Calcula el coste mensual de usar LLMs a partir de las peticiones al mes y la media de tokens de entrada y salida por petición. Útil para presupuestar el uso de APIs de IA.
Filtra la tabla por proveedor y por tipo de modelo (razonamiento, flagship, equilibrado, económico), o busca un modelo por nombre. Activa Incluir obsoletos para ver también modelos ya retirados.
Pulsa las cabeceras de las columnas para ordenar por precio de entrada, de salida, contexto o coste total mensual, y comparar modelos de un vistazo.
Los precios son orientativos y se actualizan regularmente; la fecha de última actualización aparece bajo la tabla. Los tokens de entrada incluyen todo el historial de la conversación que se envía en cada petición, así que el coste real crece con conversaciones largas.
Elige un modelo, cómo van sus pesos (fp16, q8, q4), el contexto y cuántas conversaciones a la vez. Verás cuánta memoria piden los pesos, la caché KV y un margen, si cabe en cada GPU, el contexto más largo que cabe y el techo de tokens por segundo que pone su ancho de banda. Es una cuenta, no una medida: un motor real reserva algo más.
Mueve los parámetros y los tokens de entrenamiento, o elige un modelo conocido. La curva es la pérdida que predice la ley de Chinchilla para todas las formas de gastar el mismo cómputo; el punto verde es la mejor. Sirve para entender el reparto, no para predecir la calidad de un modelo concreto.