¿Cómo se calcula el coste de un LLM?

La calculadora multiplica las tarifas por millón de tokens del modelo seleccionado por tus tokens de entrada, salida y caché. Si activas el modo repetido, después escala el resultado según el volumen de solicitudes.

¿Cuál es la diferencia entre tokens de entrada y salida?

Los tokens de entrada son los de la instrucción (prompt) que envías al modelo. Los tokens de salida son los tokens que el modelo devuelve en su respuesta.

¿Qué son los tokens en caché?

Son tokens de la instrucción (prompt) que se facturan con una tarifa reducida cuando el proveedor admite caché de prompt (prompt caching) o un mecanismo equivalente.

¿Por qué esta estimación puede no coincidir con la factura real?

La factura final puede diferir por tokenizadores distintos, reintentos, llamadas a herramientas (tool calls), grounding, tramos de contexto largo, procesamiento regional, cambios de precio del proveedor y diferencias entre datos agregados y lógica final de facturación.

¿Qué proveedores y modelos se incluyen?

La página se centra en OpenAI, Anthropic y Google, e intenta cubrir un rango más amplio de sus modelos de texto y razonamiento con precio publicado, dejando fuera categorías como imagen, audio e incrustaciones (image / audio / embedding), además de otros SKUs menos comparables.

Calculadora de coste de tokens de IA

Para estimar el coste de una llamada a una API de LLM, elige un modelo, introduce el número de tokens de entrada y salida, y opcionalmente fija una carga repetida (solicitudes al día o al mes). La calculadora devuelve el coste por solicitud, el coste de entrada, de salida, el coste con prompt cacheado y el ahorro, además de las proyecciones diaria y mensual — sirve como calculadora de tokens de OpenAI, calculadora de tokens de Claude o calculadora general de coste de LLM.

Estimar el coste de uso del modelo

Elige un proveedor y un modelo, luego introduce los tokens que esperas por solicitud. Cambia al modo repetido cuando quieras una estimación diaria o mensual.

Modo de cálculo

Proveedor

Esta calculadora se centra en OpenAI, Anthropic y Google, con una cobertura más amplia de modelos dentro de cada proveedor compatible.

Modelo

El precio del modelo se basa en una tabla local verificada frente a los enlaces oficiales mostrados abajo.

Tokens de entrada por solicitud

Usa los tokens facturables del prompt antes de aplicar cualquier ahorro por caché.

Tokens de salida por solicitud

Usa los tokens de salida o respuesta (completion / response) que esperas recibir del modelo.

Tokens de entrada en caché

Cuenta solo los tokens de entrada facturados con tarifa de caché. Los tokens en caché no deben superar el total de tokens de entrada.

Solicitudes en el horizonte seleccionado

Solo se usa en modo repetido. Introduce cuántas solicitudes esperas por día o por mes.

Horizonte de carga de trabajo

Los resultados son aproximados. Las reglas de facturación del proveedor, las diferencias del tokenizador, los reintentos y las funciones adicionales pueden cambiar tu factura final.

Los precios proceden actualmente de @pydantic/genai-prices más nuestra capa de mapeo de modelos. Las páginas oficiales de precios siguen siendo la fuente de verdad.

Aviso de precisión

Esta calculadora es una estimación de buena fe, no un sistema de facturación exacto. Los precios pueden estar incompletos o desactualizados porque los proveedores no publican datos perfectamente legibles por máquina para todas las reglas y tramos de precio.

Si vas a tomar una decisión de finanzas, compras o despliegue en producción, verifica el modelo seleccionado en la página oficial de precios del proveedor antes de confiar en la estimación.

Desglose estimado del coste

La tarjeta de resultados muestra el coste por solicitud, el total del horizonte seleccionado y cómo contribuyen al cálculo la entrada, la salida y la entrada en caché.

Elige un modelo e introduce tokens para ver la estimación

La calculadora estimará primero el coste por solicitud y luego lo ampliará a una carga diaria o mensual si activas el modo repetido.

Coste de tokens de IA

Cómo funciona esta calculadora de coste de tokens de IA

La primera versión se mantiene simple a propósito: tú aportas los tokens, la página aplica la tabla de precios local del modelo y el resultado se escala a una carga diaria o mensual cuando hace falta.

Elige un proveedor y un modelo

Selecciona uno de los modelos compatibles de OpenAI, Anthropic o Google.

Introduce los tokens

Rellena los tokens de entrada, salida y, de forma opcional, los tokens de entrada en caché para una solicitud.

Escala la estimación

Cambia al modo repetido cuando quieras proyectar la misma solicitud a una carga diaria o mensual.

Notas y límites

Esta página estima el coste de API basado en tokens a partir de un conjunto de precios agregado por terceros y nuestro mapeo actual de modelos. No intenta reconciliar facturas exactas del proveedor, exportaciones de facturación, cargos por uso de herramientas ni reintentos.

El precio de entrada en caché depende del proveedor. En esta calculadora, los tokens en caché se tratan como una parte con descuento de los tokens de entrada, no como tokens adicionales encima del prompt.

Algunos proveedores aplican precios especiales por contexto largo, lotes, búsqueda con grounding (grounded search) o procesamiento regional. El panel de supuestos muestra lo que se modela en la estimación actual, pero las páginas oficiales del proveedor prevalecen ante cualquier discrepancia.

Preguntas frecuentes sobre la calculadora de coste de tokens de IA

¿Cómo se calcula el coste de un LLM?: La calculadora multiplica las tarifas por millón de tokens del modelo seleccionado por tus tokens de entrada, salida y caché. Si activas el modo repetido, después escala el resultado según el volumen de solicitudes.
¿Cuál es la diferencia entre tokens de entrada y salida?: Los tokens de entrada son los de la instrucción (prompt) que envías al modelo. Los tokens de salida son los tokens que el modelo devuelve en su respuesta.
¿Qué son los tokens en caché?: Son tokens de la instrucción (prompt) que se facturan con una tarifa reducida cuando el proveedor admite caché de prompt (prompt caching) o un mecanismo equivalente.
¿Por qué esta estimación puede no coincidir con la factura real?: La factura final puede diferir por tokenizadores distintos, reintentos, llamadas a herramientas (tool calls), grounding, tramos de contexto largo, procesamiento regional, cambios de precio del proveedor y diferencias entre datos agregados y lógica final de facturación.
¿Qué proveedores y modelos se incluyen?: La página se centra en OpenAI, Anthropic y Google, e intenta cubrir un rango más amplio de sus modelos de texto y razonamiento con precio publicado, dejando fuera categorías como imagen, audio e incrustaciones (image / audio / embedding), además de otros SKUs menos comparables.

Herramientas relacionadas de planificación de IA

Estas herramientas se sitúan junto al cálculo de costes de LLM dentro del clúster de IA planificado y ayudan a pasar del precio a la comparación y a la planificación de tokens.

Comparador de precios de modelos de IA

Compara precios y especificaciones de modelos lado a lado cuando la tarea pasa de una sola estimación a una investigación entre modelos.

Próximamente

Planificador de presupuesto de contexto

Planifica cuánto espacio de contexto y presupuesto de tokens necesita una carga de trabajo recurrente antes de llevarla a producción.

Próximamente

Estimador de tokens para PDF

Estima cuántos tokens puede consumir un documento antes de entrar en un flujo de API.

Próximamente

Loading template content...

Calculadora de coste de tokens de IA