Cómo se obtienen las cifras de este sitio

Listamos 46 modelos, incluidos 13 que sus proveedores ya han retirado; 29 son actuales y pueden recomendarse. Cada precio es el precio de lista del proveedor para su propia API —nivel estándar, tramo de contexto más corto—, comprobado en su página de precios; cada página de modelo muestra la fecha de la última verificación. No usamos precios de revendedores, promedios ni cifras de memoria.

Cuando un proveedor ha anunciado un cambio, lo mostramos: un precio promocional se marca con la fecha hasta la que está garantizado y el precio normal que le sigue, y un precio de lanzamiento con su fecha de fin. DeepSeek cobra la mitad fuera de sus horas punta entre semana; listamos la tarifa punta, porque es con la que puede planificar una carga en producción. Los modelos de pesos abiertos como Llama no tienen precio del fabricante —cada proveedor fija el suyo— y sus páginas lo indican.

Los proveedores retiran modelos, y un modelo retirado no es una opción más barata: las solicitudes fallan. Cada modelo lleva un estado tomado de la página de retiradas del proveedor: activo, en retirada (con fecha de cierre anunciada), retirado (ya no se sirve) o sustituido (modelos de pesos abiertos cuyo fabricante ha pasado a una generación nueva).

Los modelos retirados conservan su página, porque se siguen buscando, pero esas páginas indican cuándo se cerró el modelo y señalan el modelo actual más cercano. Esa sugerencia es nuestra —elegida por función y precio— y no siempre coincide con el sustituto oficial del proveedor. Las calculadoras del sitio solo recomiendan modelos activos.

Los proveedores cobran por token, pero no dividen el texto en tokens de la misma manera. Anthropic documenta que Claude 4.7 y posteriores producen alrededor de un 30 % más de tokens que los Claude anteriores para el mismo texto. Por eso, comparar precios por token subestima lo que cuestan esos modelos para un trabajo concreto.

Contamos el texto con o200k, el tokenizador de GPT-4o y de los modelos posteriores de OpenAI, y lo multiplicamos por el factor de tokenizador de cada modelo. Cuando un tokenizador es público (OpenAI, DeepSeek) o el proveedor ofrece un endpoint de conteo de tokens (Anthropic, Google, xAI), el factor se mide: pasamos por él nuestro corpus paralelo de 25 idiomas y lo comparamos con o200k sobre los mismos textos en inglés. Hasta que un tokenizador se mide, usamos una estimación: para Claude 4.7 y posteriores, 1,43 (un 1,1 estimado para el tokenizador anterior de Claude, por el 1,3 que documenta Anthropic). La tabla indica qué está medido y qué es estimado. El inglés es la base porque la mayor parte del tráfico de API es en inglés; otros idiomas pueden diferir mucho más, y las páginas de coste por idioma los muestran uno a uno.

Las puntuaciones de programación, razonamiento, extracción, creatividad y visión (0–100) son compuestos editoriales de iOPTERA. Sitúan cada modelo respecto a los demás a partir de resultados de benchmarks públicos y evaluaciones publicadas por los proveedores, para que las calculadoras tengan algo con lo que ordenar. No son resultados de benchmark, no ejecutamos las evaluaciones nosotros y una diferencia de uno o dos puntos no significa nada.

Cuando los modelos nuevos suben el listón, los antiguos se puntúan de nuevo a la baja en lugar de conservar las cifras del día de su lanzamiento, para que las puntuaciones sigan siendo comparables entre generaciones. Cuando sugerimos una alternativa más barata, debe quedar como mucho dos puntos por debajo del modelo al que sustituye: un ahorro que exige perder capacidad no se presenta como ahorro.

Salvo que la página diga lo contrario, un precio combinado supone un 70 % de tokens de entrada y un 30 % de salida, la carga se mide en tokens o200k y a cada modelo se le cobran los tokens que produciría su propio tokenizador. Las comparaciones anuales y a largo plazo usan el precio que rige cuando termina cualquier promoción o precio de lanzamiento anunciado.

Las estimaciones dejan fuera lo que depende de su configuración: la caché de prompts, los descuentos por lotes, los recargos por contexto largo por encima de 200K–272K tokens y los tokens de razonamiento ocultos que gastan algunos modelos. Lea las cifras como una comparación entre modelos para el mismo trabajo, no como una previsión de su factura.