Esta semana Microsoft le puso techo al gasto en tokens de sus propios ingenieros. Jay Parikh, vicepresidente ejecutivo, lo anunció por email interno: presupuestos por división desde julio. Sus ingenieros estaban gastando "de cientos a miles de dólares al mes" en inferencia. AT&T, Meta, Uber, Walmart y Amazon hacen lo mismo según The Next Web. La industria acaba de descubrir que la IA tiene factura.
Yo la tengo desde hace meses. Y es más pequeña de lo que te imaginas.
Mis números, sin redondear
En mi Raspberry Pi 5 corren 17 loops automáticos: agentes que revisan links rotos, monitorizan SEO, comprueban la salud del disco, regeneran el sitemap, vigilan la caché de Cloudflare. Cada vez que uno de ellos llama a un modelo de lenguaje, un script apunta el coste en un archivo JSON. Sin estimaciones. Lo que cobra la API, acumulado por loop y por modelo.
El registro completo, del 27 de junio al 2 de agosto:
- 573 ejecuciones en total
- $0,0303 gastados entre todos los loops
- 9 loops a coste cero, porque no llaman a ningún modelo
Tres centavos de dólar. Cinco semanas de agentes trabajando solos, todos los días, y el total no llega al precio de un caramelo.
Quién gasta y quién no
El desglose por loop cuenta mejor la historia:
| Loop | Coste total | Ejecuciones | Coste por ejecución |
|---|---|---|---|
| broken-links | $0,0082 | 30 | $0,00027 |
| seo-monitor | $0,0079 | 49 | $0,00016 |
| loop-health | $0,0053 | 36 | $0,00015 |
| homepage-optimizer | $0,0045 | 32 | $0,00014 |
| rpi-health | $0,0025 | 378 | $0,0000065 |
| disk-creep, dns-audit, backup-verify y 5 más | $0,0000 | varias | $0 |
Mi loop más ejecutado, rpi-health, corrió 378 veces y gastó un cuarto de centavo. El más caro por ejecución es broken-links, porque lee contenido y decide. Aun así: 27 diezmilésimas de dólar por pasada.
Por qué cuesta tan poco
No es magia ni modelos regalados. Son tres decisiones que tomé al principio y que ahora, viendo lo que pasa en Microsoft, me parecen las más importantes del proyecto.
1. Modelos baratos para rutina, caros para criterio. Casi todo el sistema corre con deepseek-chat y deepseek-v4-flash, que están en el rango de $0,14-$0,55 por millón de tokens. Los modelos grandes solo aparecen cuando algo se rompe de verdad y hace falta diagnóstico. La rutina no necesita al mejor modelo del mundo. Necesita a uno que acierte el 95% de las veces y cueste 50 veces menos.
2. Si no hace falta juicio, no hay modelo. Nueve de mis diecisiete loops cuestan cero porque son scripts puros: comprueban disco, DNS, backups, caché. Un grep bien hecho resuelve cosas por las que un LLM te cobra. La regla que uso: si la tarea se puede expresar como una condición, no es una tarea para un agente.
3. El contexto se vigila como el dinero. Lo que más infla una factura no es el número de llamadas: es lo que metes en cada llamada. Mis loops reciben resúmenes y estados pequeños, no archivos enteros. Un loop que lee un log de 50.000 líneas cada hora puede costar 100 veces más que uno que lee las últimas 20, y decidir igual de bien.
El coste de un agente no es su precio por token. Es precio por token × contexto × frecuencia. Puedes controlar los tres.
La comparación que me hizo gracia
Microsoft canceló este año la mayoría de licencias de Claude Code en una división entera y puso GPT-5.6 como modelo interno por defecto porque es más barato. Un solo ingeniero suyo gasta en un mes lo que mi sistema entero gastó en cinco semanas... multiplicado por varios miles.
No digo que sus casos sean comparables. Ellos generan código a escala, yo reviso un blog y una placa. Pero la dirección es la misma, y ellos llegan tarde: la variable competitiva de 2026 no es el mejor benchmark, es el coste por token. OpenAI ya recortó precios dos veces este verano. GPT-5.6 Luna salió con un 80% de descuento. Cuando el que vende la herramienta empieza a racionarla internamente, sabes dónde está el dolor.
Lo que le diría a alguien que empieza
Si estás montando tu primer sistema de agentes, cuatro cosas concretas que a mí me habrían ahorrado sustos:
- Monta el contador de costes el primer día, no cuando llegue la primera factura. El mío es un script de 15 líneas que lee el JSON de costes y ordena los loops por gasto. Se ejecuta solo y me avisa si algo se dispara.
- Dale a cada loop un presupuesto mental. Antes de crear uno nuevo, pregúntate cuánto costará al mes si corre cada hora. Si la respuesta te incomoda, rediseña antes de activarlo.
- Desconfía del agente que siempre opina. Cada llamada de más es dinero. Mis loops más baratos son los que casi nunca dicen nada: comprueban, ven que todo está bien, y se callan.
- Revisa los costes una vez por semana. No por el dinero (son centavos), sino porque un loop que de repente gasta 10 veces más suele estar avisándote de que algo más se rompió.
La factura total de mi sistema, con 66 jobs programados y decenas de verificaciones diarias, cabe en las monedas que te devuelven al comprar el pan. No porque la IA sea barata en general, sino porque cada pieza usa la cantidad justa de inteligencia.
Esa es la parte del diseño de agentes de la que casi nadie habla. Todos enseñan a hacer agentes más listos. Casi nadie enseña a hacerlos más baratos, y en cuanto tu sistema corre solo las 24 horas, el coste es lo único que decide si lo mantienes un mes o un año.