Todo equipo de IA acaba haciéndose la misma pregunta: ¿seguimos pagando por token a un laboratorio de frontera o ejecutamos nosotros un modelo de pesos abiertos? La respuesta honesta depende de tres cosas: cuántos tokens usas de verdad, cuán ocupada puedes mantener una GPU y con qué base comparas.
Las estimaciones publicadas del punto de equilibrio varían unas cincuenta veces, porque suponen modelos, hardware, utilización y costes de ingeniería distintos. Resumimos en qué coinciden los análisis de 2026, mostramos la fórmula y damos un marco de decisión. Todos los precios y cifras de equilibrio de abajo son estimaciones de proveedores o blogs, no pruebas que hayamos hecho.
Cómo funcionan en realidad los precios por token
Las APIs de frontera cobran por millón de tokens de entrada y de salida, con la salida varias veces más cara que la entrada. Las fuentes que revisamos sitúan los precios de nivel frontera en torno a 2-5 dólares por millón de tokens de entrada y 12-30 dólares por millón de tokens de salida, mientras que los modelos abiertos más baratos servidos por APIs de terceros cuestan una fracción. Los precios cambian a menudo, así que tómalos como órdenes de magnitud.
El autoalojamiento invierte la estructura de costes. Pagas el hardware o el tiempo de GPU alquilado lo uses o no, así que el coste por token es sobre todo un coste fijo dividido entre los tokens que de verdad sirves.
La fórmula del punto de equilibrio
Un modelo simple: coste por millón de tokens = coste mensual de infraestructura ÷ (tokens servidos al mes, en millones). Suma encima ingeniería y operaciones. La utilización está escondida en el denominador: una GPU usada el 20 % del tiempo sirve cinco veces menos tokens que una usada al 100 %.
Ilustración, no una prueba de rendimiento: supón que un servidor GPU alquilado cuesta 1.500 dólares al mes y, con buena utilización, sirve 1.500 millones de tokens al mes. Son unos 1 dólar por millón de tokens antes del tiempo de ingeniería. Con un 20 % de utilización, el mismo servidor sirve 300 millones de tokens y el coste sube a unos 5 dólares por millón, lo que puede ser peor que una API de precio medio.
Qué dicen los análisis de 2026
En las guías que revisamos, la conclusión común es que el autoalojamiento solo compensa con volumen alto y estable (SitePoint, Aliteq y otras). Las cifras difieren:
| Base | Punto de equilibrio publicado |
|---|---|
| APIs de frontera (gama alta) | Aproximadamente 2-6 millones de tokens por día laborable en un análisis; 10-20 millones al día en otro, para un modelo abierto de 27B-70B en una GPU alquilada de clase H100 |
| APIs baratas de pesos abiertos alojadas | A menudo 50 millones de tokens al día o más, porque la API ya es barata |
| Umbral de utilización | Alrededor del 60 % o más para batir los precios de frontera, según una guía |
La lección es comparar con la base correcta. Si pagas precios de frontera por tareas que un modelo abierto más pequeño resuelve bien, el ahorro es grande. Si ya puedes llamar a un modelo abierto alojado barato, el argumento de ejecutar tu propio hardware es débil solo por coste.
Los costes que las calculadoras olvidan
Ingeniería. Una guía estima de dos a cuatro semanas de trabajo inicial para servir, agrupar peticiones, monitorizar y definir alternativas.
Operaciones. La misma fuente sitúa el coste continuo en torno al 10-20 % del tiempo de un ingeniero sénior, más el riesgo de guardias cuando el servidor del modelo forma parte de un producto.
Capacidad ociosa y picos. Debes dimensionar para los picos y pagar los valles. Las APIs escalan a cero por ti.
Brecha de calidad y deriva. Te corresponden las evaluaciones, las actualizaciones y el filtrado de seguridad cuando sale un modelo abierto mejor.
Razones para alojarlo que no son de coste
Privacidad y soberanía. Puede que los datos regulados no puedan salir de tu entorno. Consulta nuestra guía de la Ley de IA de la UE y el mapa regulatorio de 2026 para ver por qué esto crece.
Latencia y uso sin conexión. Los modelos en el dispositivo o en tus instalaciones evitan viajes por la red y funcionan sin conectividad. Consulta edge computing.
Personalización. Los modelos pequeños ajustados pueden superar a los generales en tareas estrechas y convertirse en una ventaja de producto; lo tratamos en monetización de SLM ajustados.
Previsibilidad. Una factura mensual fija es más fácil de presupuestar que un uso que se dispara con el tráfico.
Un marco de decisión práctico
Empieza con la API. Prototipa con un modelo de frontera para aprender qué calidad necesitas.
Mide tokens y picos. Registra tokens por tarea y por día durante un mes antes de comprar nada.
Prueba un modelo abierto con tus propios datos. Si supera tu evaluación, enruta esa tarea primero a un modelo abierto alojado y barato.
Aloja tú mismo cuando el volumen sea estable y grande, o cuando las reglas de datos lo exijan. Mantén como objetivo una utilización superior al 60 %.
Usa un enrutador híbrido. Manda el trabajo rutinario a un modelo local o abierto y escala los casos difíciles a uno de frontera. Los costes bajan sin limitar la calidad. Si quieres ayuda para dimensionarlo, habla con nosotros o echa un vistazo a nuestros servicios de IA.
Preguntas frecuentes
¿Es más barato alojar un LLM que usar una API?
Solo con volumen suficiente y estable. Varios análisis de 2026 sitúan el equilibrio frente a APIs de frontera entre unos 2 y 20 millones de tokens al día, según el tamaño del modelo y el hardware, y mucho más alto frente a APIs baratas de pesos abiertos alojadas. Con poco volumen, la API suele ser más barata una vez contado el tiempo de ingeniería.
¿Son los modelos de pesos abiertos tan buenos como los de frontera?
Para muchas tareas bien definidas, como clasificación, extracción, resumen y ayuda rutinaria de programación, sí, sobre todo tras un ajuste fino. Para el razonamiento más difícil y el trabajo de agentes de largo recorrido, los de frontera suelen ir por delante. Pruébalo con tus propios datos.
¿Qué costes ocultos tiene el autoalojamiento?
Ingeniería inicial (una guía estima de dos a cuatro semanas), operaciones continuas (alrededor del 10-20 % de un ingeniero sénior), tiempo de GPU ocioso, monitorización, refuerzo de seguridad y actualizaciones de modelos.
¿Cuándo conviene alojarlo por privacidad y no por coste?
Cuando los datos no pueden salir de tu entorno por razones legales, contractuales o de soberanía, un modelo local o de nube privada puede ser la única opción sea cual sea el precio. Combínalo con controles de acceso y registros.