Recalcula tu línea de costos de IA tras una bajada de precio del modelo

La bajada de precio inicia la auditoría

Cuando un fabricante de modelos reduce drásticamente el precio del modelo pequeño que ejecutas en producción, la tentación es cambiar el endpoint y darlo por ganado. Lo mejor es abrir la hoja de costos.

Anthropic lanzó Claude Haiku 5.5 a $0.10 por millón de tokens de entrada y $0.50 por millón de tokens de salida para el tramo de menos de 100,000 tokens, una reducción del 90% respecto a Haiku 4.5; ese tramo cubría aproximadamente el 90% de las solicitudes al modelo Haiku anterior.

Anthropic estimó que las cargas de trabajo promedio costarían aproximadamente un 75% menos que Haiku 4.5, con la cifra variando según el tamaño de la solicitud y el uso de tokens.

El blog de AWS señaló un resultado similar a nivel de tarea. El modelo está disponible a través de Amazon Bedrock y Claude Platform on AWS.

No pegues ese promedio en tu propio P&L. El descuento es menor para prompts largos, por lo que la cifra destacada puede no reflejar tu mezcla.

Anthropic también redujo el precio de lectura de caché de Claude Sonnet 5.5 de $0.20 a $0.10 por millón de tokens y espera que las cargas de trabajo de agentes cuesten aproximadamente un 20% menos, pero la cifra real depende de la frecuencia con la que tu aplicación reutilice contexto en caché.

Una bajada de precio solo es útil cuando modifica el costo de una tarea que realmente ejecutas. La auditoría convierte el titular en un número que puedes defender en el P&L.

Antes de desplazar volumen, verifica que el modelo más pequeño pueda completar una tarea estrecha con suficiente consistencia para soportar un uso repetido.

La hoja de cálculo supera al titular

La fórmula es: tokens de entrada por precio de entrada, más tokens de salida por precio de salida, más ajustes de caché o por lotes, dividido entre tareas. Lo difícil es obtener los conteos de tokens de tus propios registros, no de una página de marketing.

Tu P&L necesita un precio por tarea completada. Una factura de API más baja ayuda al flujo de caja, pero solo un costo por tarea más bajo que preserve la calidad ayuda al margen.

Mantén la hoja de cálculo junto al P&L. Cada fila es una tarea y cada columna es un número que puedes verificar contra tus registros. Si una tarea no tiene una definición estable, divídela hasta que la tenga.

• Conta los tokens de entrada y salida de cada tarea en una muestra reciente.
• Divide las tareas en prompts de 100,000 tokens o menos y prompts por encima de ese umbral.
• Asigna al tramo inferior $0.10 por millón de tokens de entrada y $0.50 por millón de tokens de salida.
• Asigna al tramo de prompts largos $0.50 por millón de tokens de entrada y $2.50 por millón de tokens de salida, una reducción del 50% respecto a Haiku 4.5.
• Añade el costo de lectura de caché donde reutilices contexto almacenado, usando la nueva tarifa de $0.10 por millón para Claude Sonnet 5.5.
• Multiplica por reintentos y precisión esperada, porque una llamada más barata que falla repetidamente puede costar más.
• Divide el costo total entre las tareas completadas para obtener la cifra por tarea.

La hoja de cálculo obliga a la pregunta que los titulares omiten: ¿cuánto cuesta ahora una tarea completada, no cuánto cuesta un token?

La prueba de avance o no protege el margen

Usa la cifra por tarea para decidir. Desplaza el trabajo de alto volumen cuando el nivel más barato reduzca el costo tras reintentos y precisión y la salida siga superando tu estándar de calidad.

Mantén la tarea en su modelo actual cuando necesite más tokens, más reintentos o más revisión humana.

No desplaces trabajo solo porque el precio unitario bajó. Una tarifa más baja aún puede dejarte con un margen peor si la tarea se vuelve más difícil de completar limpiamente.

Para un equipo pequeño, el primer candidato suele ser una cola de soporte, un paso de triaje o una respuesta en borrador. Un modelo más pequeño que maneje bien esa porción puede reducir los costos de automatización de soporte sin tocar el producto central.

Si no lo hace, la tarifa más barata es irrelevante. Estás pagando por una tarea que aún necesita a un humano para completarla, y el tiempo humano es el verdadero gasto.

Una migración más lenta está bien. Desplaza primero la tarea estrecha y luego vuelve a verificar la cifra por tarea antes de expandir.