El mito de los megahercios ha vuelto, y esta vez se llama tokens

Durante casi veinte años, cada vez que alguien me preguntaba si había comprado un buen ordenador, la conversación empezaba por: «Tiene X megahercios» No importaba si esa persona iba a escribir cartas o a montar vídeo. El número era el número, y el número más grande ganaba. Yo intentaba explicar que un procesador con menos ciclos por segundo podía hacer más trabajo en cada ciclo, que la arquitectura importaba más que la frecuencia, que la cifra del escaparate y el rendimiento real no eran lo mismo. Casi nunca funcionaba. Contra un número grande impreso en una pegatina no hay pedagogía que valga.

Aquello tenía nombre. Se le llamó el mito de los megahercios, y en julio de 2001, en el Macworld de Nueva York, Steve Jobs lo convirtió en espectáculo: puso en escena un PowerPC G4 a 867 MHz terminando una tarea en 45 segundos frente a un Pentium 4 a 1,7 GHz que necesitaba 82. AMD, por su parte, acabó renunciando a poner la frecuencia real en la caja: bautizó a un chip de 2,2 GHz como «3200+» porque rendía como si fuera más rápido. Toda una industria tuvo que inventarse una forma nueva de contar las cosas porque la vieja había dejado de significar algo.

Llevo unas semanas con la incómoda sensación de estar viendo la misma película otra vez. Solo que ahora el número no son megahercios. Son dólares por millón de tokens.

El número que todos miramos

Abre LinkedIn cualquier mañana y encontrarás tablas comparando modelos de inteligencia artificial por su tarifa: tanto la entrada, tanto la salida. Es la cifra que aparece en todas las notas de prensa, la que citan los titulares cuando un laboratorio chino saca modelo nuevo, la que usan para decir que uno es «cuarenta veces más barato» que otro. Es cómoda, es pública y es fácil de comparar. También es, casi siempre, la pregunta equivocada.

Porque el precio por token es una tarifa horaria. Y el fontanero que cobra treinta euros la hora no sale más barato que el que cobra sesenta si tarda el triple en arreglar el grifo. Esto lo sabe cualquiera que haya tenido una fuga en casa. Sin embargo, cuando hablamos de inteligencia artificial, seguimos mirando el precio de la hora y no el de la reparación. Ya escribí sobre esta opacidad en Vibepricing, cuando me di cuenta de que ni siquiera yo sabía cuánto había gastado antes de que me saltara el aviso de límite. La tarifa la conocemos todos. La factura, casi nadie.

Lo que cuesta terminar el trabajo

Artificial Analysis lleva tiempo midiendo esto de otra manera, y en su índice v4.1 ha dado un giro que me parece el más sensato del año: han empezado a publicar el coste medio por tarea. No por token. Por tarea completada. Ejecutan una batería de nueve evaluaciones —razonamiento, programación, conocimiento, contexto largo, trabajo agéntico—, suman todo lo que consume el modelo (entrada, salida, razonamiento, caché) y dividen entre el número de tareas. Es la diferencia entre preguntar cuánto cuesta el kilovatio y preguntar cuánto te ha costado la factura de la luz.

He rehecho la comparación con esos datos medidos, no con estimaciones sacadas de las tarifas. Esto es lo que sale:

País	Modelo	Índice AA	Precio API (entrada/salida)	Coste medio por tarea
🇺🇸	Claude Opus 5 (max)	61	5 / 25 $	≈ 2,03 $
🇺🇸	GPT-5.6 Sol (max)	59	2,5 / 15 $	1,04 $
🇨🇳	Kimi K3	57	3 / 15 $	0,94 $
🇺🇸	Grok 4.5 (high)	54	2 / 6 $	0,31 $
🇨🇳	GLM-5.2 (max)	51	1,40 / 4,40 $	0,32 $

Aviso antes de seguir: estos números se mueven cada pocas semanas. Cuando leas esto, alguno habrá cambiado. Lo que no cambia es lo que enseñan.

Tres cosas que no esperaba encontrar

La primera me dejó pensando un buen rato. GLM-5.2 tiene una de las tarifas más bajas de la tabla y aun así cuesta por tarea prácticamente lo mismo que Grok 4.5, que es bastante más caro por token. ¿Por qué? Porque GLM-5.2 escribe muchísimo: unos 140 millones de tokens de salida para completar toda la evaluación, frente a los 60 millones de Grok. Más del doble de palabras para hacer el mismo trabajo. El modelo más barato por token no es el más barato por tarea. Es el mismo mecanismo por el que un Pentium 4 podía acumular más ciclos por segundo y terminar después.

La segunda tiene que ver con Kimi K3, el modelo de pesos abiertos que este verano ha sacudido a los mercados. Se queda a cuatro puntos del líder absoluto, que ya es una barbaridad. Pero es prolijo: 130 millones de tokens de salida, y con una tarifa de 15 dólares el millón, esa verborrea se nota en la factura. Completar la evaluación entera le costó unos 2.437 dólares. Es muy inteligente y habla demasiado. Conozco a gente así.

La tercera es la que más me interesa. Si divides puntos de índice entre coste por tarea —un cálculo mío, no un indicador oficial de nadie—, el orden se pone del revés. Grok 4.5 saca unos 174 puntos por dólar. GLM-5.2, unos 159. Claude Opus 5, que encabeza la tabla de inteligencia, se queda en 30. El líder es siete veces menos eficiente que el que va séptimo en la conversación pública. A cambio, claro, es siete puntos más listo. Nadie regala nada.

Y entonces está lo otro

Porque debajo de esta tabla hay una segunda conversación, que es la que de verdad está ocurriendo.

Estados Unidos sigue liderando la puntuación absoluta. Pero por poco. Kimi K3 está a cuatro puntos, y GLM-5.2 resulta unas seis veces más barato por tarea que el modelo que va primero. Traducido: si tienes que resolver cien mil tareas al mes, esa diferencia económica pesa mucho más que diez puntos de benchmark. Y eso ya no es teoría. Los datos de plataformas como Vercel y OpenRouter muestran cómo las empresas americanas están enrutando cada vez más trabajo a modelos chinos simplemente porque son suficientemente buenos y muchísimo más baratos. El consejero delegado de Hugging Face acaba de decir que China ya domina en modelos abiertos y que no le extrañaría verla dominando también en la frontera antes de que termine el año.

Aquí está lo que creo que se nos escapa cuando discutimos quién tiene el modelo más listo: la competición ya no se decide en el podio. Se decide en millones de decisiones pequeñas y aburridas que toman ingenieros anónimos cada día, eligiendo a qué modelo mandan cada tarea. Nadie titula eso. Y sin embargo ahí es donde se está repartiendo el mercado.

Escribí hace meses sobre la trampa de Tucídides y sus falsos protagonistas, y sobre el dilema del consejero sabio que plantea depender de una inteligencia que no controlas. Sigo pensando lo mismo, con un matiz nuevo: la ventaja no está resultando ser tener el mejor modelo, sino que el resto del mundo construya encima del tuyo. Es exactamente lo que ya vimos con la destilación, pero a escala de ecosistema. Y mientras tanto Europa sigue sin plantar su árbol, discutiendo si el bosque debería tener licencia.

Lo que esto significa para ti, y para mí

Voy a implicarme, porque si no esto sería un artículo cómodo. Yo pago por uno de los modelos más caros de esa tabla. Lo uso a diario, lo uso para casi todo y, sinceramente, no siempre sé si lo necesito para lo que le estoy pidiendo. Cuando le mando reformatear una lista o resumir un correo, estoy usando un bisturí de neurocirujano para abrir un sobre. Y luego me quejo cuando se me acaban los tokens.

Esto no va de cambiarse al modelo barato. Va de algo que llevo repitiendo desde que abrí este blog: la herramienta no sustituye a la decisión. Durante dos años la pregunta ha sido «¿cuál es la mejor IA?», y esa pregunta tenía sentido cuando había una que funcionaba y las demás no. Ya no lo tiene. La pregunta ahora es «¿cuál es la adecuada para esto que voy a hacer?», y esa pregunta no la responde ninguna tabla. La respondes tú, sabiendo qué estás pidiendo, cuántas veces vas a pedirlo y cuánto te importa que salga perfecto a la primera.

Eso es criterio. Y el criterio, insisto, no se compra en un curso de treinta días.

La buena noticia, la que me hace seguir siendo optimista con todo esto, es que la eficiencia está ganando la partida. La escasez no frena la inteligencia: la aprieta, la obliga a ser mejor con menos. Modelos que hace un año habrían sido impensables hoy cuestan treinta céntimos por tarea. La inteligencia sigue abaratándose a una velocidad que ni yo mismo me creía cuando lo escribí en enero. Y como pasó con los megahercios, llegará un momento en que la cifra del escaparate dejará de importarnos porque habremos aprendido a mirar otra cosa.

Mientras tanto, la próxima vez que veas una tabla comparando el precio de los modelos por millón de tokens, acuérdate del fontanero. Y pregunta cuánto cuesta arreglar el grifo.

Ningún ranking sustituye al criterio de quien decide.

La tarea, no el token.