OpenAI y Anthropic ajustaron los precios de algunos de sus modelos de inteligencia artificial durante 2026, una medida que puede reducir el costo de desarrollar aplicaciones, automatizar tareas y operar agentes de IA. Sin embargo, el ahorro depende del modelo utilizado, la cantidad de información procesada y la frecuencia con que se reutiliza el contexto.
Los recortes se producen en un mercado donde las empresas buscan ampliar el uso de la inteligencia artificial sin que el gasto operativo crezca al mismo ritmo. Las tarifas más bajas también intensifican la competencia entre proveedores y vuelven más importante comparar el costo real de cada servicio.
OpenAI reduce hasta 80% las tarifas de uno de sus modelos
El 30 de julio de 2026, OpenAI anunció una reducción de 80% en los precios de GPT-5.6 Luna, su modelo orientado a tareas de alto volumen. De acuerdo con la compañía, las nuevas tarifas quedaron en 0.20 dólares por cada millón de tokens de entrada y 1.20 dólares por cada millón de tokens de salida.
Los tokens son unidades de texto que los modelos procesan para interpretar instrucciones y generar respuestas. En los servicios que cobran por consumo, tanto la información enviada como el contenido producido pueden influir en el importe final.
OpenAI también redujo el precio de GPT-5.6 Terra en 20%, mientras mantuvo sin cambios el precio de GPT-5.6 Sol en ese anuncio. La empresa señaló que las rebajas reflejaban mejoras en la eficiencia de sus modelos e infraestructura.
Estos cambios corresponden a tarifas de la API, utilizada por desarrolladores y empresas para integrar modelos de IA en sus propios productos y procesos. No significan automáticamente que todas las suscripciones individuales de ChatGPT sean más baratas.
Anthropic ajusta los precios y el uso de memoria en caché
Anthropic también presentó cambios de precio con el lanzamiento de Claude Opus 5.5, anunciado en septiembre de 2026. Según los datos publicados sobre sus tarifas, el costo pasó a cuatro dólares por millón de tokens de entrada y 20 dólares por millón de tokens de salida, frente a cinco y 25 dólares, respectivamente, para Opus 5.
La compañía también redujo de 0.50 a 0.20 dólares el precio por millón de tokens de lectura de caché. Esta función permite reutilizar información previamente almacenada, en lugar de procesar todo el contexto como si fuera nuevo en cada solicitud.
La diferencia puede ser relevante en aplicaciones que trabajan repetidamente con documentos, instrucciones extensas o proyectos de programación. No obstante, la entrada de información nueva, la escritura en caché y la generación de respuestas pueden tener cargos separados.
Anthropic ha señalado que, en sus evaluaciones de cargas de trabajo habituales, la combinación de precios y eficiencia puede reducir los costos alrededor de 40%. Esa cifra corresponde a las pruebas de la empresa y no representa una garantía de ahorro para todas las aplicaciones.
Pagar menos por token no siempre significa gastar menos
Una reducción de tarifas puede disminuir el costo de una tarea individual, pero el gasto mensual también depende de cuánto se utiliza la herramienta. Si una empresa automatiza más procesos o ejecuta agentes durante más tiempo, su consumo total puede aumentar incluso cuando cada token cuesta menos.
Un análisis publicado por Qore, basado en datos de Vercel, reportó que el precio medio por token en AI Gateway cayó 47% entre diciembre de 2025 y septiembre de 2026. En el mismo periodo, el gasto total registrado en ese servicio llegó aproximadamente a 13 veces el nivel de diciembre de 2025.
Estas cifras describen el tráfico observado por Vercel y no todo el mercado de inteligencia artificial. Aun así, ilustran una diferencia importante entre el precio unitario y el costo acumulado: las empresas pueden pagar menos por cada unidad de procesamiento y, al mismo tiempo, consumir mucho más.
Para estimar el ahorro real, las organizaciones necesitan revisar el volumen de solicitudes, la extensión de las instrucciones, la longitud de las respuestas y el uso de caché. También deben comparar la calidad de los resultados y la capacidad de cada modelo para completar una tarea con menos intentos.
La competencia obliga a revisar el costo y el rendimiento
Los recortes de OpenAI y Anthropic muestran que el precio se ha convertido en una variable relevante para la adopción empresarial de la IA. Las organizaciones pueden comparar modelos de distintos proveedores, evaluar alternativas de código abierto y trasladar ciertas cargas de trabajo cuando las condiciones técnicas y comerciales lo permiten.
Sin embargo, el precio por millón de tokens no basta para elegir un servicio. También deben considerarse la precisión, la velocidad, los límites de uso, la privacidad, la infraestructura necesaria y el trabajo que requiere integrar o mantener cada modelo.
Para los desarrolladores, las tarifas más bajas pueden facilitar la experimentación y hacer viables aplicaciones que antes resultaban costosas. Para las empresas, el reto consiste en medir si la expansión del uso de inteligencia artificial produce beneficios suficientes para compensar el gasto.
La tendencia apunta a una competencia que no se limita a ofrecer modelos más capaces: también busca hacerlos más eficientes y accesibles. El impacto en la factura dependerá de cómo cada organización utilice esa capacidad y controle su consumo.
