← Blog

21 ago 2026 · precios · apis · metodologia

Cómo comparamos precios de modelos (y de dónde salen los números)

OpenRouter publica precio por token de cientos de modelos. Lo normalizamos a USD / 1M y a un blended 3:1.

El precio de un LLM no es una tarifa plana: pagas input, output, a veces cache y a veces tools (búsqueda, código). Para comparar manzanas con manzanas usamos el catálogo público de OpenRouter (`GET /api/v1/models`), que ya unifica a OpenAI, Anthropic, Google, DeepSeek y decenas de hosts.

Convertimos el precio por token a USD por millón (`precio × 1e6`). El blended 3:1 asume tres tokens de prompt por cada token de completion — una carga típica de chat, no de generación larga. Si tu workload es RAG o coding agent, el output pesa más y el ranking cambia.

Un mismo modelo puede tener varios endpoints (Bedrock, Fireworks, el lab original) con distinto precio y uptime. Eso lo sacamos de `/models/{id}/endpoints`. Helicone publica otra tabla en `/api/llm-costs`; la dejamos como cruce, no como fuente primaria, para no mezclar catálogos.

Artificial Analysis calcula un coste por tarea de su Intelligence Index. Su API free no permite republicar; el índice que mostramos llega embebido en OpenRouter, con atribución. Si más adelante contratamos el plan Commercial, podremos enseñar latencia P50 y coste por tarea con más detalle.