Cómo calcula T9 Token Budget los costos de IA

Resumen

T9 Token Budget te ayuda a estimar el costo probable en tokens/API de una función de IA antes de lanzarla. El objetivo es darte un rango realista con el que planificar — para que una factura no te sorprenda después.

Qué estima T9

Cada estimación se construye a partir de las partes de una solicitud que los proveedores suelen facturar. ¿Nuevo en estos términos? Empieza por qué son los tokens de IA (entrada, salida y ventana de contexto explicados).

• Tokens de entrada — el texto que tu aplicación envía al modelo.
• Tokens de salida — el texto que el modelo genera como respuesta. La salida suele facturarse a una tarifa más alta que la entrada.
• Historial de la conversación — turnos anteriores que se reenvían como entrada en cada nuevo mensaje de una conversación de varios turnos.
• System prompt — las instrucciones fijas que se envían en cada llamada.
• Base de conocimiento / contexto opcional — fragmentos de documentos recuperados (RAG) inyectados como entrada adicional cuando los usas.
• Precio del modelo — el precio publicado de entrada y salida por millón de tokens del modelo que selecciones.

Combinamos todo esto en un rango Bajo / Probable / Alto en lugar de una sola cifra, porque el uso real varía. La columna Probable usa supuestos intermedios; Bajo y Alto muestran el rango realista alrededor de ella.

Fuentes de los datos de precio

Todo precio de modelo usado en las calculadoras de T9 proviene de la documentación oficial y propia de ese proveedor — nunca un fragmento de resultado de búsqueda, un agregador de terceros, una entrada de blog o una copia en caché.

Los precios se normalizan a una base común antes de llegar a una calculadora: USD por millón de tokens, mostrado por separado para entrada y salida, usando la tarifa estándar, síncrona y de pago por uso de cada proveedor — no una tarifa de entrada en caché, por lotes o promocional, salvo que la propia ficha del modelo indique lo contrario.

Cuando un proveedor cambia su precio, el conjunto de datos de T9 se vuelve a verificar y actualizar; los modelos retirados o que ya no tienen precio oficial se eliminan en lugar de quedar desactualizados. Cuando un proveedor publica una tarifa introductoria temporal con vencimiento y precio sucesor conocidos, T9 registra tanto la tarifa actual como la fecha en que deja de aplicarse, para que la cifra de la calculadora no quede desactualizada en silencio después de esa fecha.

• Fuente de precios de OpenAI
• Fuente de precios de Anthropic
• Fuente de precios de Google
• Fuente de precios de Mistral
• Fuente de precios de DeepSeek

Cómo se verifica el precio

Cada precio se comprueba directamente contra la documentación oficial de su proveedor y se registra con la página fuente exacta, la fecha en que se comprobó y notas de respaldo — un registro por modelo, en un registro versionado que se mantiene junto con los propios datos de precio. Una prueba automatizada compara cada precio de ese registro contra el conjunto de datos de precio en uso con cada cambio, para que ambos no puedan desalinearse en silencio.

Cómo se calculan las estimaciones

Toda calculadora de T9 se reduce a la misma fórmula de costo base una vez que estima cuántos tokens de entrada y salida usa tu carga de trabajo:

El precio de entrada y el precio de salida provienen directamente del modelo que seleccionas (consulta precios). Los tokens de entrada y salida se estiman de forma distinta según la carga de trabajo — una conversación de chatbot, una transcripción de reunión, un documento o un conjunto de preguntas construyen su propia estimación de tokens a partir de sus propias entradas, y luego esa misma fórmula convierte esa estimación en costo.

Supuestos

Como nadie conoce su uso futuro exacto antes del lanzamiento, toda calculadora debe suponer valores típicos para cosas que no puede conocer de antemano — por ejemplo, cuánto suele durar un mensaje o documento, cuántos turnos tiene una conversación, o cuánto contexto se recupera. Cada una de las cuatro calculadoras (chatbot, resumen de reuniones, resumen de documentos, preguntas sobre documentos) usa su propio conjunto de supuestos, ajustado a esa carga de trabajo — los "mensajes por conversación" de un chatbot no tienen equivalente en una calculadora de resumen de documentos, por ejemplo.

En lugar de duplicar aquí cuatro tablas de supuestos distintas, cada valor predeterminado actual se muestra directamente en la calculadora que lo usa — abre cualquiera de las cuatro calculadoras para ver y ajustar los valores exactos detrás de tu propia estimación.

Por qué las facturas reales pueden diferir

Una estimación es un modelo de la realidad, no la realidad misma. Varias cosas pueden alejar tu factura real de la estimación:

• Las reglas de facturación varían según proveedor y modelo — las unidades, el redondeo y qué cuenta como token facturable no son idénticos en todas partes.
• La longitud de la salida puede cambiar — una respuesta más extensa cuesta más, y la salida es el lado caro.
• El historial de chat se acumula — las conversaciones largas de varios turnos reenvían un historial creciente como entrada en cada turno.
• Los system prompts pueden reenviarse en cada llamada, multiplicando su costo en todas las solicitudes.
• El contexto de RAG / base de conocimiento puede aumentar los tokens de entrada, sobre todo si el contenido se recupera en cada mensaje en lugar de una vez por conversación.
• Algunos modelos o proveedores pueden facturar tokens de razonamiento o adicionales que no son evidentes a partir de la respuesta final visible. Este comportamiento varía — consulta la documentación de tu proveedor.
• El texto en idiomas distintos del inglés puede tokenizarse de forma diferente — muchos idiomas, incluidos el portugués y el español, pueden usar más tokens que el inglés para el mismo significado.
• Los precios pueden cambiar con el tiempo — los proveedores actualizan precios, y nuestras cifras reflejan lo que se verificó en una fecha determinada.

Usar las estimaciones con seguridad

• Compara Bajo / Probable / Alto. Presupuesta con el escenario Alto; planifica con el Probable.
• Prueba antes de producción. Ejecuta una pequeña carga de trabajo real y compárala con la estimación.
• Consulta las páginas oficiales de precios de tu proveedor y modelo antes de comprometerte.
• Supervisa tu panel de uso / facturación una vez en producción — es la fuente de verdad de lo que realmente se te cobra.
• Establece presupuestos o límites donde tu proveedor los admita.
• Reduce el historial y el contexto cuando puedas — una ventana deslizante de turnos recientes y un system prompt ligero son el mayor ahorro práctico.

Limitaciones

Todos los cálculos se ejecutan localmente en tu navegador. Nada de lo que introduces se envía a un servidor.

Por qué esto importa antes del lanzamiento

La mayoría de las sorpresas de costo ocurren después de la primera factura, cuando la causa es difícil de rastrear. Estimar primero te permite:

• Evitar facturas sorpresa viendo el rango realista antes de construir — consulta por qué una factura de API de IA puede ser más alta de lo esperado.
• Comparar modelos antes de comprometerte — el modelo más barato capaz para tu caso de uso puede costar una fracción de un modelo de vanguardia.
• Entender tus factores de costo — historial, longitud de salida y contexto — antes de que alcancen escala de producción.

¿Listo para probarlo? Abre la calculadora que se ajusta a tu caso — chatbot, resumen de reuniones, resumen de documentos o preguntas sobre documentos.