Contador de Tokens y Calculadora de Costos de IA

Qué hace esta herramienta

Pegas un texto o un prompt y obtienes dos cosas: cuántos tokens ocupa, y cuánto costaría procesarlo en los modelos actuales de OpenAI, Anthropic, Google, Moonshot (Kimi), xAI (Grok) y DeepSeek. Con los campos de tokens de entrada, tokens de salida y llamadas al mes, la tabla calcula el costo por llamada y la factura mensual estimada de cada modelo, y marca el más barato.

El conteo para modelos de OpenAI es exacto: se usa su mismo tokenizador (o200k_base), que se descarga al navegador. El texto no sale de tu equipo en ningún momento.

Para Claude y Gemini el conteo es una estimación calibrada. Para Kimi, Grok y DeepSeek la herramienta no carga su tokenizador, así que su costo aparece marcado con ≈: sirve para comparar órdenes de magnitud, no para cerrar un presupuesto al céntimo.

Por qué importa contar tokens antes de escribir código

Cuando se integra un modelo de lenguaje en una aplicación, el costo no depende del número de usuarios sino del tamaño de lo que se les envía. Y ese tamaño se subestima casi siempre, por tres razones:

El prompt de sistema se paga en cada llamada. Si tu instrucción de sistema tiene 800 tokens y atiendes 10.000 peticiones al mes, son 8 millones de tokens que pagas solo por repetir las mismas instrucciones. Es el gasto más fácil de recortar y el que más se ignora.

El historial crece. En un chat, cada turno reenvía toda la conversación anterior. El coste por mensaje no es constante: crece con la longitud del hilo, y en conversaciones largas se dispara.

El contexto recuperado pesa más que la pregunta. En una arquitectura RAG, los fragmentos que inyectas suelen ser un orden de magnitud más grandes que la consulta del usuario. Dimensionar cuántos fragmentos caben es una decisión de costo, no solo de calidad.

Medir estas tres cosas antes de escribir la integración es la diferencia entre una factura previsible y una sorpresa.

Cómo usarla

1. Pega el texto o prompt en el campo de entrada. El conteo se actualiza mientras escribes.
2. Ajusta los tokens de salida esperados: lo que el modelo responde también se factura, y normalmente a una tarifa bastante más alta que la entrada.
3. Indica cuántas llamadas al mes prevés.
4. Mueve el control de entrada cacheada si repites el mismo prefijo en cada llamada. Los tokens que llegan de caché cuestan alrededor del 10 % de la entrada normal, así que el porcentaje que pongas ahí cambia la factura más que ningún otro campo.
5. Compara la columna de costo mensual entre modelos.

Qué es un token

Un tokenizador parte el texto en fragmentos según la frecuencia con la que aparecen en los datos de entrenamiento. Las palabras comunes suelen ocupar un token entero; las raras, los nombres propios y los términos técnicos se parten en varios. Los espacios, los signos de puntuación y los saltos de línea también cuentan.

La regla habitual —1 token ≈ 4 caracteres ≈ 0,75 palabras en inglés— es un punto de partida razonable, pero solo para inglés.

El texto en español sale más caro

Los tokenizadores se entrenan sobre corpus dominados por el inglés. El resultado es que una palabra inglesa frecuente cabe en un token y su equivalente en español se parte en dos o tres. El mismo contenido traducido puede costar entre un 20 y un 40 por ciento más.

Esto tiene una consecuencia práctica poco intuitiva: si tu aplicación atiende a usuarios hispanohablantes pero el prompt de sistema puede escribirse en inglés sin perder calidad, escribirlo en inglés recorta costo real en cada llamada.

Entrada y salida no cuestan lo mismo

Todos los proveedores cobran los tokens de salida bastante más caros que los de entrada — la diferencia habitual es de tres a cinco veces. Es la asimetría que más distorsiona una estimación hecha a ojo.

Un caso típico: un asistente que recibe 2.000 tokens de contexto y responde 500. Parece que el grueso del costo está en la entrada porque es cuatro veces más larga, pero con una tarifa de salida cinco veces mayor, esos 500 tokens de respuesta pueden costar más que los 2.000 de entrada. Por eso la herramienta separa los dos campos en vez de pedir un total.

Cómo bajar la factura sin perder calidad

• Acorta el prompt de sistema. Es el único token que pagas en absolutamente todas las llamadas. Recortar 300 tokens ahí vale más que optimizar cualquier otra cosa.
• Usa caché de prompts. Los tres proveedores cobran el prefijo ya procesado a alrededor del 10 % de la entrada normal. En cargas repetitivas el efecto no es marginal: midiendo 35 días de trabajo real con un agente de código, el 97,5 % de los tokens resultaron ser relecturas de caché, y sin ese descuento la factura equivalente pasaba de 6 146 a 39 781 dólares. Lo desgloso en cuánto cuesta programar con agentes de IA.
• Recorta el historial. Mantener los últimos N turnos más un resumen de lo anterior suele dar el mismo resultado que reenviar la conversación entera.
• Elige el modelo por tarea. Clasificar, extraer campos o enrutar no necesita el modelo más caro. Reservar el grande para lo que de verdad razona, y mandar el resto a uno pequeño, es la optimización de mayor impacto y la que menos se hace.
• Limita los tokens de salida. Poner un tope explícito evita respuestas innecesariamente largas que pagas íntegras.

Sobre los precios de la tabla

Los precios son una referencia mantenida a mano, y la herramienta muestra la fecha de su última revisión junto a los enlaces oficiales de cada proveedor. Las tarifas de las APIs cambian a menudo —y no solo al alza: en 2026 hubo bajadas considerables— así que para un presupuesto en firme conviene confirmar en la fuente.