Nuevas tarifas de DeepSeek V4

Precios en dólares estadounidenses por cada millón de tokens:

El incremento varía según el modelo, el tipo de token, el estado de la caché y la hora de uso. Reuters describió el cambio general como un aumento de entre el 50% y el 1.100% respecto a los precios anteriores.

El impacto es mayor en las cargas de trabajo que generan grandes volúmenes de texto durante las horas punta. El precio de salida de V4-Pro pasó de $0.87 por millón de tokens a $1.98 en periodo valle y $3.96 en periodo punta. Por ejemplo, un agente de programación que genere 10 millones de tokens de salida al mes pasaría de pagar unos $8.70 con la tarifa anterior a aproximadamente $19.80 si todo el tráfico se procesa en horario valle, o unos $39.60 si coincide con las horas punta. Estas cifras no incluyen los tokens de entrada.

Qué cambia para los desarrolladores

Con este modelo, programar cuándo se ejecutan las tareas pasa a formar parte de la gestión de costes de una API. Los equipos que realizan trabajos por lotes, evaluaciones, agentes de programación u otras tareas no urgentes pueden intentar concentrar el tráfico en las 17 horas valle del día.

Las aplicaciones interactivas tienen menos margen: sus solicitudes llegan cuando los usuarios necesitan una respuesta, no necesariamente cuando el precio es más bajo.

La caché y el enrutamiento también ganan importancia. Mejorar la proporción de solicitudes que aprovechan la caché, enviar las tareas rutinarias a V4-Flash o derivar algunas peticiones a otro proveedor puede limitar el impacto de las nuevas tarifas. Para las empresas, elegir un modelo se está convirtiendo en una decisión operativa continua, no en una comparación aislada de benchmarks.

El aumento no elimina el atractivo de DeepSeek en costes, pero sí reduce la ventaja que le daban unos precios de inferencia excepcionalmente bajos. La facturación punta parece coherente con un proveedor que intenta gestionar la demanda y extraer más valor de una capacidad informática limitada. Sin embargo, la información pública disponible en estas fuentes no demuestra que DeepSeek haya alcanzado la rentabilidad ni ofrece una ruta confirmada para lograrla; esa interpretación debe mantenerse como una hipótesis.

OpenAI compite por el acceso y el hábito de uso

OpenAI tomó una dirección diferente. El 6 de agosto anunció que GPT-5.6 Luna se convertiría en el modelo predeterminado de ChatGPT para los usuarios de los planes Free y Go, en sustitución de GPT-5.5. Esas cuentas también recibirían chats de texto cotidianos ilimitados y una nueva opción Think para preguntas más complejas, siempre sujeta a medidas contra el abuso.

La palabra ilimitado es más específica de lo que puede parecer. OpenAI mantiene límites separados para las cargas de archivos, la generación de imágenes y otras herramientas. Además, los usuarios de Free y Go no tienen acceso a GPT-5.6 Sol: Luna es el modelo asignado por defecto a esos niveles y también impulsa la función Think.

Luna ocupa la posición más económica dentro de la familia GPT-5.6, frente al modelo insignia Sol. Algunos medios especializados sitúan el precio de su API en $0.20 por millón de tokens de entrada y $1.20 por millón de tokens de salida, pero esas cifras no están confirmadas aquí por las fuentes de mayor autoridad incluidas en el material disponible.

La diferencia estratégica sí está clara: Luna es, en la práctica, gratuita para el uso de texto dentro de ChatGPT Free y Go, mientras que el acceso mediante API continúa siendo un producto de pago independiente.

Por qué importa el tráfico de OpenRouter

Estas decisiones llegaron cuando los modelos chinos estaban ganando un volumen considerable de tráfico entre desarrolladores. Bloomberg informó de que los modelos chinos superaron por primera vez a las plataformas estadounidenses en OpenRouter durante junio y representaron más del 60% de la cuota de tokens al mes siguiente.

OpenRouter permite a los desarrolladores dirigir solicitudes hacia cientos de modelos, por lo que sus datos son un indicador útil del comportamiento del mercado de enrutamiento y APIs. No obstante, no constituyen una medición completa del uso mundial de la inteligencia artificial.

El avance no fue obra exclusiva de DeepSeek. En las clasificaciones de OpenRouter de julio, modelos desarrollados en China ocuparon los cinco primeros puestos por volumen de tokens: MiMo-V2.5, de Xiaomi; DeepSeek; MiniMax; la familia Qwen, de Alibaba; y Kimi, de Moonshot. Otros análisis identificaron a DeepSeek como el mayor proveedor individual de la plataforma, con una cuota del 17,6% en una clasificación de junio.

El patrón ayuda a explicar por qué el precio sigue siendo decisivo. Las tareas de programación y los agentes que consumen grandes cantidades de tokens favorecen modelos lo bastante baratos como para ejecutarlos repetidamente. Al mismo tiempo, la respuesta de OpenAI muestra que el uso también se puede ganar mediante la distribución del producto: colocar un modelo capaz ante usuarios gratuitos fomenta el uso habitual, genera retroalimentación y puede facilitar la conversión posterior a productos de pago.

Dos presiones comerciales distintas

DeepSeek y OpenAI están respondiendo a caras diferentes de una misma presión del mercado:

• DeepSeek monetiza la demanda. La facturación punta y valle puede elevar los ingresos en los momentos de mayor consumo de capacidad y animar a los clientes a programar las cargas flexibles fuera de esas franjas.
• OpenAI protege la distribución. El texto ilimitado mantiene activos a los usuarios de Free y Go, al tiempo que la compañía conserva límites en funciones más costosas y restringe el acceso a modelos de categoría superior.
• Los desarrolladores afrontan una optimización más compleja. Ya no basta con comparar la calidad del modelo y el precio de lista: también importan la caché, la hora de uso, la latencia, el enrutamiento y el coste de cambiar de proveedor.
• El mercado se vuelve multimodelo. Una empresa puede recurrir a modelos económicos para extracción, traducción, programación repetitiva o bucles de agentes, y reservar los modelos premium para tareas en las que pesan más el rendimiento, los controles o la integración con un ecosistema.

Por eso la guerra de precios de la IA no necesariamente termina cuando algunos precios suben. La competencia se está dividiendo en varias capas: inferencia barata y disponibilidad de modelos con pesos abiertos, por un lado; alcance entre consumidores, integración de producto, capacidades premium y controles empresariales, por otro.

La conclusión para empresas y desarrolladores

El aumento de DeepSeek recuerda que unos precios de API muy bajos pueden atraer un volumen enorme de uso sin garantizar que los costes permanezcan bajos para siempre. La estrategia de OpenAI representa la apuesta contraria: subvencionar una experiencia de consumo amplia para reforzar la distribución y diferenciarse después mediante niveles de modelo y funciones no textuales.

Para desarrolladores y compradores empresariales, la lección práctica es no tratar ninguna tarifa ni benchmark como permanente. Los costes pueden cambiar según la demanda, el nivel del modelo, el estado de la caché y la hora del día.

La arquitectura más resistente será probablemente la que mida las cargas reales, mantenga abiertas varias opciones de enrutamiento y asigne cada tarea al modelo y al nivel de acceso que mejor encajen con el riesgo y los costes del negocio.

Nuevas tarifas de DeepSeek V4

Precios en dólares estadounidenses por cada millón de tokens:

El incremento varía según el modelo, el tipo de token, el estado de la caché y la hora de uso. Reuters describió el cambio general como un aumento de entre el 50% y el 1.100% respecto a los precios anteriores.

El impacto es mayor en las cargas de trabajo que generan grandes volúmenes de texto durante las horas punta. El precio de salida de V4-Pro pasó de $0.87 por millón de tokens a $1.98 en periodo valle y $3.96 en periodo punta. Por ejemplo, un agente de programación que genere 10 millones de tokens de salida al mes pasaría de pagar unos $8.70 con la tarifa anterior a aproximadamente $19.80 si todo el tráfico se procesa en horario valle, o unos $39.60 si coincide con las horas punta. Estas cifras no incluyen los tokens de entrada.

Qué cambia para los desarrolladores

Con este modelo, programar cuándo se ejecutan las tareas pasa a formar parte de la gestión de costes de una API. Los equipos que realizan trabajos por lotes, evaluaciones, agentes de programación u otras tareas no urgentes pueden intentar concentrar el tráfico en las 17 horas valle del día.

Las aplicaciones interactivas tienen menos margen: sus solicitudes llegan cuando los usuarios necesitan una respuesta, no necesariamente cuando el precio es más bajo.

La caché y el enrutamiento también ganan importancia. Mejorar la proporción de solicitudes que aprovechan la caché, enviar las tareas rutinarias a V4-Flash o derivar algunas peticiones a otro proveedor puede limitar el impacto de las nuevas tarifas. Para las empresas, elegir un modelo se está convirtiendo en una decisión operativa continua, no en una comparación aislada de benchmarks.

El aumento no elimina el atractivo de DeepSeek en costes, pero sí reduce la ventaja que le daban unos precios de inferencia excepcionalmente bajos. La facturación punta parece coherente con un proveedor que intenta gestionar la demanda y extraer más valor de una capacidad informática limitada. Sin embargo, la información pública disponible en estas fuentes no demuestra que DeepSeek haya alcanzado la rentabilidad ni ofrece una ruta confirmada para lograrla; esa interpretación debe mantenerse como una hipótesis.

OpenAI compite por el acceso y el hábito de uso

OpenAI tomó una dirección diferente. El 6 de agosto anunció que GPT-5.6 Luna se convertiría en el modelo predeterminado de ChatGPT para los usuarios de los planes Free y Go, en sustitución de GPT-5.5. Esas cuentas también recibirían chats de texto cotidianos ilimitados y una nueva opción Think para preguntas más complejas, siempre sujeta a medidas contra el abuso.

La palabra ilimitado es más específica de lo que puede parecer. OpenAI mantiene límites separados para las cargas de archivos, la generación de imágenes y otras herramientas. Además, los usuarios de Free y Go no tienen acceso a GPT-5.6 Sol: Luna es el modelo asignado por defecto a esos niveles y también impulsa la función Think.

Luna ocupa la posición más económica dentro de la familia GPT-5.6, frente al modelo insignia Sol. Algunos medios especializados sitúan el precio de su API en $0.20 por millón de tokens de entrada y $1.20 por millón de tokens de salida, pero esas cifras no están confirmadas aquí por las fuentes de mayor autoridad incluidas en el material disponible.

La diferencia estratégica sí está clara: Luna es, en la práctica, gratuita para el uso de texto dentro de ChatGPT Free y Go, mientras que el acceso mediante API continúa siendo un producto de pago independiente.

Por qué importa el tráfico de OpenRouter

Estas decisiones llegaron cuando los modelos chinos estaban ganando un volumen considerable de tráfico entre desarrolladores. Bloomberg informó de que los modelos chinos superaron por primera vez a las plataformas estadounidenses en OpenRouter durante junio y representaron más del 60% de la cuota de tokens al mes siguiente.

OpenRouter permite a los desarrolladores dirigir solicitudes hacia cientos de modelos, por lo que sus datos son un indicador útil del comportamiento del mercado de enrutamiento y APIs. No obstante, no constituyen una medición completa del uso mundial de la inteligencia artificial.

El avance no fue obra exclusiva de DeepSeek. En las clasificaciones de OpenRouter de julio, modelos desarrollados en China ocuparon los cinco primeros puestos por volumen de tokens: MiMo-V2.5, de Xiaomi; DeepSeek; MiniMax; la familia Qwen, de Alibaba; y Kimi, de Moonshot. Otros análisis identificaron a DeepSeek como el mayor proveedor individual de la plataforma, con una cuota del 17,6% en una clasificación de junio.

El patrón ayuda a explicar por qué el precio sigue siendo decisivo. Las tareas de programación y los agentes que consumen grandes cantidades de tokens favorecen modelos lo bastante baratos como para ejecutarlos repetidamente. Al mismo tiempo, la respuesta de OpenAI muestra que el uso también se puede ganar mediante la distribución del producto: colocar un modelo capaz ante usuarios gratuitos fomenta el uso habitual, genera retroalimentación y puede facilitar la conversión posterior a productos de pago.

Dos presiones comerciales distintas

DeepSeek y OpenAI están respondiendo a caras diferentes de una misma presión del mercado:

• DeepSeek monetiza la demanda. La facturación punta y valle puede elevar los ingresos en los momentos de mayor consumo de capacidad y animar a los clientes a programar las cargas flexibles fuera de esas franjas.
• OpenAI protege la distribución. El texto ilimitado mantiene activos a los usuarios de Free y Go, al tiempo que la compañía conserva límites en funciones más costosas y restringe el acceso a modelos de categoría superior.
• Los desarrolladores afrontan una optimización más compleja. Ya no basta con comparar la calidad del modelo y el precio de lista: también importan la caché, la hora de uso, la latencia, el enrutamiento y el coste de cambiar de proveedor.
• El mercado se vuelve multimodelo. Una empresa puede recurrir a modelos económicos para extracción, traducción, programación repetitiva o bucles de agentes, y reservar los modelos premium para tareas en las que pesan más el rendimiento, los controles o la integración con un ecosistema.

Por eso la guerra de precios de la IA no necesariamente termina cuando algunos precios suben. La competencia se está dividiendo en varias capas: inferencia barata y disponibilidad de modelos con pesos abiertos, por un lado; alcance entre consumidores, integración de producto, capacidades premium y controles empresariales, por otro.

La conclusión para empresas y desarrolladores

El aumento de DeepSeek recuerda que unos precios de API muy bajos pueden atraer un volumen enorme de uso sin garantizar que los costes permanezcan bajos para siempre. La estrategia de OpenAI representa la apuesta contraria: subvencionar una experiencia de consumo amplia para reforzar la distribución y diferenciarse después mediante niveles de modelo y funciones no textuales.

Para desarrolladores y compradores empresariales, la lección práctica es no tratar ninguna tarifa ni benchmark como permanente. Los costes pueden cambiar según la demanda, el nivel del modelo, el estado de la caché y la hora del día.

La arquitectura más resistente será probablemente la que mida las cargas reales, mantenga abiertas varias opciones de enrutamiento y asigne cada tarea al modelo y al nivel de acceso que mejor encajen con el riesgo y los costes del negocio.