Mi factura de agosto: creía que gastaba 13 veces más de lo que gasto

Hoy a las seis de la tarde miré el saldo de DeepSeek por costumbre, casi sin pensar. 11,09 dólares. El 10 de agosto tenía 14,44. Hice la resta mental: 3,35 dólares en 16 días. Y me quedé mirando la pantalla un rato, porque hasta hace tres días estaba convencido de que gastaba unos 43 dólares al mes.

Esta es la historia de cómo descubrí que mi factura de IA era, en gran parte, imaginaria. Y de cómo estuve a punto de reescribir todo mi stack por un número que no existía.

El número que me tenía mosqueado

Llevaba meses calculando el coste de mis agentes a ojo. Tokens que devuelve cada respuesta, tarifa oficial del modelo, ejecuciones al mes. El resultado siempre rondaba los 40 dólares. Me parecía mucho, pero lo daba por bueno porque "era lo que decía la tarifa".

El 6 de agosto DeepSeek anunció que subía los precios de toda su API, sin cifras ni fecha. Y yo, como mucha gente, entré en modo contingencia. Escribí un artículo entero sobre qué haría si los precios se duplicaban o triplicaban. Probé Kimi K3 en pruebas, miré OpenRouter como plan B, empecé a planear cómo desacoplar mi capa de modelos.

Ahí estaba el problema: estaba planificando para un gasto que no era real. Y lo sabía a medias. En ese mismo artículo escribí que mi sistema costaba "unos 5 dólares al mes", un número que había sacado de una estimación vieja sin volver a mirarla. 5 dólares y 43 dólares a la vez. Los dos salían de mi cabeza. Ninguno del saldo.

El tracker que me hizo reír

Hoy, 26 de agosto, lo monté. Un script de unos 80 líneas que se conecta a la API de DeepSeek, lee el saldo real, guarda la fecha, y calcula cuánto se ha gastado entre lectura y lectura. Sin multiplicaciones. Sin tarifas. Solo la verdad del saldo.

Primera ejecución, a media tarde: 0,08 dólares gastados en dos horas. A precio de lista, por ese mismo trabajo, mi cálculo manual daba más de un dólar. Trece veces más. El propio script nació con la lección escrita en su cabecera: "el coste se venía estimando a precio de lista sin contar el prompt caching, y la estimación salía ~13x por encima de la realidad".

¿Qué es el prompt caching? La API no te cobra dos veces los tokens de contexto que ya ha visto. Mis crons reenvían el mismo contexto una y otra vez: la misma instrucción del sistema, el mismo histórico, el mismo esquema JSON. La primera vez se paga. Las siguientes, casi nada. Mi estimación manual asumía que pagaba todo a tarifa completa. No era así.

Y encima el 90% de mis tareas usan el modelo barato. Hace meses aprendí a rutear: tarea simple, modelo simple. Los agentes que necesitan razonar de verdad son tres o cuatro, y se ejecutan pocas veces al día. Todo lo demás lo resuelve el modelo rápido por céntimos.

Los números reales de agosto

Esto es lo que he pagado de verdad, medido contra el saldo, no estimado:

En total, mi sistema completo de publicación, investigación, monitorización y auto-reparación cuesta entre 5 y 6 euros al mes reales. No 45. El coste del que llevaba meses preocupándome era un fantasma.

Lo que aprendí con el saldo en la mano

Tres cosas, y las tres me costaron tiempo y una mala noche de planificación.

Primera: el precio de lista es marketing, el saldo es la verdad. Las tarifas por millón de tokens sirven para comparar modelos en una web. Tu factura real depende del caching, del routing, de la compresión de contexto. No hay sustituto para mirar el número que te cobran de verdad. Si un proveedor no te da un endpoint de saldo, ese es un problema del proveedor, no tuyo.

Segunda: el contexto repetido no se paga dos veces. Cualquiera que corra agentes con instrucciones largas y estables se beneficia del caching sin tocar nada. Pero si calculas a precio de lista, lo ignoras. Y vas a sobrestimar. En mi caso, trece veces. Ese es el orden de magnitud del error: no un 20%, un 1.300%.

Tercera: el miedo a un coste mal calculado te hace tomar malas decisiones. Estuve a punto de migrar de proveedor, de reescribir la capa de modelos, de complicarme la vida para resolver un problema que no existía. La subida de DeepSeek sigue sin cifras, y ya me da casi igual: a 0,21 dólares al día, aunque tripliquen los precios, son 0,63. Sigue siendo menos que un café.

Y ahora, ¿qué?

Ahora tengo un script que me dice la verdad cada día. Si el gasto diario supera un umbral, me avisa. Si el saldo baja de 2 dólares, me avisa. Y yo, en vez de estimar, miro el número. Es aburrido, es simple, y es la primera vez en meses que sé cuánto me cuesta esto.

Preguntas frecuentes

¿Cuánto gasta de verdad un sistema de agentes IA personal?

En mi caso, con 58 tareas automatizadas y 31 de ellas usando un LLM, el gasto real medido en agosto es de unos 0,21 dólares al día en DeepSeek, unos 6 dólares al mes. El total del stack (dominio, electricidad, APIs) ronda los 5-6 euros al mes. El número depende de tu uso, pero si estimas a precio de lista sin contar el caching, vas a sobrestimar por un factor grande.

¿Qué es el prompt caching y por qué abarata tanto la factura?

Es la función por la que la API no cobra dos veces los tokens de contexto que ya ha procesado. Si tus agentes reenvían instrucciones y contexto estables en cada ejecución, la primera llamada paga el contexto y las siguientes casi nada. Ignorarlo al estimar infla el cálculo de forma drástica.

¿Merece la pena DeepSeek después de la subida de precios anunciada?

A día de hoy, sí. La subida anunciada el 6 de agosto aún no tiene cifras ni fecha, y mi gasto real es tan bajo que aunque tripliquen los precios seguiría siendo de céntimos al día. La regla que aplico: mido el saldo cada día y mantengo el stack desacoplado para poder migrar si algún día deja de ser rentable.

¿Cómo mido mi gasto real en una API de IA?

Con el endpoint de saldo del proveedor, si lo tiene. Un script que lea el saldo, guarde el timestamp y calcule la diferencia entre lecturas te da el consumo real sin estimaciones. Es el mismo método que uso yo y son menos de 100 líneas de código.