¿Cuánto cuesta usar la API de un LLM?

La API de un modelo de lenguaje no tiene cuota mensual fija. La factura sigue al uso, y el uso sigue al número de usuarios: un bot que empieza pequeño y se vuelve popular puede multiplicar su gasto de un mes a otro. Por eso conviene hacer la cuenta antes de publicar.

Los números de este artículo son hipotéticos, elegidos para facilitar la cuenta, en dólares estadounidenses por millón de tokens. No son precios de ningún proveedor; los valores reales están en las páginas oficiales de precios.

¿Cómo cobra la API de un LLM?#

El cobro es por token, un fragmento de texto de unos cuatro caracteres en inglés, en promedio (en español, cada token suele cubrir algo menos de texto). Cada llamada tiene dos contadores:

• Entrada (input): todo lo que envías: prompt de sistema, historial de la conversación y la pregunta nueva.
• Salida (output): el texto que genera el modelo.

La salida cuesta más por token. En las tablas de los principales proveedores, la salida suele costar varias veces el precio de la entrada, y esa relación cambia de un modelo a otro. Por eso las respuestas largas pesan más en la factura que las preguntas largas.

El costo de una llamada es:

costo = (tokens_entrada × precio_entrada + tokens_salida × precio_salida) / 1.000.000

Un detalle cambia la cuenta: la API no guarda estado. Para que el bot "recuerde" la conversación, reenvías el historial en cada llamada, y esos tokens se cobran de nuevo como entrada. Las conversaciones largas se encarecen con cada mensaje.

¿Cuánto cuestan los modelos?#

Cada proveedor publica su propia tabla, y cambia con frecuencia: mira las páginas de precios de Anthropic, OpenAI y Google. Para las cuentas de este artículo usamos valores hipotéticos y redondos por gama de modelo, en US$ por millón de tokens:

La distancia entre un modelo pequeño y uno intermedio suele ser grande: dentro del mismo proveedor, el intermedio puede costar decenas de veces lo que el pequeño. Y el modelo más caro no es la opción por defecto. Para responder preguntas frecuentes o clasificar mensajes, el más pequeño suele bastar.

Compara también el costo por tarea, no solo el precio por millón. Cada modelo usa su propio tokenizador, y el mismo texto puede convertirse en más o menos tokens según el modelo, incluso entre generaciones del mismo proveedor. Ojo además con los precios promocionales: algunos valen solo hasta una fecha y después suben. Revisa la vigencia en la tabla del proveedor.

¿Cómo estimar el gasto mensual de un bot?#

Usa tres números: mensajes al mes, tokens medios de entrada y tokens medios de salida. Ejemplo hipotético: un bot de Discord con 1.000 mensajes al día:

• 30.000 llamadas al mes
• 1.500 tokens de entrada por llamada (prompt de sistema, historial corto y pregunta): 45 millones al mes
• 400 tokens de salida por llamada: 12 millones al mes

Este script hace la cuenta para cualquier modelo y funciona en cualquier versión reciente de Node.js:

// costo.mjs: node costo.mjs
const llamadasPorMes = 30_000;
const entrada = 1_500;
const salida = 400;

// US$ por millón de tokens: valores hipotéticos, cámbialos por los precios actuales del proveedor
const modelos = {
  "pequeno-a": { in: 0.2, out: 1 },
  "pequeno-b": { in: 0.5, out: 4 },
  "intermedio": { in: 4, out: 20 },
};

for (const [nombre, p] of Object.entries(modelos)) {
  const usd =
    (llamadasPorMes * (entrada * p.in + salida * p.out)) / 1_000_000;
  console.log(`${nombre}: US$ ${usd.toFixed(2)} al mes`);
}

Resultado:

Solo con cambiar de modelo, la misma carga pasa de US$ 21 a US$ 420. Estas cifras cubren únicamente el modelo, no el alojamiento del bot.

¿Cómo reducir el costo de la API?#

Por orden de retorno, de lo más simple a lo más laborioso:

1. Elige el modelo más pequeño que funcione. Prueba con 20 preguntas reales antes de subir de modelo.
2. Limita la salida. Define max_tokens y pide respuestas cortas en el prompt de sistema. La salida es la parte cara.
3. Recorta el historial. Envía solo los últimos 6 a 10 mensajes, o resume los antiguos.
4. Usa caché de prompt. Si el inicio del prompt se repite (instrucciones largas, documentos fijos), el proveedor cobra la lectura del caché a una fracción del precio. La lectura suele costar una fracción pequeña del precio de entrada, y escribir en el caché, algo más que la entrada normal. Algunos proveedores también cobran por el tiempo que el contenido queda en caché. En el ejemplo hipotético del modelo intermedio, con la lectura del caché a US$ 0,40 por millón (el valor de la tabla), si 1.000 de los 1.500 tokens de entrada son un prefijo fijo que siempre se lee del caché, la entrada baja de US$ 180 a US$ 72 y el total de US$ 420 a US$ 312 (sin contar las escrituras en caché, que son raras).
5. Usa batch cuando no haya prisa. Anthropic, OpenAI y Google tienen API de batch que cobran menos que el precio estándar a cambio de respuesta asíncrona; el descuento aparece en la página de precios. Sirve para resúmenes nocturnos y clasificación masiva, no para chat.
6. Pon límites por usuario. Un tiempo de espera de unos segundos por usuario y un tope diario de mensajes evitan que un solo usuario abusivo queme el presupuesto.

¿Qué costos ocultos aparecen?#

• Reenvío del historial: una conversación de 20 mensajes cuesta mucho más que 20 veces el primero.
• Modelos con razonamiento: los tokens de "pensamiento" cuentan como salida. Define un tope de razonamiento o desactívalo en tareas simples.
• Contexto largo: algunos modelos cobran más por prompts por encima de cierto tamaño. Revisa en la tabla del proveedor si el modelo elegido tiene un tramo de precio para contexto largo.
• Reintentos: un reenvío automático tras un error de red puede cobrar la misma llamada dos veces. Limita los reintentos.
• Prompt injection: un usuario malintencionado puede forzar respuestas enormes. Mira qué es el prompt injection y aplica el tope de salida en el código, no solo en el prompt.
• Cambio de moneda e impuestos: la factura llega en dólares. Deja un margen.

¿Cómo fijar un tope de gasto?#

Combina tres capas. Primero, el límite de gasto mensual del panel del proveedor, que corta la API al alcanzarse. Segundo, un contador en tu código: suma los tokens que informa la respuesta de la API (usage) y bloquea al usuario o al servidor al pasar el límite diario. Por último, una alerta propia: registra el gasto del día y avisa a un canal de administración cuando supere la mitad del presupuesto.

Para construir el bot, mira cómo crear un bot de Discord con IA. Para el costo de alojar el proceso, mira cuánto cuesta alojar un bot de Discord. Para el concepto base, lee qué es un LLM.

Cómo hacerlo en Square Cloud#

Las cuentas de arriba generan dos facturas: la del proveedor del modelo, en dólares, y la del alojamiento del bot. En Square Cloud pagas el alojamiento en reales, con Pix o tarjeta, y desde el Standard los tokens pueden salir del propio plan, dentro de sus límites.

El bot corre en un contenedor siempre encendido. Una aplicación en segundo plano usa como mínimo 256 MB del pool de RAM del plan, y el Hobby cuesta desde R$12,49 al mes, con 1 GB. El tráfico no se cobra por ancho de banda ni por solicitud, dentro de la política de uso justo. La clave de API va en una variable de entorno de la aplicación, fuera del repositorio, y el cambio vale en el siguiente reinicio.

Para la línea de tokens existe el AI Gateway, disponible desde el Standard (R$44,99 al mes): una API compatible con la de OpenAI que sirve el modelo cubic. Si tu código ya usa el SDK de OpenAI, el cambio es la base URL https://api.squarecloud.app/v2/ai, una clave de API de la cuenta con el alcance ai:chat y el modelo cubic. Acepta function calling en el formato de OpenAI y busca en la web cuando la pregunta lo pide. Está en beta, con acceso anticipado sin costo extra, y los límites y la disponibilidad pueden cambiar cuando termine la beta.

En el gateway, lo que limita el uso no es el precio por millón, sino la cuota diaria. El Standard permite hasta 2,5 millones de tokens y hasta 1.000 solicitudes al día, una a la vez, con contexto de hasta 16 mil tokens; el Pro, hasta 5 millones de tokens y hasta 5.000 solicitudes al día. El bot del ejemplo, con 1.000 mensajes y unos 1,9 millones de tokens al día, queda justo en el tope de solicitudes del Standard; el Pro deja margen. Mantén el max_tokens y los límites por usuario de este artículo: ahora protegen la cuota del día en lugar de tu tarjeta.

Mira los ejemplos de código en AI Gateway y compara los planes en precios.