Modelos de IA y tokens: por qué cambia el gasto de las empresas

El recambio de modelos de inteligencia artificial obliga a revisar las decisiones de inversión. Los datos de Vercel muestran una caída del costo por token y un crecimiento de las alternativas de pesos abiertos, aunque consumir más no equivale a gastar mejor.

Claves del artículo

• Los modelos de pesos abiertos procesaron el 56% de los tokens de Vercel AI Gateway en agosto, pero concentraron apenas el 14% del gasto estimado.
• El precio promedio por token cayó 23,2% mensual.
• La sustitución de modelos plantea un desafío de integración, evaluación y costos.
• Los tokens consumidos y los créditos prepagados son conceptos diferentes.

Vercel publicó el 17 de septiembre su AI Gateway Production Index, con datos correspondientes a agosto de 2026. El informe registra cambios en la distribución del consumo entre modelos y proveedores. Para las empresas, plantea una cuestión concreta: cómo mantener una implementación competitiva cuando aparecen alternativas con otra relación entre precio y capacidad.

El informe oficial de Vercel utiliza tráfico agregado y anonimizado de su plataforma. El gasto se estima mediante precios de lista, por lo que puede diferir de las facturas reales. Sus resultados describen ese entorno, no todo el mercado de IA.

Los pesos abiertos ganan espacio

Los modelos open-weight permiten acceder a los parámetros aprendidos durante el entrenamiento. Esto abre posibilidades de adaptación y ejecución en infraestructura propia, según las condiciones de cada licencia.

Sin embargo, pesos abiertos no significa necesariamente código abierto. Como explica IBM sobre esta diferencia, publicar los pesos no implica ofrecer también el código de entrenamiento o la información necesaria para reproducir el proceso.

Para una empresa, esa distinción afecta tanto la autonomía técnica como los recursos necesarios para operar el sistema. Ejecutar un modelo por cuenta propia exige infraestructura, mantenimiento y capacidad de supervisión; el acceso a sus parámetros no elimina esos costos.

Qué ocurre realmente con los tokens pagados

La preocupación por los modelos que pierden vigencia requiere separar dos conceptos. Los tokens son unidades que los sistemas utilizan para procesar información. Los créditos, en cambio, constituyen un saldo comercial con el que se paga el servicio.

En su documentación de precios, Vercel describe un esquema de pago por uso: cada solicitud descuenta saldo según el modelo elegido y los tokens de entrada y salida procesados. Los créditos permiten acceder a los modelos disponibles en la plataforma.

Por lo tanto, no corresponde asumir que comprar créditos implica quedar atado a una versión antigua. Tampoco un lanzamiento posterior vuelve inútil el trabajo que una empresa ya realizó y pagó.

El riesgo operativo aparece al cambiar de modelo: hay que comprobar si interpreta correctamente las instrucciones, mantiene la calidad esperada y funciona dentro de los procesos existentes.

Jev muestra el atractivo de la especialización

El movimiento también favorece a herramientas diseñadas para tareas específicas. Según Vercel, Jev alcanzó a casi el 13% de los equipos de pago durante sus primeras 24 horas en AI Gateway, un récord de adopción para la plataforma.

Desarrollado por TypeSafe AI y presentado el 15 de septiembre, Jev recibe contexto y preguntas para devolver decisiones estructuradas, puntuaciones o respuestas de verdadero o falso, acompañadas de probabilidades.

Entre sus aplicaciones figuran seleccionar la próxima herramienta de un agente, decidir si un proceso debe continuar o enviar un caso a revisión humana.

“La siguiente prueba es si esa adopción inicial se mantiene”, señalaron Amelia Charles, Harpreet Arora y Eric Dodds en la publicación de Vercel. La observación distingue el entusiasmo de un lanzamiento de su utilidad sostenida.

El presupuesto necesita una medida de resultado

Para marketing, ventas o atención al cliente, conviene evaluar el costo por tarea resuelta correctamente. Una respuesta económica pierde atractivo si requiere varios intentos o una corrección manual extensa.

Esta discusión amplía el cambio que Titular analizó al abordar la inteligencia artificial generativa como interfaz universal: incorporar IA implica revisar cómo las personas interactúan con los sistemas y qué trabajo delegan.

Una práctica útil consiste en conservar un conjunto de casos reales, con resultados esperados, para comparar cada alternativa. Así, la decisión de migrar puede apoyarse en precisión, tiempo de respuesta y costo total. Ese registro también permite detectar cuándo conservar un modelo conocido sigue siendo la mejor decisión.