Has encontrado un modelo que te gusta y un precio a su lado: 2 $ por millón de tokens. Ese número no sirve de nada hasta que puedas responder a una pregunta: ¿cuántos tokens consume realmente tu aplicación?
La mayoría de la gente lo calcula a ojo, y casi siempre se queda corta. No porque los tokens sean complicados, sino porque casi todo lo que va en una petición está hecho de tokens, y solo una pequeña parte es lo que tú escribiste.
Esto es qué es un token, cómo contarlo y dónde se esconden las sorpresas.
Precios comprobados por última vez: 26 de agosto de 2026. Las cifras en vivo están en la página de comparación de ElliSekiz.
Qué es realmente un token
Los modelos de IA no leen letras ni palabras. Leen tokens: fragmentos pequeños de texto tomados de un vocabulario fijo con el que se construyó el modelo.
Un token puede ser una palabra entera, parte de una palabra, un solo carácter o un signo de puntuación. A grandes rasgos:
cat→ un tokentokenization→ a menudo tres o cuatro piezas, comotoken+iz+ation!→ un token- El espacio que precede a una palabra suele viajar con ella, así que
thees un token, no dos
¿Por qué trocear el texto así? Un modelo necesita una lista fija de cosas que puede reconocer. Una lista con todas las palabras del inglés sería enorme y aun así se dejaría fuera nombres, erratas y otros idiomas. Una lista de unas 100.000 piezas subléxicas cubre casi cualquier cosa, porque las palabras desconocidas pueden deletrearse con fragmentos conocidos.
Esa es toda la idea. Entra texto, se corta en piezas conocidas y se te factura por pieza.
¿Cuántos tokens tiene tu texto?
La regla aproximada de OpenAI para el inglés es un token ≈ 4 caracteres ≈ ¾ de palabra, así que 100 tokens son unas 75 palabras.
Sirve para una comprobación rápida y no sirve para un presupuesto, por tres razones.
Cada modelo tokeniza de forma distinta. La misma frase produce recuentos distintos en modelos distintos, a veces muy distintos. La propia documentación de Anthropic indica que Claude 4.7 y posteriores usan un tokenizador más nuevo en el que «el mismo texto de entrada produce aproximadamente un 30 por ciento más de tokens que en los modelos anteriores». Mismo texto, mismo proveedor, un 30 % más de tokens, solo por un cambio de versión.
Otros idiomas cuestan más. El vocabulario de la mayoría de los modelos está dominado por el inglés. El texto en idiomas menos representados se parte en más piezas y más pequeñas, así que el mismo significado cuesta más tokens.
El código y el texto estructurado se comportan de forma rara. La indentación, los corchetes y los identificadores largos se fragmentan de maneras que la prosa no.
Lo fiable es contar en lugar de estimar. Los proveedores te dan cómo hacerlo: Anthropic tiene un endpoint de recuento de tokens cuya llamada es gratuita, y OpenAI publica una herramienta tokenizadora. Cuenta una vez con tus prompts reales y no tendrás que volver a adivinar.
La parte que sorprende a la gente: todo son tokens
Tu pregunta es una porción pequeña de lo que pagas. La documentación de Anthropic publica los recuentos exactos de unas cuantas peticiones mínimas, y merece la pena leerlos con atención:
| Qué se envió | Tokens de entrada |
|---|---|
| Prompt de sistema «You are a scientist» más el mensaje «Hello, Claude» | 14 |
| La pregunta «What's the weather like in San Francisco?» más una definición de herramienta | 403 |
| Una imagen más «Describe this image» | 1.028 |
| Un PDF más «Please summarize this document.» | 2.188 |
Lee otra vez la segunda fila. La pregunta tiene nueve palabras. Describir una sola herramienta —su nombre, su descripción, su esquema de entrada— cuesta unos 390 tokens. Un agente con quince herramientas paga eso en cada petición, antes de que el usuario haya escrito nada.
La tercera y la cuarta fila cuentan lo mismo con los medios. Una imagen son unos mil tokens. Un PDF, un par de miles, y ese era corto.
Los tokens de entrada y los de salida no valen lo mismo
Todo modelo de texto publica dos tarifas. La salida es siempre la cara.
| Modelo | Entrada $/1M | Salida $/1M | La salida cuesta |
|---|---|---|---|
| GPT-5 nano | $0.05 | $0.40 | 8× la entrada |
| Gemini 2.5 Flash Lite | $0.10 | $0.40 | 4× la entrada |
| GPT-5 mini | $0.25 | $2.00 | 8× la entrada |
| Claude Haiku 4.5 | $1.00 | $5.00 | 5× la entrada |
| GPT-5 | $1.25 | $10.00 | 8× la entrada |
| Claude Sonnet 5 | $2.00 | $10.00 | 5× la entrada |
| Claude Opus 5 | $5.00 | $25.00 | 5× la entrada |
Esto tiene una consecuencia práctica directa: decirle al modelo que responda en tres frases en vez de en diez ahorra más dinero que acortar tu prompt en la misma medida. Suele ser la optimización más barata disponible y cuesta una línea de instrucción.
Lo que cuesta de verdad una conversación
Un chat de 10 turnos. Un prompt de sistema de 500 tokens, preguntas de 100 tokens, respuestas de 250 tokens.
El truco está en que los modelos no tienen memoria entre llamadas: la conversación entera se reenvía en cada turno. Así que el turno 10 paga otra vez por los turnos 1 al 9.
- Tokens que escribiste tú: 10 × 100 = 1.000
- Tokens de entrada que se te facturan: 21.750
- Tokens de salida: 10 × 250 = 2.500
Escribiste mil tokens y pagaste por casi veintidós mil.
| Modelo | Coste de esa única conversación |
|---|---|
| GPT-5 nano | $0.002 |
| Claude Sonnet 5 | $0.069 |
Ambos son pequeños. Multiplica por 50.000 conversaciones al mes y la diferencia es la que hay entre un error de redondeo y una partida real.
Cuatro cosas que inflan una factura de tokens sin hacer ruido
- El prompt de sistema, cobrado en cada petición. Un prompt de sistema de 800 tokens repartido en 50.000 mensajes son 40 M de tokens al mes por un texto que escribiste una vez. El almacenamiento en caché de prompts existe justo para esto: el proveedor guarda el prefijo que no cambia y cobra una fracción por releerlo.
- El historial de la conversación. Como se ha visto arriba. Recortar o resumir los turnos antiguos es la solución.
- Las definiciones de herramientas. Unos 390 tokens cada una, en cada petición, se use la herramienta o no.
- Imágenes y PDF. Mil tokens o más, cada uno.
Nada de esto está oculto: todo está documentado. Simplemente es fácil dejarlo fuera de una estimación.
Los tokens son solo una de varias unidades de precio
Conviene saberlo antes de generalizar: la mayoría de los modelos de IA no se cobran por tokens. De los 472 modelos que sigue ElliSekiz, 160 se cobran por token —los de texto y chat—. Los otros 338 se cobran por imagen, por megapíxel, por segundo de vídeo o por ejecución.
Así que «cuánto cuesta este modelo» tiene una forma distinta según lo que el modelo produce, y un precio por token nunca puede compararse directamente con uno por imagen.
Conclusión
- Un token es un fragmento pequeño de texto, no una palabra. Unos ¾ de palabra en inglés, y menos en la mayoría de los demás idiomas.
- Nunca presupuestes con la regla aproximada. Cuenta con la herramienta del propio proveedor, contra el modelo exacto que piensas usar.
- Tu pregunta es la parte pequeña. Los prompts de sistema, el historial, las definiciones de herramientas y los adjuntos son la parte grande.
- Los tokens de salida cuestan de 4 a 8 veces más que los de entrada, así que las respuestas más cortas son el ahorro más barato.
Explora más en ElliSekiz
Mira los modelos de chat. Precios por token de entrada y de salida de cada modelo de texto, uno al lado del otro, en la página de modelos de chat.
Y prueba uno. Cada página de modelo tiene un playground: ejecuta tu prompt real y lee los recuentos de tokens de verdad antes de multiplicar nada por 50.000.
Fuentes
- Anthropic — Token counting (recuentos de ejemplo documentados, cambio de tokenizador, endpoint de recuento gratuito)
- OpenAI Help Center — What are tokens and how to count them? (regla aproximada para el inglés)
- API de modelos de OpenRouter,
https://openrouter.ai/api/v1/models(precios por token, consultado el 26-08-2026)