Coste por tarea.

En la práctica

El precio del token dice poco de lo que pagas por un trabajo, porque una tarea difícil encadena varias llamadas y reintentos. Cursor lo explicó en julio de 2025: sus peticiones más difíciles costaban un orden de magnitud más que las simples.

Hay tres formas de abaratarlo documentadas por los fabricantes:

• Caché del prompt (prompt caching). Lo que se repite en cada llamada, como las políticas o el catálogo, se guarda, y Anthropic lo cobra a 0,1 veces el precio de entrada, o menos en sus modelos más caros.
• Lotes (Batch API). Lo que puede esperar hasta 24 horas cuesta la mitad en Anthropic, OpenAI y Google.
• Enrutado. Cada tarea va al modelo más barato que la resuelve bien. El trabajo RouteLLM (junio de 2024) lo redujo a menos de la mitad en algunos casos sin perder calidad.

Un ejemplo. Clasificar 20.000 tickets al mes con Claude Sonnet 5.5, a precio de lista del 1 de octubre de 2026 (2 dólares por millón de tokens de entrada y 10 de salida). Cada ticket lleva 10.000 tokens fijos de políticas, 500 del ticket y 200 de respuesta. Sin nada, salen unos 460 dólares al mes. Con las políticas en caché, unos 100. Si además va por lotes de noche, unos 50. Es un cálculo simplificado.

Por qué te importa

Con el precio por consumo, la factura sigue a lo que trabaja la IA, y con los agentes lo que más crece es el número de pasos por tarea. GitHub reconoció en abril de 2026 que, con su sistema anterior, una pregunta rápida y horas de trabajo de un agente podían costar lo mismo. Medir el coste de cada ticket resuelto dice si compensa y dónde recortar.

Los límites

Los porcentajes de ahorro se aplican solo a la parte afectada de la factura. La caché funciona si el principio del prompt es idéntico, y caduca en minutos u horas. El enrutado puede bajar la calidad en las tareas difíciles sin que nadie lo note, así que hay que medirla con evals. Y las cifras de ahorro las publica casi siempre quien vende o investiga la técnica.