La pelea por la IA ya no se decide únicamente en el laboratorio: se decide en la factura. Mientras OpenAI y Anthropic presumen de sus modelos frontera, Google y Meta acaban de sacar de la galera dos lanzamientos que cambian las reglas del juego. La métrica que manda ahora se llama «inteligencia por dólar», y en ese tablero los gigantes de siempre están quedando en deuda.
Baratos, veloces y casi tan listos
Google lanzó Gemini 3.8 Flash, su nuevo «caballo de batalla», apenas tres semanas después del 3.7 (es el tercer Flash en seis semanas). Cuesta 0,75/3,75 dólares por millón de tokens de entrada/salida y, según Artificial Analysis, obtiene 59 puntos en su Intelligence Index: queda al nivel de GPT-5.6 Sol o Grok 4.6, pero a 302 tokens por segundo es, con diferencia, el más veloz del pelotón. ¿El coste por tarea? Unos 0,58 dólares.
Meta no se quedó atrás: horas después presentó Muse Spark 1.3, que llega a los 61 puntos (62 en su versión max, aún en acceso limitado) y cuesta 1,25/4,25 dólares por millón de tokens. Su coste por tarea, 0,55 dólares, es apenas tres centavos inferior al de Gemini, pero le saca ventaja clara al resto: GPT-5.6 max se va a 0,95 dólares y Claude Opus high a 1,23 dólares por tarea.
Los agentes empujan la demanda de modelos baratos
¿Por qué importa tanto el precio ahora? Por los agentes. Una charla casual con un chatbot consume pocos tokens, pero un agente que te programa una app completa encadena decenas de llamadas, usa herramientas, revisa archivos y se autocorrige sin descanso. Si cada paso sale caro, la factura explota. En ese terreno Muse Spark brilla: usa un 20% menos de llamadas a herramientas y un 25% menos de tokens que su versión anterior. Google, en cambio, admite que su Flash «trabaja más» y consume más tokens: una tarea con el 3.8 cuesta cerca de un 40% más que con el 3.7.
Tips prácticos: ¿qué modelo conviene según tu caso?
- Desarrollo y agentes: arrancá con Gemini 3.8 Flash o Muse Spark 1.3; vas a pagar unas 10 veces menos que con un modelo frontera sin sacrificar casi calidad.
- Razonamiento crítico: reservá los modelos premium para tareas donde la precisión extrema justifique el sobrecosto.
- Prueba comparativa: corré este prompt en ambos y compará coste y resultado: «Planificá y ejecutá paso a paso una API de tareas con autenticación, autocomprobando tu código al final».
- Mirá tu consumo: medí tokens por tarea antes de migrar; el modelo más barato por token no siempre es el más económico si «trabaja» de más.
El mensaje de fondo es duro para OpenAI y Anthropic: el verdadero enemigo del modelo frontera es el modelo «suficientemente bueno». Con la cadencia de lanzamientos de Google y Meta —que adoptan la estrategia que antes impulsaron los laboratorios chinos— las ventajas en benchmarks caducan en días. Pagar 10/50 dólares por millón de tokens, como cuesta Fable 5.1, empieza a parecer un lujo difícil de justificar cuando tenés casi la misma inteligencia por una décima parte del precio. La pregunta ya no es quién tiene el modelo más listo, sino quién te da más por menos.