El desarrollo de inteligencia artificial ya no es el territorio sin ley que era cuando ChatGPT irrumpió hace unos años, pero sigue siendo una frontera sin límites claros y con pocas varas de medición. Quienes trabajan en esa frontera empujan hacia dos metas simultáneas, más inteligencia y menor precio por token, y el resultado es un vaivén constante sobre quién va realmente adelante, con líderes que a veces conservan el primer lugar apenas unas horas.
Los modelos Claude Fable y Opus de Anthropic se han mantenido competitivos en la cima de las tablas de inteligencia, pero también están entre los más caros de usar. Para uso general, cada vez más gente mira la llamada "frontera de Pareto", el punto donde la inteligencia máxima y el costo mínimo se cruzan, y ahí la competencia es feroz y cambia todo el tiempo.
Tras el frenazo a los planes de maximizar consumo de tokens de comienzos de año, esta obsesión por bajar el costo devolvió a la industria de lleno a la paradoja de Jevons. A medida que el precio de los modelos de alta inteligencia cayó, el uso de tokens se multiplicó por más de 25 en el último año y se duplicó solo en el último mes. La gente no quiere gastar más en inteligencia artificial, pero cuando puede pagarla, la usa mucho más.
Los reyes siguen siendo los mismos
Pese a su ascenso vertiginoso, los grandes ganadores del sector no han cambiado mucho desde el inicio. Hubo algunos momentos de sacudón, del tipo que provocó DeepSeek, con corridas frenéticas por adelantarse a una nueva amenaza, pero en general OpenAI y Anthropic se han disputado la cima de la inteligencia, Google y Meta han rondado el centro más eficiente y económico, y Grok de xAI se ha mantenido de fondo, ganando titulares por las razones equivocadas.
Ese sigue siendo el panorama en septiembre de 2026. Aunque las pruebas comparativas se optimizan durante el diseño de los modelos y el uso real refleja mejor lo que ocurre en producción, los mejores modelos de Anthropic siguen siendo considerados por la mayoría como los más inteligentes. Fable 5.1, Fable 5 y Claude Opus figuran en los cuatro primeros lugares del Intelligence Index de Artificial Analysis, y tanto OpenRouter como BenchLM les dan los tres puestos del podio.
La ventaja, eso sí, no es enorme. Fable 5.1 marca 66 puntos en la prueba de Artificial Analysis, pero GPT 5.6 Sol (max) de OpenAI alcanza 61. Grok 4.6 (high) y Kimi K3 (max) superan los 60, y el nuevo Muse Spark 1.3 (max) de Meta llega a 62, aunque todavía no hay datos de costo comparables para ese último.
¿Cuánto cuesta cada punto de inteligencia?
Los grandes desarrolladores saben que tienen un problema de precios. Después del salto al cobro por token de comienzos de año, los presupuestos volaron por los aires y hasta los propios directores ejecutivos empezaron a hablar en público de hacer la tecnología más asequible. Cómo eso los llevará alguna vez a la rentabilidad está por verse.
Aun con recortes, los modelos del tope siguen siendo carísimos frente a los que habitan la frontera de Pareto:
| Modelo | Puntaje de inteligencia | Costo por tarea |
|---|---|---|
| Claude Fable 5.1 | 66 | 3,69 dólares |
| Claude Fable 5.0 | (top 4) | 3,14 dólares |
| Kimi K3 (max) | 60 | 0,84 dólares |
| Gemini 3.8 Flash (high) | 59 | 0,58 dólares |
| Muse Spark 1.3 (xhigh) | 61 | 0,55 dólares |
| GPT 5.6 Sol (high) | 57 | 0,43 dólares |
| Deepseek V4 Pro | 53 | 0,27 dólares |
| Kimi K3 (low) | 48 | 0,24 dólares |
| GPT 5.6 Luna | 52 | 0,05 dólares |
Claude Fable 5.1 llegó con un recorte de 75% en el costo de escritura de caché y aun así Artificial Analysis lo midió en 3,69 dólares por tarea del Intelligence Index, porque sus respuestas y su razonamiento salen bastante más caros. Fable 5.0, con una escritura de caché más costosa, queda en 3,14 dólares por tarea. Eso es 50% más caro que Claude Opus 5 en la misma prueba, que a su vez cuesta el doble que GPT 5.6 Sol.
Desde ahí los costos se desploman, sobre todo si se considera la inteligencia de los modelos más asequibles. Gemini 3.8 Flash (high) de Google es un modelo potente, capaz de anotar 59 puntos, pero cuesta apenas 0,58 dólares por tarea, menos de un sexto del precio de Claude Fable 5.1, con una caída de solo 10% en el puntaje. GPT 5.6 Sol (high) de OpenAI cuesta 0,43 dólares con 57 puntos.
La competencia china está justo ahí en la mezcla. Kimi K3 (max) logra 60 puntos a 0,84 dólares por tarea, mientras que su variante K3 (low) ofrece 48 puntos por apenas 0,24 dólares. Deepseek V4 Pro es de los más notables, con 53 puntos y 0,27 dólares.
Al momento de escribir esto, Muse Spark 1.3 (xhigh) de Meta ostenta el título de la frontera de Pareto, con 61 puntos y un costo por tarea de solo 0,55 dólares. Se lo arrebató a Gemini 3.8 Flash de Google, que llevó la corona durante tres horas y media.
¿A dónde se van todos esos tokens?
La actitud del mundo empresarial ha sido a ratos aterradora y a ratos fascinante. Los liderazgos han oscilado con fuerza entre exigir uso masivo de inteligencia artificial y corregir de inmediato al ver la cuenta. Uber se comió su presupuesto anual del área en apenas unos meses, y en las tablas de consumo figura una compañía sin identificar que quemó 500 millones de dólares en tokens en cuestión de semanas.
Pero que todos estén tomando los costos más en serio no está frenando el uso. Un ingeniero de OpenRouter publicó un gráfico que muestra que el consumo pagado de tokens creció 25 veces en el último año y se duplicó en el último mes.
El alza parece venir justamente de esos modelos intermedios y asequibles. Según el ranking de OpenRouter, el modelo más usado del último mes fue GPT 5.6 Luna de OpenAI, con cerca de 12 billones de tokens. Con 52 puntos de inteligencia y un costo por tarea de solo 0,05 dólares, se ubica sobre la línea de Pareto en su extremo más barato.
Justo detrás aparece la desarrolladora china Z-Ai con su GLM 5.3 Flash: 11,4 billones de tokens en el último mes, un alza superior a 1.000% respecto del mes anterior, con una relación de 57 puntos por 0,09 dólares. Deepseek v4 Flash va a la par, y otros modelos chinos, suficientemente inteligentes y muy baratos, completan el pelotón.
En comparación, los modelos grandes y caros casi no se usan. El consumo mensual de Fable 5 se cuenta en unos pocos miles de millones de tokens de salida, y OpenAI, con su base de usuarios enorme, apenas supera los 1,8 billones de tokens mensuales con 5.6 Sol.
Jevons golpea de nuevo
Más allá del delirante modelo de negocio de varios de los involucrados, hay patrones interesantes en el uso. La gente encuentra maneras de gastar muchísimos tokens, pero solo está dispuesta a pagar hasta cierto punto por ellos. Quiere inteligencia al precio más bajo posible, y existe un punto de cruce donde una cosa pesa más que la otra.
Mientras los escépticos argumentan que las pruebas comparativas están amañadas y los entusiastas siguen anunciando la llegada de su salvador algorítmico, la economía real del sector pinta un cuadro mucho más nítido. La inteligencia tiene un precio, y es bastante más bajo que aquel al que algunos desarrolladores de frontera son capaces de producirla. A medida que los modelos se vuelvan más eficientes y el hardware de inferencia más potente, es posible que se llegue a un punto en que lo que los modelos de lenguaje hacen bien resulte lo suficientemente barato como para que cualquiera lo use sin límite.
Qué significa eso para las grandes compañías que gastaron cientos de miles de millones de dólares en llegar hasta acá, está por verse.
