Los tokens de IA ya cuestan menos de US$1 por millón, pero el gasto sigue creciendo

El precio efectivo de usar modelos de lenguaje de gran tamaño (LLM, por sus siglas en inglés) ha caído a un nuevo mínimo. El 1 de septiembre de 2026, el índice LLM Token Expenditure Index de Silicon Data, identificado como SDLLMTK, marcó US$0,97 por millón de tokens: menos de la mitad de su máximo de comienzos del verano. 24

La guerra de precios entre laboratorios y plataformas de IA de China ha contribuido a cambiar lo que las empresas pagan por la inferencia —es decir, por ejecutar un modelo ya entrenado para procesar una petición—. Pero el abaratamiento no está reduciendo necesariamente el gasto total en IA. Está haciendo rentables más usos, y con ello impulsa el volumen de tokens procesados.

Qué mide realmente el nivel de US$0,97

El SDLLMTK no mide todos los tokens consumidos ni el total de dólares gastados en IA. Silicon Data lo define como una referencia del precio efectivo combinado por millón de tokens de inferencia: incorpora los precios de los proveedores y el consumo observado dentro de un universo definido de modelos. 24

Por eso, el índice puede bajar aunque las organizaciones usen más IA y gasten más en términos absolutos. Si una parte mayor de las cargas de trabajo pasa a modelos más económicos, el precio medio ponderado disminuye. El indicador refleja tanto el precio como la composición de los modelos elegidos, no los ingresos totales del mercado.

La competencia china cambió la mezcla de modelos

La presión competitiva ha puesto en el mercado opciones muy baratas para trabajos que no exigen el modelo más avanzado: clasificación, resúmenes, atención al cliente, generación de código o automatizaciones internas.

DeepSeek V4-Flash, por ejemplo, figuraba con una tarifa de US$0,14 por millón de tokens de entrada y US$0,28 por millón de tokens de salida. 49 En mayo de 2026, DeepSeek también redujo en un 75% los precios de V4-Pro, una medida interpretada como una escalada de la competencia entre proveedores chinos. 58

Otros descuentos y ofertas de bajo coste dentro del ecosistema chino añadieron presión sobre los proveedores que compiten por grandes volúmenes de inferencia. 452

La evidencia muestra una asociación clara entre ese entorno competitivo y la reducción del precio combinado de los tokens. Sin embargo, no permite atribuir una proporción causal exacta de la caída a un laboratorio, un modelo o un recorte concreto. Las mejoras de eficiencia, la expansión de capacidad informática y las decisiones de enrutamiento de los clientes también influyen.

Por qué los tokens más baratos pueden elevar el gasto total

La relación básica es sencilla:

gasto total en tokens = precio efectivo por token × volumen de tokens

Cuando baja el precio unitario, se vuelven viables aplicaciones que antes no compensaban económicamente. Una empresa puede ejecutar más flujos automatizados, usar instrucciones y contextos más largos, producir más código o desplegar más sistemas de agentes de IA.

Si el volumen de tokens crece con mayor rapidez que la caída del precio efectivo, el gasto total aumenta. Ese patrón encaja con los informes que señalan que el precio por token ha bajado más de un 90% desde 2023, mientras que el gasto en uso de LLM se ha duplicado aproximadamente desde finales de 2025. 4143

No es una anomalía: el menor coste amplía el conjunto de tareas que resulta rentable automatizar.

El volumen de China ilustra la respuesta de la demanda

El consumo diario de tokens de IA en China superó los 140 billones en marzo de 2026 —140 millones de millones, en la escala larga usada en español—, frente a los 100 billones al cierre de 2025, según proyecciones gubernamentales citadas por Reuters. 18

Las divulgaciones de empresas y del sector financiero apuntan en la misma dirección. China Merchants Bank comunicó que su volumen medio diario de tokens aumentó más de un 78% interanual. Otros reportes situaron su consumo diario en torno a 33.000 millones de tokens a finales de mayo. 1929

Estas cifras no son una medición directa de los ingresos por APIs ni demuestran que cada carga de trabajo genere un retorno económico. Sí muestran que la inferencia más barata se está traduciendo en mucho más uso a gran escala.

El desafío para quienes desarrollan modelos

Para los compradores de IA, la caída del precio de la inferencia es una buena noticia. Para los proveedores de modelos, endurece el modelo de negocio: el ingreso por token puede reducirse mientras siguen siendo elevados los desembolsos en chips, centros de datos, entrenamiento y desarrollo.

La cuestión ya no es si habrá demanda de tokens baratos. La evidencia sugiere que sí. La pregunta es si un mayor volumen, las ofertas prémium y los productos empresariales podrán generar ingresos sostenibles y mejoras de productividad medibles con la suficiente rapidez para justificar la inversión continuada en infraestructura. La caída del índice ha puesto el foco precisamente en ese riesgo para el poder de fijación de precios de los proveedores. 436

Qué conviene seguir a partir de ahora

Más que la tarifa publicada por un único modelo, los indicadores más útiles serán:

• Los precios efectivos combinados, como SDLLMTK, para saber hacia dónde se están dirigiendo realmente las cargas de trabajo. 2
• El volumen de tokens, que revela si los precios más bajos están ampliando la demanda.
• Los ingresos y márgenes, para comprobar si los proveedores convierten el aumento de uso en retornos sostenibles.
• La calidad de las cargas de trabajo, porque consumir muchos tokens, por sí solo, no demuestra valor empresarial.

La conclusión es clara: la competencia de APIs de bajo coste en China ha ayudado a llevar el precio combinado de la inferencia con LLM por debajo de US$1 por millón de tokens. Pero, precisamente porque usar IA es más barato, el consumo de tokens y el gasto agregado pueden seguir creciendo al mismo tiempo. 2441