o3-mini

En una mezcla típica de 70% entrada / 30% salida, o3-mini sale a $2.09 por millón de tokens. Eso lo sitúa por encima del 34% de los 32 modelos que seguimos aquí, y 0 modelos más de la misma capa gama media quedan por debajo. La capa es una etiqueta de capacidad, no una banda de precio: la horquilla dentro de una capa suele ser más ancha que la distancia entre capas, y por eso elegir solo por capa tiende a hacer gastar de más.

La entrada cuesta $1.10 por millón y la salida $4.40, una proporción de 4.0x. Esa proporción importa más que cualquiera de las dos cifras por separado: una carga de resumen o clasificación lee mucho más de lo que escribe y seguirá el precio de entrada, mientras que la generación de código o la escritura larga lo invierten y seguirán el de salida. Compara modelos según la proporción real de tu tráfico, no según el precio de entrada.

El perfil de benchmarks es irregular, no plano: razonamiento con 97/100 frente a visión con 72/100, una horquilla de 25 puntos. La media lo oculta. Si tu carga cae en el extremo fuerte, este modelo rinde por encima de su precio; si cae en el débil, un modelo más barato con un perfil más plano te servirá mejor.

La ventana de contexto es de 200K tokens y la puntuación de rendimiento, 78/100. El contexto solo se gana su sitio si lo llenas, y llenarlo es justo lo que encarece una petición: una ventana grande es una opción, no un descuento. Para un modelo de capa gama media, juzga la velocidad según lo que hagas: lo decide todo en chat interactivo y casi nada en procesos nocturnos por lotes.

Conviene comprobarlo antes de decidir: DeepSeek R1 puntúa al menos igual en programación y razonamiento combinados y sale a $1.04 por millón frente a los $2.09 de o3-mini. Eso no convierte a o3-mini en mala elección —ventana de contexto, latencia, dependencia del proveedor y capacidades concretas quedan fuera de una puntuación de benchmark—, pero sí significa que la diferencia de precio necesita un motivo detrás.

La comparación más cercana es GPT-5.6 Terra, de OpenAI, a $5.00 por millón frente a $2.09. 3 modelos de esta capa puntúan más alto en programación y razonamiento combinados, que es el encuadre útil: la pregunta rara vez es si un modelo es bueno, sino si es lo más barato que resulta suficientemente bueno para el trabajo concreto que le envías.