El precio de un nivel fijo de rendimiento de IA ha caído aproximadamente 1,000x en tres años (a16z, LLMflation 2024) — la salida con calidad equivalente a GPT-3, que costaba $60 por millón de tokens a fines de 2021, se vendía a $0.06 a fines de 2024. El AI Index 2025 de Stanford HAI midió una caída de 280 veces para calidad equivalente a GPT-3.5 en unos 18 meses (Stanford HAI, AI Index 2025). Epoch AI registra un declive mediano de cerca de 50x por año entre los benchmarks, acelerándose a 200x por año desde enero de 2024 (Epoch AI, LLM Inference Price Trends 2025). Aun así, el gasto total sube en la dirección opuesta: The Information reportó que la factura de inferencia de 2025 de OpenAI rondó los $8.4 mil millones, cerca de cuatro veces el año anterior. Este análisis consolida datos de Epoch AI, Stanford HAI, a16z, Google, NVIDIA, Menlo Ventures y otras 12 fuentes primarias sobre el estado de la economía de la inferencia a mediados de 2026.
TL;DR
- La salida equivalente a GPT-3 cayó de $60 por millón de tokens en 2021 a $0.06 en 2024, una caída de 1,000x (a16z, LLMflation 2024).
- Consultar calidad equivalente a GPT-3.5 cayó de $20 a $0.07 por millón de tokens, un recorte de 280 veces en unos 18 meses (Stanford HAI, AI Index 2025).
- El declive de precio-rendimiento en benchmarks va de 9x a 900x por año; mediana de 50x, subiendo a 200x desde enero de 2024 (Epoch AI, 2025).
- El progreso aislado de eficiencia algorítmica corre a cerca de 3x por año, sobre los avances de hardware (The Price of Progress, arXiv 2025).
- El alquiler bajo demanda promedio de mercado de la NVIDIA H100 fue de cerca de $3.61 por hora de GPU entre 42 proveedores en 2026 (getdeploying, 2026).
- La GB300 NVL72 de NVIDIA alcanzó $0.12 por millón de tokens, descrito como un costo por token 35x menor que Hopper (NVIDIA, InferenceMAX 2025).
- Google procesó 3.2 cuatrillones de tokens por mes hacia mediados de 2026, aproximadamente 7x interanual (Google I/O 2026).
- El gasto empresarial en APIs de LLM se duplicó de $3.5 mil millones a $8.4 mil millones en seis meses (Menlo Ventures, 2025).
- El costo de inferencia de 2025 de OpenAI alcanzó cerca de $8.4 mil millones, aproximadamente 4x el año anterior (The Information, 2025).
- La infraestructura combinada de entrenamiento más inferencia se dimensionó en $251 mil millones en 2025, creciendo a $672 mil millones para 2029 (Bloomberg Intelligence, vía Cerebras S-1 2026).
- El prompt de texto mediano de Gemini usa 0.24 vatios-hora, una caída de 33x en 12 meses (Google, 2025).
1. El Colapso de Precios para un Rendimiento Equivalente
La cifra destacada en la economía de la inferencia no es un precio aislado: es la pendiente. Para una barra de calidad fija, el costo de ejecutar un modelo se ha estado reduciendo a la mitad en una escala de meses, no de años, y la caída se ha acentuado desde principios de 2024. La divergencia entre benchmarks importa: la calidad commodity barata cae más rápido, mientras que la calidad de razonamiento de frontera mantiene su precio. Epoch AI mide un declive mediano de 50x por año, que salta a 200x por año cuando se restringe a datos desde enero de 2024. El piso sigue bajando porque se acumulan tres fuerzas: competencia, mejor silicio y mejores algoritmos. Aislando esta última, un equipo de investigación situó la eficiencia algorítmica pura en aproximadamente 3x por año.
| Métrica | Valor | Fuente |
|---|---|---|
| Precio de calidad equivalente a GPT-3 (MMLU ~42) | $60/M tokens (Nov 2021) to $0.06/M (2024), a 1,000x drop | a16z, LLMflation (2024) |
| Tasa de LLMflation para rendimiento igual | ~10x cheaper per year | a16z, LLMflation (2024) |
| Precio de calidad equivalente a GPT-3.5 (MMLU 64.8%) | $20/M (Nov 2022) to $0.07/M (Oct 2024), 280-fold | Stanford HAI, AI Index (2025) |
| Declive de precio-rendimiento entre benchmarks | 9x to 900x per year; median 50x | Epoch AI, Inference Price Trends (2025) |
| Aceleración posterior a enero de 2024 | Median 200x per year | Epoch AI, Inference Price Trends (2025) |
| Calidad GPT-4 en GPQA Diamond | 40x per year price drop | Epoch AI, Inference Price Trends (2025) |
| Declive de precio en benchmarks de frontera | 5x to 10x per year | The Price of Progress (arXiv, 2025) |
| Progreso aislado de eficiencia algorítmica | ~3x per year | The Price of Progress (arXiv, 2025) |
Dato atípico: el propio conjunto de datos de Epoch detrás de estas cifras se basa en 36 observaciones únicas de precio en seis benchmarks, por lo que las tasas de un solo benchmark (el extremo de 900x) son más ruidosas que la mediana agrupada.
2. Hardware y Economía de las GPU
Los precios en caída de los tokens cabalgan sobre los precios en caída del cómputo. Las tarifas de alquiler de la infatigable NVIDIA H100 siguieron bajando durante 2025 y hacia 2026 conforme las nubes especializadas competían con precios más bajos que los hyperscalers, y cada nueva generación de aceleradores redefine el piso de costo por token. Los benchmarks InferenceMAX de NVIDIA, publicados en octubre de 2025, ubican la GB300 NVL72 en $0.12 por millón de tokens, un costo por token 35x menor que la generación Hopper. El enfoque del fabricante es promocional, así que trata los múltiplos como el mejor de los casos, pero la dirección coincide con los rastreadores de precios independientes que se muestran abajo. Gartner proyecta que la tendencia se mantendrá por años: la inferencia en un modelo de un billón de parámetros debería costar más del 90% menos en 2030 que en 2025.
| Métrica | Valor | Fuente |
|---|---|---|
| Promedio bajo demanda de H100, 42 proveedores | ~$3.61 per GPU-hour | getdeploying (2026) |
| Caída del precio de H100 en la nube desde el pico | 64% to 75% | GPU price trackers (2026) |
| Recorte de precio de H100 en AWS, junio de 2025 | ~44% | GPU price trackers (2026) |
| Crecimiento de rendimiento de hardware de ML | 43% per year, doubling every 1.9 years | Stanford HAI, AI Index (2025) |
| Declive de costo de hardware de ML / eficiencia energética | -30% per year / +40% per year | Stanford HAI, AI Index (2025) |
| Costo por token de la NVIDIA GB300 NVL72 | $0.12/M, 35x lower than Hopper | NVIDIA, InferenceMAX (2025) |
| Costo por millón de tokens de Blackwell | 15x lower than prior generation | NVIDIA, InferenceMAX (2025) |
| Costo proyectado para 2030, inferencia de modelo de 1T de parámetros | >90% lower vs 2025 | Gartner (2025) |
Contexto: la misma divulgación de NVIDIA afirma que una instalación de $5 millones en GB200 NVL72 genera cerca de $75 millones en ingresos por tokens, un retorno de 15x, un argumento de ROI del proveedor, no una auditoría independiente. Para el panorama más amplio del silicio, consulta nuestras estadísticas de chips de IA.
3. La Explosión de Tokens
Los tokens más baratos no redujeron la factura; detonaron la demanda. A medida que los precios por token caían, los proveedores comenzaron a medir el rendimiento en cuatrillones, y las cargas de trabajo agénticas que disparan decenas de llamadas por tarea empujan el volumen todavía más alto. Google reportó procesar 3.2 cuatrillones de tokens por mes hacia mediados de 2026, aproximadamente 7x su tasa de un año antes. Esto es la paradoja de Jevons en tiempo real: cuanto más eficiente el recurso, más se consume. Gartner señala que las consultas agénticas por sí solas consumen de 5 a 30 veces más tokens que un turno estándar de chatbot, así que la curva de volumen se está acentuando conforme los productos pasan de respuestas únicas a agentes de múltiples pasos.
| Métrica | Valor | Fuente |
|---|---|---|
| Rendimiento de tokens de Google | 3.2 quadrillion/month (mid-2026), 7x YoY | Google I/O (2026) |
| Crecimiento de tokens de Google | 480T/month (May 2025) to 980T (July 2025) | T. Tunguz, Token Race (2025) |
| Rendimiento de Microsoft Foundry | 100T tokens in a quarter; 50T single-month record | T. Tunguz, Token Race (2025) |
| Conteo de grandes clientes de Microsoft | 250+ customers on track for >1T tokens/year each | Microsoft, via T. Tunguz (2025) |
| Rendimiento de Together.ai | 2 trillion tokens/day (Sept 2025) | T. Tunguz, Token Race (2025) |
| Cuota de código abierto en el volumen de inferencia | ~1% to 3% | T. Tunguz, Token Race (2025) |
| Multiplicador de tokens de consultas agénticas | 5x to 30x more tokens than a chatbot query | Gartner (2025) |
Contexto: la IA agéntica representó menos del 1% de la actividad de inferencia total de Azure en la ventana citada, así que el multiplicador de 5x a 30x se aplica a una base pequeña pero de rápido crecimiento. Para hacia dónde se dirigen esas cargas de trabajo, consulta nuestras estadísticas de agentes de IA.
4. Gasto Empresarial y la Paradoja del Margen
Esta es la paradoja en una línea: los precios unitarios se están desplomando, y aun así compradores y vendedores gastan más. Las empresas trasladaron presupuesto de la experimentación a la producción siempre activa, donde la inferencia nunca se detiene. Menlo Ventures encontró que el 74% de los constructores de IA ahora dice que la mayoría de sus cargas de trabajo es inferencia, frente al 48% un año antes. Del lado del proveedor, la inferencia es la línea de costo dominante: The Information reportó que la factura de inferencia de 2025 de OpenAI rondó los $8.4 mil millones, aproximadamente cuatro veces el año anterior y muy por encima de su propia previsión de $6.6 mil millones. Los márgenes son el punto de presión: el mismo reporte situó el margen bruto de OpenAI en 33%, por debajo de su meta del 46%.
| Métrica | Valor | Fuente |
|---|---|---|
| Gasto empresarial en APIs de LLM | $3.5B (late 2024) to $8.4B (mid-2025) | Menlo Ventures (2025) |
| Constructores con cargas de trabajo mayoritariamente de inferencia | 74%, up from 48% a year earlier | Menlo Ventures (2025) |
| Inversión empresarial en IA generativa | $1.7B (2023) to $37B (2025) | Menlo Ventures (2025) |
| Costo de inferencia de 2025 de OpenAI | ~$8.4B, ~4x YoY (vs $6.6B forecast) | The Information (2025) |
| Proyección de costo de inferencia de 2026 de OpenAI | ~$14.1B | The Information (2025) |
| Costo de inferencia de 2025 de Anthropic | ~$2.7B, >3x growth | The Information (2025) |
| Margen bruto de OpenAI | 33% (fell from 40%, missed 46% target) | The Information (2025) |
| Capex de chips de inferencia para consumo de Barclays, 2026 | ~$120 billion | Barclays Research (2025) |
Contexto: se reporta que el negocio de API de Anthropic opera con márgenes brutos superiores al 80%, un recordatorio de que la historia de que ‘la inferencia pierde dinero’ depende de la mezcla de modelos y de la fijación de precios, no es universal. Para la economía de software detrás de todo esto, consulta nuestras estadísticas de SaaS.
5. Palancas de Costo: Modelos Abiertos, Caching y Batch
Los precios de lista sobreestiman lo que los equipos disciplinados realmente pagan. Los modelos de pesos abiertos, el caching de prompts y el batching asíncrono reducen cada uno el costo efectivo en un orden de magnitud, y se acumulan entre sí. El R1 de DeepSeek funciona aproximadamente 96% más barato que el o1 de OpenAI en base por token, una brecha de aproximadamente 27x. El nivel de frontera cuenta la historia opuesta: el precio de salida del o1 de OpenAI, de $60 por millón de tokens, es idéntico a lo que costaba GPT-3 en su lanzamiento en 2021, así que el razonamiento premium no se ha abaratado incluso mientras la calidad commodity se desplomaba. Los ahorros están en las palancas de abajo.
| Métrica | Valor | Fuente |
|---|---|---|
| Precio de API de DeepSeek R1 | $0.55/M input, $2.19/M output | DeepSeek pricing (2026) |
| Precio de API de OpenAI o1 | $15/M input, $60/M output | pricepertoken (2026) |
| DeepSeek R1 vs. OpenAI o1 | ~96% cheaper (~27x) | pricepertoken (2026) |
| Salida de OpenAI o1 vs. lanzamiento de GPT-3 | $60/M, identical to 2021 GPT-3 | a16z, LLMflation (2024) |
| Entrada en caché de DeepSeek R1 | $0.14/M tokens | DeepSeek pricing (2026) |
| Entrada en caché de DeepSeek V4 | $0.03/M tokens, a 90% discount | DeepSeek pricing (2026) |
| Descuento de la Batch API de OpenAI | Flat 50% for a 24-hour window | OpenAI Batch API (2026) |
| Cache + batch, entrada en caché de GPT-5.4 | $0.625/M, 75% below standard | OpenAI Batch API (2026) |
Dato atípico: los tokens de salida se precifican de 3x a 5x más caros que los tokens de entrada entre los principales proveedores porque la generación es secuencial mientras que el procesamiento de entrada se paraleliza, así que el caching ayuda más a las cargas de trabajo intensivas en entrada. Para cómo los modelos de pesos abiertos remodelan esto, consulta nuestras estadísticas de computación en la nube.
6. Tamaño de Mercado y Proyecciones
El dimensionamiento agregado del mercado de inferencia de IA es amplio, porque los analistas trazan el límite de forma distinta: algunos cuentan solo los chips de inferencia, otros la pila completa de software más servicios. Trata la dispersión como un rango, no como una contradicción. Bloomberg Intelligence, citado en el S-1 de Cerebras, dimensionó el mercado combinado de infraestructura de entrenamiento e inferencia en $251 mil millones en 2025, creciendo a $672 mil millones para 2029, con la inferencia expandiéndose más del doble de rápido que el entrenamiento. El segmento más estrecho de chips de inferencia crece de forma constante en lugar de explosiva, mientras que las definiciones amplias de ‘inferencia de IA’ se ubican cerca de un cuarto de billón de dólares para 2030.
| Métrica | Valor | Fuente |
|---|---|---|
| Mercado de inferencia de IA, 2025 a 2030 | $106.15B to $254.98B, 19.2% CAGR | MarketsandMarkets (2025) |
| Mercado de inferencia de IA, 2024 a 2030 | $97.24B to $253.75B, 17.5% CAGR | Grand View Research (2025) |
| Mercado de inferencia de IA, 2026 a 2034 | $117.80B to $312.64B, 12.98% CAGR | Fortune Business Insights (2026) |
| Mercado de chips de inferencia de IA, 2026 a 2030 | $20.51B to $36.97B, 15.9% CAGR | The Business Research Company (2026) |
| Infraestructura combinada de entrenamiento + inferencia, 2025 a 2029 | $251B to $672B, ~28% CAGR | Bloomberg Intelligence, via Cerebras S-1 (2026) |
| Crecimiento de inferencia vs. entrenamiento | Inference grows >2x faster | Bloomberg Intelligence, via Cerebras S-1 (2026) |
Divergencia: las estimaciones para 2030 de ‘inferencia de IA’ van de aproximadamente $255B (MarketsandMarkets) a $313B para 2034 (Fortune Business Insights); la brecha refleja diferencias de alcance y de año base, no un error en los datos.
7. Energía y Costo por Consulta
La huella de recursos por consulta está cayendo tan rápido como el precio en dólares, y 2025 fue el año en que el mayor proveedor finalmente publicó cifras. Google reveló que su prompt de texto mediano de Gemini usa 0.24 vatios-hora de electricidad, y que esta cifra cayó 33x en los 12 meses anteriores. Las estimaciones independientes caen en el mismo rango, lo cual es una verificación cruzada útil sobre las cuentas del proveedor. La advertencia tiene peso: son medianas, y las tareas complejas de razonamiento o agénticas consumen de varios a decenas de vatios-hora, así que la factura promedio sube conforme los productos se inclinan hacia cargas de trabajo más pesadas.
| Métrica | Valor | Fuente |
|---|---|---|
| Energía del prompt de texto mediano de Gemini | 0.24 watt-hours | Google Cloud (2025) |
| Agua / carbono del prompt mediano de Gemini | 0.26 mL / 0.03 gCO2e | Google Cloud (2025) |
| Energía por prompt mediano de Gemini, cambio en 12 meses | Fell 33x | Google Cloud (2025) |
| Carbono por prompt mediano de Gemini, cambio en 12 meses | Fell 44x | Google Cloud (2025) |
| Energía promedio de consulta de ChatGPT | ~0.34 watt-hours | OpenAI (Sam Altman, 2025) |
| Estimación de consulta típica | ~0.3 watt-hours | Epoch AI (2025) |
| Energía de consulta compleja / agéntica | Several to tens of watt-hours | Google Cloud (2025) |
Contexto: la divulgación de Google cubre la energía de todo el sistema, incluyendo capacidad ociosa y el overhead del centro de datos (PUE), un límite más amplio que las cifras de solo chip que suelen citarse en otros lugares, así que no es directamente comparable con estimaciones aproximadas.
Resumen: El Costo de Inferencia de IA en Cifras
| Métrica | Valor | Fuente |
|---|---|---|
| Precio equivalente a GPT-3 | $60/M (2021) to $0.06/M (2024), 1,000x | a16z, LLMflation (2024) |
| Precio equivalente a GPT-3.5 | 280-fold drop, late 2022 to Oct 2024 | Stanford HAI, AI Index (2025) |
| Declive de precio entre benchmarks | Median 50x/year; 200x/year since Jan 2024 | Epoch AI (2025) |
| Progreso de eficiencia algorítmica | ~3x per year | The Price of Progress (arXiv, 2025) |
| Promedio bajo demanda de H100 | ~$3.61 per GPU-hour, 42 providers | getdeploying (2026) |
| Caída del precio de H100 desde el pico | 64% to 75% | GPU price trackers (2026) |
| Costo de hardware de ML / eficiencia energética | -30% / +40% per year | Stanford HAI, AI Index (2025) |
| Costo por token de la NVIDIA GB300 NVL72 | $0.12/M, 35x lower than Hopper | NVIDIA, InferenceMAX (2025) |
| Rendimiento de tokens de Google | 3.2 quadrillion/month, 7x YoY | Google I/O (2026) |
| Gasto empresarial en APIs de LLM | $3.5B to $8.4B in six months | Menlo Ventures (2025) |
| Cargas de trabajo mayoritariamente de inferencia | 74% of builders, up from 48% | Menlo Ventures (2025) |
| Costo de inferencia de 2025 de OpenAI | ~$8.4B, ~4x YoY | The Information (2025) |
| Costo de inferencia de 2025 de Anthropic | ~$2.7B, >3x growth | The Information (2025) |
| DeepSeek R1 vs. OpenAI o1 | ~96% cheaper (~27x) | pricepertoken (2026) |
| Mercado de inferencia de IA | $106B (2025) to $255B (2030), 19.2% CAGR | MarketsandMarkets (2025) |
| Infraestructura combinada de entrenamiento + inferencia | $251B (2025) to $672B (2029) | Bloomberg Intelligence, via Cerebras S-1 (2026) |
| Energía del prompt mediano de Gemini | 0.24 Wh, down 33x in 12 months | Google Cloud (2025) |
| Proyección de costo de Gartner para 2030 | 1T-param inference >90% cheaper vs 2025 | Gartner (2025) |
| Multiplicador de tokens de consultas agénticas | 5x to 30x more tokens | Gartner (2025) |
| Descuento de la Batch API de OpenAI | Flat 50% for 24-hour window | OpenAI (2026) |
Metodología y Fuentes
Los datos se recopilaron agregando cifras de reportes primarios, divulgaciones de empresas, presentaciones regulatorias, rastreadores de precios con metodología pública identificada, y análisis revisados por pares publicados entre 2024 y 2026, priorizando datos de 2025-2026 y rastreando menciones de la prensa especializada hasta la fuente original.
- Andreessen Horowitz (a16z), Welcome to LLMflation (2024) — a16z.com
- Epoch AI, LLM Inference Price Trends y How Much Energy Does ChatGPT Use? (2025) — epoch.ai
- Stanford HAI, 2025 AI Index Report, capítulo de Investigación y Desarrollo (2025) — hai.stanford.edu
- The Price of Progress: Algorithmic Efficiency and the Falling Cost of AI Inference (arXiv:2511.23455, 2025)
- Gartner, previsión de costo de inferencia de IA, reportada vía CIO Dive (2025)
- NVIDIA, Blackwell InferenceMAX Benchmark Results (octubre de 2025)
- Google / Google Cloud, Measuring the Environmental Impact of AI Inference (2025); reportaje de MIT Technology Review (2025)
- Tomasz Tunguz, The Trillion Token Race (2025); keynote de Google I/O 2026 (Sundar Pichai)
- Menlo Ventures, 2025: The State of Generative AI in the Enterprise (2025)
- The Information, reportajes sobre costo de inferencia de OpenAI y Anthropic (2025)
- Bloomberg Intelligence, dimensionamiento de mercado citado en la presentación S-1 de Cerebras Systems, SEC de EE. UU. (2026)
- Barclays Research, estimación de capex de inferencia de IA para consumo (2025)
- DeepSeek, documentación de precios de API (2026); precios de modelos de pricepertoken.com (2026)
- OpenAI, documentación de la Batch API (2026); declaración pública de Sam Altman sobre energía de consulta (2025)
- getdeploying y otros rastreadores de precios de nube H100 de NVIDIA (2026)
- MarketsandMarkets, Grand View Research y Fortune Business Insights, reportes de mercado de inferencia de IA (2024-2026); The Business Research Company, mercado de chips de inferencia de IA (2026, vía GlobeNewswire)
Data watch: Stanford HAI publica el AI Index anualmente (próxima edición esperada alrededor de abril de 2027); Menlo Ventures actualiza su reporte State of Generative AI cada año; Epoch AI actualiza sus rastreadores de precio de inferencia y tendencias de forma continua; se espera que Google actualice su divulgación de impacto ambiental anualmente; y Gartner y las firmas de investigación de mercado reemiten sus previsiones de inferencia en ciclos continuos. Los precios de las API de frontera cambian con frecuencia, así que las cifras por token son puntuales en el tiempo.
Última actualización: 10 de julio de 2026. Revisamos y actualizamos esta página trimestralmente a medida que se publican nuevos datos.