Mejores LLM económicos en 2026: precios de API y coste por tarea exitosa

El modelo más barato de una tabla puede bastar para clasificar incidencias y resultar caro para todo lo demás, sobre todo si una de cada tres respuestas necesita reparación. Una selección económica útil empieza por tareas comprobables y mide después el coste completo de terminarlas.

Para cargas de texto económicas, compararíamos GLM-5.3-Flash y Qwen3.8-Flash con GPT-5.6 Luna. DeepSeek V4 Flash es otro candidato, especialmente para trabajo que pueda ejecutarse en horario valle. Gemini 3.8 Flash ofrece una comparación más cara cuando los candidatos baratos no cumplen. Es una selección de API alojadas, no una afirmación de haber encontrado el endpoint más barato del mundo ni un ganador de calidad medido.

Las tarifas se comprobaron el 5 de septiembre de 2026. Los ejemplos de carga son hipotéticos. Excluyen suscripciones de consumo, afirmaciones de uso gratuito ilimitado, hardware para alojamiento propio y generación multimodal.

Mantén el precio de lista junto a la promoción

Todas las tarifas siguientes son USD por millón de tokens, con procesamiento estándar y entrada sin caché. Cada proveedor factura sus propios recuentos; usar cantidades iguales sirve para presupuestar, no demuestra trabajo equivalente.

Para trabajo recurrente, usa el precio de lista de GLM además de la oferta temporal. La promoción termina en la transición del 9 al 10 de septiembre en UTC+8. No prepares el presupuesto anual con los cuatro días promocionales restantes.

Las franjas punta de DeepSeek son de lunes a viernes, de 01:00–04:00 y 06:00–10:00 UTC; las demás horas son valle. Gemini publica 1,50 dólares de entrada y 7,50 de salida desde el 1 de enero de 2027. Las peticiones a Luna de más de 272 K tokens de entrada cuestan más para toda la petición. La región de Qwen forma parte del presupuesto; una tarifa de otra región es otra comparación.

Ninguna fila incluye herramientas, impuestos, intentos fallidos ni revisión humana. Un modelo disponible mediante un router puede tener otra tarifa o configuración; conserva el endpoint real en tus registros.

Tres cargas cambian aquello por lo que pagas

Considera estos volúmenes mensuales inventados, repartidos en peticiones bajo los límites de longitud pertinentes:

• Clasificación de incidencias: 5 M de entrada y 0,1 M de tokens de salida facturados. Casi todo el trabajo es leer; la respuesta es una etiqueta breve.
• Resúmenes de informes: 10 M de entrada y 0,5 M de salida. El resultado es más corto que la fuente, pero debe conservar condiciones importantes.
• Generación de borradores: 2 M de entrada y 2 M de salida. Producir texto supone una parte mayor de la factura.

Usando el precio de lista de GLM y el precio punta de DeepSeek como referencia:

Son cálculos basados en las tarifas enlazadas, no puntuaciones. La promoción actual de GLM reduce su fila a la mitad, al igual que el uso de DeepSeek en horario valle. Tras el periodo inicial anunciado de Gemini, su fila se duplica. El candidato más barato sigue cerca de otro en algunas cargas, por lo que unas diferencias mínimas no deben decidir entre resultados que exigen cantidades de corrección distintas.

La salida facturada incluye los tokens de razonamiento aplicables, no solo las palabras visibles. Una clasificación de una palabra puede costar más de lo que sugiere la respuesta. Mide el uso antes de extrapolar.

Un modelo barato predeterminado necesita una regla de fallo clara

Para clasificar incidencias, define las etiquetas y qué hacer cuando encajan dos. Compara con una muestra revisada por personas y examina por separado las categorías raras. Un modelo que etiquete casi todo como «general» puede parecer preciso en un lote desequilibrado mientras falla los casos importantes.

Para resúmenes, usa las comprobaciones de conservación de datos, no una preferencia por textos breves. Para registros, aplica las comprobaciones de extracción: formato correcto, valores correctos y tratamiento honesto de ausencias. Son mejores criterios de mejora que «la respuesta parece floja».

Elige al segundo candidato antes de empezar una ejecución larga. Si el modelo base falla una comprobación determinista, reintenta con comentarios específicos o envía el registro sin resolver al segundo modelo. Si no puedes comprobar automáticamente la corrección, toma muestras y revísalas en vez de suponer que el lenguaje seguro revela todos los fallos.

Un sistema de enrutamiento también cuesta. Puede enviar trabajo válido al modelo caro o no detectar una respuesta incorrecta. Mide esos casos. No afirmes que un flujo barato más premium conserva la calidad premium si no has evaluado el sistema completo.

Cuándo una llamada más cara cuesta menos

Supón que un modelo ficticio A cuesta 0,001 dólares por intento y tiene un 50 % de aceptación. B cuesta 0,0015 dólares y logra un 90 %. Con esas tasas estables supuestas, el coste esperado de generación por tarea aceptada es de 0,002 $ para A y unos 0,00167 $ para B. No es una comparación observada de los modelos anteriores.

Una medida de lote más completa es:

Coste por tarea aceptada =
  (uso de API, incluidos reintentos + herramientas + coste de revisión)
  / tareas que superan la comprobación de aceptación

Incluye el gasto de tareas abandonadas en el numerador. Si ninguna supera el control, el flujo no ha establecido un coste útil por tarea completada. No ocultes fallos contando respuestas de API como resultados comerciales exitosos.

La caché y el procesamiento por lotes pueden reducir facturas adecuadas, pero aplica las reglas reales del proveedor. Una tarifa de lectura de caché no es el coste de crearla o conservarla, y un lote diferido no equivale a una respuesta síncrona. Empieza con tarifas estándar sin caché mientras desconozcas el patrón de tráfico de producción.

Usa la calculadora de precios de AILesson para comparar la mezcla de entrada y salida, con el proveedor y modo correctos. Sustituye después los volúmenes hipotéticos con una ejecución representativa pequeña. Un piloto de diez elementos puede descubrir fallos evidentes y uso inesperado; no establece una tasa de éxito precisa en producción. Amplía la muestra antes de elegir el predeterminado para miles de tareas.

Para un flujo nuevo, empieza con Qwen3.8-Flash o GLM-5.3-Flash y Luna como comparación. Conserva el que cumpla tus requisitos con el menor coste completo. Paga más cuando las pruebas muestren menos tareas sin resolver o menos revisión, no porque el siguiente modelo se anuncie como más capaz.

Referencias

• Precios de Z.AI: precios de lista de GLM y promoción fechada.
• Precios de modelos de Alibaba Cloud: región y niveles de petición de Qwen.
• GPT-5.6 Luna: tarifas base y condiciones de contexto largo.
• Precios de DeepSeek: tarifas punta y valle.
• Gemini 3.8 Flash: tarifas iniciales y posteriores anunciadas.