimiento de 1,500 tokens viajan en cada turno. Para el cuarto turno también estás reenviando tres preguntas anteriores y tres respuestas anteriores. Súmalo todo y una sola conversación de cuatro turnos consume unos 15,200 tokens de entrada, no los 500 que imaginaste cuando mirabas una pregunta. Eso es aproximadamente treinta veces la entrada que estimaste, y es la razón por la que el contexto reenviado, no el modelo que elegiste, es la línea más grande de la factura de arriba.
Además se acumula. Como cada turno vuelve a pagar por todos los turnos anteriores, el coste total de una conversación crece con el cuadrado de su longitud, no en línea recta. Una conversación de diez turnos no cuesta diez veces una conversación de un turno, cuesta mucho más. Una función de chat que parece barata en una demo de tres mensajes puede comportarse de forma muy distinta cuando los usuarios reales se acomodan en hilos de veinte mensajes.
Trampa 3: el razonamiento que pagas pero nunca ves
El modelo razona antes de responder, y ese razonamiento se factura como salida lo veas o no. En Fable 5 este razonamiento está siempre activo: una petición que devuelve una respuesta ordenada de 500 tokens puede haber gastado antes varios miles de tokens razonando, y cada uno de esos tokens invisibles se cobra a la tarifa de salida de $50. La respuesta en tu pantalla es la parte pequeña de lo que pagaste.
La misma palanca existe en la familia Opus a través del ajuste de esfuerzo. Sube el esfuerzo y el modelo piensa durante más tiempo y llama a más herramientas, gastando más tokens a cambio de más fiabilidad. Bájalo y avanza más rápido y más barato. Ninguno está mal, pero si nunca elegiste un nivel estás pagando lo que cueste el valor por defecto. Si estás sopesando un modelo que siempre razona frente a uno estándar, la comparación honesta no son las dos tablas de precios, sino los dos recuentos de tokens que produce una tarea real, que es exactamente de lo que trata nuestro análisis de Fable 5 frente a Opus 4.8.
Trampa 4: el mismo texto, contado como más tokens
Esta es la que pilla incluso a los equipos cuidadosos. Cuando pasas a un modelo más nuevo, su tokenizador - lo que trocea el texto en tokens facturables - puede contar el texto idéntico como más tokens que antes. Cambiaste una cadena de modelo, no añadiste funciones, mantuviste exactamente el mismo precio por token, y la factura subió igualmente.
| Modelo | Importe |
|---|---|
| Sonnet 4.6 | $900 |
| Sonnet 5 | $1,170 |
| Diferencia | + $270 |
El mismo texto, la misma tabla de precios, una factura mayor
Una mensual carga de trabajo sobre la misma tabla de tarifas ($3 / $15 por 1M)
La cifra publicada de deriva del tokenizador (~30%) aplicada a un volumen fijo. El mismo conjunto de documentos se tokeniza a ~100M tokens en Sonnet 4.6 (50M de entrada + 50M de salida = $150 + $750 = $900) y a ~130M en Sonnet 5 (65M + 65M = $195 + $975 = $1,170). Las mismas palabras, la misma tabla de tarifas, +$270 al mes.
Sonnet 5 cuenta aproximadamente un 30 por ciento más de tokens que Sonnet 4.6 para las mismas palabras. El tokenizador de Opus 4.7 se sitúa en algún punto entre lo mismo y alrededor de un 35 por ciento más pesado que Opus 4.6, según el contenido. Así que una actualización que parece gratis en la página de precios puede subir una factura en un tercio sin hacer ruido. La solución no es evitar actualizar - los modelos más nuevos suelen valer la pena - sino volver a medir tus recuentos reales de tokens tras cualquier cambio y rehacer el presupuesto a partir de las nuevas cifras, en lugar de suponer que una tabla de tarifas idéntica significa una factura idéntica.
Trampa 5: los intentos que nunca ves
La petición y respuesta limpia que imaginas es el camino feliz. En producción hay errores transitorios que se reintentan, rechazos por seguridad y bucles de agente que llaman a una herramienta, leen el resultado y vuelven a llamar al modelo. Cada uno de esos viajes de ida y vuelta adicionales es más tokens en el contador, y ninguno aparece en tu modelo mental de "una pregunta, una respuesta".
Aquí hay un matiz real que conviene conocer. En Fable 5, una petición que se rechaza antes de producir cualquier salida no se factura en absoluto, mientras que una rechazada a mitad de flujo factura la parte que ya se transmitió. Los reintentos son baratos de hacer y fáciles de dejar sin límite, así que un pequeño error - un agente que da una vuelta más de lo debido, una política de reintentos sin tope - aparece como una partida en la factura, no como una traza de pila.
Toda la factura oculta en una página
Seis multiplicadores se interponen entre la tabla de precios de un LLM y la factura. Cinco de ellos viven en cómo llamas al modelo; el sexto vive en cómo programas el trabajo. Ninguno es un truco ni una tarifa oculta, y cada uno tiene una palanca concreta que lo aplana.
| Coste oculto | Qué lo desencadena | Tamaño típico | La palanca que lo aplana |
|---|---|---|---|
| Salida con un precio 5x la entrada | Cada respuesta que escribe el modelo | Normalmente la mayor parte de la factura | Acortar respuestas, limitar la salida máxima, bajar el nivel de esfuerzo |
| Contexto reenviado | La API no tiene estado, así que el historial se reenvía en cada turno | El coste total de la conversación crece con el cuadrado del número de turnos | Prompt caching (lecturas a ~0.1x sobre el prefijo cacheado) |
| Tokens de razonamiento | Razonamiento siempre activo (Fable 5) o un ajuste de esfuerzo alto | Pueden empequeñecer la respuesta que realmente ves | Ajustar el esfuerzo a la tarea, usar un nivel sin razonamiento para el trabajo sencillo |
| Deriva del tokenizador | Un modelo más nuevo cuenta el mismo texto como más tokens | ~+30% de Sonnet 4.6 a Sonnet 5 | Volver a medir los recuentos de tokens tras cualquier cambio de modelo y luego rehacer el presupuesto |
| Reintentos y bucles de herramientas | Errores transitorios, rechazos, viajes de ida y vuelta de agentes | Cada intento fallido puede volver a facturarse | Idempotencia más backoff, mantener acotados los bucles de herramientas |
| Trabajo en segundo plano sin agrupar en lotes | Ejecutar trabajos tolerantes a la latencia en la API en vivo | Precio completo por trabajo que podría esperar | Batch API (-50% en todo) |
La mayor parte de la factura es opcional
Lee esa tabla otra vez y fíjate en la columna de la derecha. Casi todos los multiplicadores tienen un descuento enfrente, y los tres mayores no son "cambiar a un modelo más barato", sino cosas que puedes hacer en el modelo que ya ejecutas.
- Prompt caching ataca directamente el contexto reenviado. Ese prompt del sistema de 1,500 tokens que envías en cada turno puede cachearse una vez y luego leerse a alrededor de una décima parte del precio de entrada en cada turno posterior. Hay un pequeño sobrecoste único por escribir la caché, así que compensa precisamente cuando reutilizas mucho el mismo contexto, que es exactamente lo que hace una función de chat.
- La Batch API descuenta un 50 por ciento de todo para el trabajo que tolera algo de latencia - resúmenes nocturnos, clasificación en masa, cualquier cosa que un usuario no esté esperando en tiempo real.
- Ajustar el tamaño del modelo y de la salida - enviar la mitad fácil de tu tráfico a un nivel más barato, limitar la longitud de las respuestas, elegir un nivel de esfuerzo a propósito - recorta el lado de la salida 5x de la factura sin cambiar una sola respuesta que a los usuarios les importe.
Apiladas en el orden correcto, estas pueden recortar una factura en más de la mitad sin degradar la experiencia, lo cual es todo un artículo aparte. Si todavía estás en la fase de decidir si una función de IA vale la pena construirla siquiera, el punto de partida honesto es el mismo que defiende este texto: estima a partir de la ruta de llamada real y luego compárala con lo que vale la tarea. Nuestra guía sobre automatización con IA práctica para pequeñas empresas es una buena siguiente parada.
