Los modelos más caros de Anthropic y OpenAI cuestan 100 veces más por token que los modelos más pequeños de sus catálogos, y sin embargo muchos usuarios recurren al modelo insignia para todo.

El costo de ese hábito ya no es hipotético. Las tablas de uso en Meta, Amazon y Uber elevaron considerablemente las facturas de IA, y Uber agotó su presupuesto de herramientas de IA para 2026 en unos cuatro meses. Los empleados de Meta consumieron 60 billones de tokens de IA en 30 días a inicios de este año mientras competían por puestos en una tabla interna apodada "Claudeonomics". El columnista tecnológico Gergely Orosz estimó la cuenta en unos 900 millones de dólares según los precios de lista de Anthropic, aunque Meta probablemente paga mucho menos.

La consultora de Bain & Company Jue Wang ve una versión más silenciosa del mismo desperdicio en muchas organizaciones. "Tantas empresas, tantos usuarios recurren por defecto a Opus para todo, incluida la generación de correos electrónicos", dijo a Associated Press este verano, refiriéndose a los modelos de gama alta de Anthropic. Hacer lo mismo equivale a contratar a Albert Einstein para calcular tu cambio en un McDonald's.

Cada palabra escrita en ChatGPT o Claude —y cada palabra que el modelo responde— se mide en tokens, fragmentos de texto que promedian aproximadamente tres cuartas partes de una palabra. En una suscripción de 20 dólares, ese medidor determina qué tan rápido se alcanza el límite de uso. En la API, el acceso de pago por token que los desarrolladores usan para integrar modelos en sus propias aplicaciones, determina la factura.

La lista de precios actual de Anthropic cobra por millón de tokens, y la tarifa de Haiku aplica solo a prompts de menos de 100,000 tokens; los prompts más largos cuestan cinco veces más. El modelo superior cuesta 100 veces más que el más pequeño, y el catálogo de OpenAI presenta el mismo rango, de 10 a 0.10 dólares por millón de tokens de entrada.

Esos precios por token se acumulan rápido para los laboratorios —y para sus clientes. La tasa anualizada de ingresos de Anthropic pasó de unos 9,000 millones de dólares a finales de 2025 a más de 47,000 millones en mayo, mientras que OpenAI libra una guerra de precios para mantenerse al día.

Algunos hábitos recortan ese gasto de forma considerable, y los primeros cinco consejos a continuación no requieren nada de programación.

Qué significa tokenmaxxing (y lo que debería significar)

Tokenmaxxing comenzó como una ostentación del Valle Silicon al estilo del Claudeonomics de Meta, con Microsoft, Shopify y Amazon clasificando a sus empleados en tablas de tokens similares. El CEO de Nvidia, Jensen Huang, avivó fuego cuando dijo en el podcast "All-In" en marzo que estaría "profundamente alarmado" si un ingeniero de 500,000 dólares no quemara al menos 250,000 dólares en tokens.

Y quemar tokens lo hicieron —a menudo en tareas improductivas. En Amazon, empleados admitieron inflar sus cifras ejecutando la herramienta interna de IA en tareas irrelevantes, hasta que un vicepresidente senior dijo al personal: "Por favor, no usen IA por el simple hecho de usar IA".

Esta guía usa el significado que los ingenieros promueven ahora: maximizar el valor de cada token, no la cantidad gastada —la práctica que IBM describe como tokenmaxxing como métrica de productividad.

Tres conceptos explican a dónde van realmente los tokens, comenzando con el bucle de agente. Un agente es un modelo que puede usar herramientas, así que piensa, busca en la web o ejecuta código, lee el resultado y vuelve a intentarlo hasta que decide que terminó —reenviando toda la conversación en cada vuelta.

La orquestación multiplica ese costo. Un modelo actúa como gestor, dividiendo la solicitud en partes, entregándolas a modelos de trabajo llamados subagentes y volviendo a unir sus respuestas. Cada trabajador ejecuta su propio bucle con su propia memoria, razón por la cual Anthropic dice que los equipos de agentes en Claude Code pueden usar alrededor de siete veces más tokens que una sesión estándar cuando los compañeros se ejecutan en modo plan, una configuración cubierta en los consejos intermedios a continuación.

Los grafos son la forma en que los desarrolladores evitan que esos bucles se desvíen. Frameworks como LangGraph permiten dibujar un flujo de trabajo como un mapa de metro, con estaciones (nodos) que hacen el trabajo y vías (aristas) que deciden a dónde ir después, de modo que el modelo sigue una ruta fija en lugar de iterar hasta quedarse sin ideas o presupuesto.

Los bucles automatizan tareas y elevan la calidad, pero también queman dinero —lo que hace que la eficiencia sea esencial.

Principiante: trabajos pequeños, modelos pequeños

1. Elige el modelo según el trabajo. La mayoría de los principiantes usan la IA mediante una interfaz gráfica. Haz clic en el nombre del modelo en la aplicación de chat (en la parte superior del chat en ChatGPT, junto al botón de enviar en Claude o Hermes) y cambia a una opción más pequeña y rápida para correos, resúmenes y reformulaciones. Reserva el modelo superior para razonamientos difíciles y decisiones donde un error sutil cueste dinero real. Ejecuta cinco tareas de la semana pasada en ambos modelos lado a lado; si el pequeño pasa, mantenlo. En una suscripción, eso extiende el límite de uso, y en la API reduce la factura hasta un 99%.

2. Escribe un buen prompt en lugar de cinco malos. Tres rondas de "no, solo el total" o "haz esto mejor y más preciso" reenvían todo el chat cada vez. Un prompt claro especifica el trabajo y la forma exacta de la respuesta. Algo como esto puede funcionar:

Extrae el número de factura, la fecha, el proveedor y el total del siguiente texto. Mantén cada valor exactamente como está escrito. Devuelve una línea por campo, y escribe "missing" si un campo no está presente.

Las propias pruebas de OpenAI encontraron que los prompts más concisos y claros obtuvieron mejores puntuaciones usando menos tokens.

1. Inicia un chat nuevo cuando cambies de tema.** El modelo releer toda la conversación en cada envío, así que un hilo de 50 mensajes sobre tus vacaciones hace que una pregunta de impuestos sea más cara y con peor respuesta al mismo tiempo. Anthropic llama a ese deterioro "context rot". Inicia un chat nuevo siempre que cambie el tema.

4. Pide el tamaño que necesitas. Los tokens de salida cuestan cinco veces más que los de entrada en los modelos superiores de Anthropic y OpenAI. Terminar los prompts con instrucciones como "tres viñetas, menos de 100 palabras" o "solo las líneas modificadas" deja al modelo menos margen para rellenar. Las restricciones de longitud de salida ahorran tokens, especialmente en tareas creativas como redacción o investigación, en lugar de tareas deterministas como programación o matemáticas.

5. Prueba gratis antes de pagar. OpenRouter, un sitio que conecta con cientos de modelos de IA mediante una sola cuenta, tiene un enrutador gratuito que envía las solicitudes a uno de unos 20 modelos sin costo. Los modelos también pueden ejecutarse localmente con LM Studio u Ollama en una tarjeta gráfica con 8GB de memoria de video o una Mac con chip Apple de serie M. Los niveles gratuitos pueden desaparecer de la noche a la mañana, así que no construyas nada importante sobre uno, y lee la política de datos antes de pegar información sensible. Dicho esto, las ofertas gratuitas son una forma de maximizar las iteraciones: Hermes tiene una buena selección de modelos gratuitos que pueden manejar el trabajo, y Nvidia también. Es mejor refinar un prompt con un modelo gratuito y menos capaz que pagar por un modelo premium que hará lo mismo pero más rápido.

Consejos adicionales para principiantes: omite el pensamiento extendido en preguntas simples, o reduce la configuración de esfuerzo en los modelos Claude más nuevos donde el pensamiento no se puede desactivar —Anthropic factura todo el proceso de pensamiento como salida, incluida la parte que los usuarios nunca ven. Los suscriptores de Claude Pro y Max que activen créditos de uso pueden establecer un límite de gasto mensual en Configuración y luego Uso.

Intermedio: tu agente está leyendo demasiado

Los ejemplos de aquí en adelante usan Claude Code, el agente de Anthropic que se ejecuta en la terminal y edita archivos; los comandos van directamente a su cuadro de chat. Otros entornos siguen una lógica similar, y si solo usas las aplicaciones de chat, el consejo 8 también funciona en cualquier ventana de chat.

6. Empieza barato, escala ante fallos. Escribe /model para cambiar de modelo, mantén Sonnet como predeterminado y sube a Opus solo cuando Sonnet falle en algo específico, como un error que no puede corregir tras dos intentos. Para trabajos simples de subagentes, la documentación de Anthropic sugiere configurar model: haiku en los ajustes del subagente.

7. Limpia entre tareas. Escribe /clear al cambiar a una tarea no relacionada —no cuesta nada y descarta el historial anterior. Usa /compact con una nota sobre qué conservar, como /compact keep the database decisions, solo cuando realmente necesites el historial, ya que compactar es en sí una solicitud grande.

8. Deja que el código haga el cálculo aburrido. Pegar una hoja de cálculo de 5,000 filas en un chat hace que el modelo lea cada fila, y aun así puede equivocarse en el conteo; un modelo de lenguaje no es una calculadora a ningún precio. Pídele una fórmula o un script corto, ejecútalo localmente y dale al modelo solo el resultado.

9. Recorta tus herramientas. Los servidores MCP son plugins que conectan un modelo con aplicaciones como GitHub o Google Drive, y cada uno agrega nombres de herramientas e instrucciones a cada sesión. Escribe /context para ver qué está ocupando espacio y /mcp para desactivar los servidores que el proyecto no usa.

Consejos intermedios adicionales: escribe /usage para ver a dónde fueron los tokens, y mantén CLAUDE.md (oSoul.md](https://decrypt.co/381213/Soul.mp)) —el archivo de instrucciones que el agente lee al inicio de cada sesión— en menos de 200 líneas. Para cambios mayores, presiona Shift+Tab para cambiar al modo plan, donde el agente propone un plan para su aprobación antes de tocar archivos, y pulsa Esc en cuanto tome el camino equivocado. Usa /effort para reducir el razonamiento en trabajos simples como renombrar una variable. Anthropic mostró el uso de tokens de un agente cayendo de 150,000 a 2,000 tokens cuando cargó solo las definiciones de herramientas que necesitaba —una razón por la que herramientas de línea de comandos como gh de GitHub, que no cuestan nada hasta que se ejecutan, a menudo superan a un plugin siempre activo.

Avanzado: construye los candados en el sistema

Considera a un desarrollador que necesita procesar 1,000 facturas de 2,000 tokens cada una, con respuestas de 200 tokens: el trabajo cuesta unos 30 dólares en Fable 5.1 y unos 0.30 dólares en Haiku 5.5, antes de aplicar los trucos siguientes.

10. Almacena en caché las partes que nunca cambian. Coloca las instrucciones estables primero y las cambiantes al final, y marca el bloque estable para el caché. En la API de Anthropic, es un campo adicional:

"system": [{
  "type": "text",
  "text": "Your invoice instructions...",
  "cache_control": {"type": "ephemeral"}
}]

Leer del caché cuesta una fracción del precio normal de entrada, mientras que escribir en el caché predeterminado de cinco minutos tiene un costo adicional. Revisa el campo cache_read_input_tokens en cada respuesta; si sigue en cero después de la primera llamada, el caché no está funcionando.

11. Procesa por lotes todo lo que pueda esperar. Tanto OpenAI como Anthropic procesan trabajos por lotes con un descuento del 50%, con OpenAI prometiendo resultados en 24 horas. Subir las 1,000 facturas como un solo archivo por lotes en lugar de hacer 1,000 llamadas en vivo reduce la factura considerablemente.

12. Pon a los agentes con correa. Establece un número máximo de pasos y un límite en dólares para cada ejecución de agente, y define cómo luce "terminado" antes de que empiece. Claude Code acepta un flag --max-budget-usd para ejecuciones por script, y Shopify usa circuit breakers que pueden cortar de inmediato el acceso de un desarrollador si su gasto se dispara en un día, diseñados para detectar agentes desbocados. La norma actual es liberar a los agentes y dejarlos iterar hasta que el resultado se considere perfecto; sin el presupuesto para eso, no dejes que el agente decida qué cuenta como "perfecto".

Consejos avanzados adicionales: coloca los datos críticos al inicio o al final de un prompt largo —un estudio liderado por Stanford encontró que los modelos usan mejor la información en esas posiciones y peor cuando está enterrada en el medio. Paga por un segundo modelo que revise el trabajo solo cuando un error sea costoso, como una cláusula de contrato o una cifra de pago. En la API de OpenAI, activa un límite de gasto estricto para cada proyecto, ya que sus alertas de gasto solo notifican y no detienen el tráfico.

Empieza con una prueba

Haz que el modelo más barato que pase tu prueba de cinco tareas del consejo 1 sea el predeterminado durante una semana, y cámbialo solo cuando falle. Luego compara tu página de uso con la de la semana anterior. En el trabajo de facturas, solo el enrutamiento redujo la factura de 30 a 3.90 dólares —incluso después de pagar a Opus 5.5 por rehacer 300 fallos.

Sin embargo, unos tokens más baratos no bastan por sí solos. El precio de un solo token ha caído más del 90% desde 2023, según el Token Expenditure Index de Silicon Data, pero el gasto en modelos de lenguaje de gran escala se ha duplicado desde finales de 2025. Los economistas llaman a eso la paradoja de Jevons: un recurso se vuelve tan barato que las personas terminan gastando más en total. Un informe de Bain & Co. de junio encontró el mismo patrón, con los costos de tokens reduciéndose a la mitad entre diciembre de 2024 y 2025, mientras el número de tokens consumidos creció 450%.

La ventaja es que los mismos precios enenso trabajan a favor de cualquiera que deje de quemar tokens por deporte. Combinados con los hábitos anteriores, la IA se vuelve más barata y mejor al mismo tiempo.