OpenAI ajusta su estrategia de precios y recomienda modelos de menor costo para tareas rutinarias

Si todavía hay alguien gastando más dinero en llamar al modelo más potente de OpenAI hoy.

OpenAI en cambio le sugeriría que cambiara.

El 30 de julio, OpenAI publicó un anuncio de ajuste de precios.

El modelo GPT-5.6Luna tiene un descuento del 80%, y el modelo Terra tiene un descuento del 20%.

Al ver este mensaje, es fácil centrar la atención en que Silicon Valley ha comenzado una guerra de precios.

Sin embargo, tras revisar cuidadosamente la documentación técnica y la guía de llamadas a la API publicadas oficialmente, se entenderá que los movimientos realmente importantes no se encuentran en los propios números de precio.

Esto es esencialmente la primera vez que OpenAI le dice a los usuarios que muchas tareas en realidad no necesitan el modelo más potente.

La oficina proporcionó una recomendación muy específica. Si se trata de una tarea compleja, primero utilice GPT-5.6Sol para el análisis de requisitos y el diseño de la solución, y luego asigne a Luna para ejecutar, escribir código y realizar pruebas.

El modelo más caro se encarga de pensar, y el más barato se encarga de hacer el trabajo. Esta estrategia, hace dos años, habría equivalido a una negación comercial de uno mismo.

Sabe que, en el pasado, toda la industria de la IA se esforzó por decirle al mercado que su modelo era el más inteligente.

Hoy, OpenAI afirmó que no siempre es necesario comprar lo más caro.

This matter is much more important than a price reduction.

Primero, echemos un vistazo a lo ocurrido en las últimas dos semanas.

El 30 de julio, OpenAI ajustó sus precios. Luna bajó un 80%. Terra bajó un 20%. Sol no redujo su precio, sino que añadió el modo rápido, que puede ser hasta 2.5 veces más rápido que el modo estándar, con un precio duplicado, pero con el mismo nivel de inteligencia.

Los modelos de gama alta siguen manteniéndose. Lo que realmente está comenzando a generar volumen son los de gama media y baja.

Una semana antes.

El 24 de julio, Anthropic hizo algo casi idéntico. Se lanzó Claude Opus 5, con una entrada de un millón de tokens a 5 dólares y una salida a 25 dólares, justo la mitad del precio de Fable 5.

En lugar de destacar los avances en rendimiento, Anthropic enfatiza su rentabilidad: con la mitad del precio, puedes obtener capacidades de razonamiento de vanguardia casi idénticas a las de Fable 5.

Hace solo un mes, Fable 5 era el modelo insignia de Anthropic, destacado por su máxima capacidad de razonamiento, el contexto más largo y el precio más alto. Pero un mes después, Anthropic mismo presentó un sustituto a la mitad del precio para su modelo insignia.

Si solo una lo hace, se puede entender como un ajuste del producto. Que dos lo hagan casi al mismo tiempo no es una coincidencia.

Todos ellos comenzaron a reducir activamente la importancia del modelo insignia.

Luego estuve pensando por qué precisamente ahora.

La respuesta en realidad no es complicada.

El mayor valor de los modelos insignia anteriores no fue generar ganancias, sino demostrar la liderazga tecnológica. Después del lanzamiento de GPT-4, la valoración de OpenAI aumentó constantemente. Cada actualización de Claude permite a Anthropic redefinir su posición tecnológica. Los modelos insignia asumen el valor de marca.

Pero el lugar donde realmente gasta dinero la empresa no es aquí.

Una empresa realiza millones de llamadas a la API diariamente. Tareas de alta frecuencia como atención al cliente, búsqueda, aprobación, generación de código y ejecución de Agentes consumen la mayor parte de los tokens. Lo que más importa a las empresas al comprar no es estar en el primer puesto en benchmarks, sino el costo por tarea, la suficiente estabilidad y un alto ROI.

Cuando la escala de llamadas se amplía a decenas de millones diarios, la mínima ventaja inteligente del modelo insignia se borra instantáneamente por los enormes costos de cómputo.

Las acciones y declaraciones de OpenAI marcan un giro: los principales modelos de referencia ya no tienen la carga de generar ganancias.

Esta escena, la industria automotriz ya la ha vivido.

Hace veinte años, la Serie 7 definía el nivel de BMW, la clase S respaldaba el tono de lujo de Mercedes, y el A8 sentó las bases de la imagen de buque insignia de Audi; los modelos insignia determinan el límite superior de la marca. Sin embargo, la base fundamental que realmente impulsa las ventas y genera beneficios de la marca siempre ha sido el BMW Serie 3, el Mercedes C-Class y el Audi A4.

Luego se volvió más evidente. El Model S demostró que Tesla podía fabricar automóviles. Lo que realmente lo convirtió en un fabricante automotriz global fue el Model 3 y el Model Y.

El modelo insignia se encarga de demostrar la capacidad, mientras que los modelos populares se encargan de la escala.

La IA también comenzó a entrar en esta etapa hoy. Sol y Fable seguirán existiendo, encargándose de impulsar los límites tecnológicos y actualizar los benchmarks. Lo que realmente asumirá la comercialización se volverá cada vez más Luna, Terra y Opus.

OpenAI incluso publicó el proceso recomendado, con Sol encargado de la planificación y Luna de la ejecución.

Esto ya no es un solo modelo; OpenAI está diseñando un sistema de división de modelos. En el futuro, las empresas no comprarán un solo modelo, sino todo un sistema de modelos. Lo que realmente determina el costo no es el diseñador principal, sino el equipo de construcción que trabaja todos los días.

Hay otro detalle que creo que es más interesante que el propio descenso de precios.

OpenAI mencionó en la nota técnica que esta reducción de precios no se debe solo a la adquisición de más GPU ni al aumento de escala. La verdadera razón es que el modelo comenzó a participar en la optimización del modelo.

Específicamente, bajo la dirección de ingenieros humanos, Sol reescribió y optimizó automáticamente el núcleo de producción subyacente. Diseñó cientos de experimentos por sí mismo para mejorar la eficiencia de generación de tokens e incluso participó en la supervisión del proceso de entrenamiento del modelo, interviniendo directamente al detectar problemas.

Como resultado, el costo operativo de extremo a extremo disminuyó un 20% y la eficiencia de generación de tokens aumentó un 15%.

Este mensaje es fácil de ignorar, pero representa un gran significado.

Antes, mejorar la eficiencia dependía de los ingenieros. Una vez que el modelo se lanzó, la persona uno Punto punto Optimizar el marco de inferencia, CUDA, las estrategias de caché y los algoritmos de programación. Al cabo de un año, lograr un aumento de eficiencia de más de un 10% ya es bastante bueno.

Hoy en día, la evolución tecnológica ha adoptado un nuevo camino. Los modelos han comenzado a asumir la optimización de ingeniería del código subyacente y la programación de capacidad de cómputo, operando con iteraciones continuas las 24 horas.

Este es un ciclo que se acelera constantemente. Cuanto más inteligente sea el modelo, mayor será su capacidad para participar en la optimización. Cuanto más rápida sea la optimización, más rápido disminuirán los costos. Cuanto más bajos sean los costos, mayor será la cantidad de solicitudes. Cuanto mayor sea la cantidad de solicitudes, más datos se generarán para seguir entrenando el modelo.

Revisé los cambios de precio de OpenAI en los últimos dos años y medio. La entrada inicial de GPT-4 costaba 30 dólares por millón de tokens, GPT-4o se redujo a 5 dólares, y GPT-4o mini llegó a 0.15 dólares. Hoy, Luna se posiciona cerca del rango económico de los antiguos mini, pero su nivel general de inteligencia ya supera ampliamente al costoso GPT-4 de hace dos años.

Durante más de dos años, el precio ha disminuido casi dos órdenes de magnitud. Si el modelo continúa participando en la optimización de sí mismo, es muy probable que esta curva siga bajando.

Lo verdaderamente aterrador no es que el precio haya caído un 80% hoy, sino que el costo haya comenzado a adquirir capacidad de autoimpulso.

Cada vez más siento que, cuando la gente discute la competencia en IA hoy en día, a veces aún utiliza el marco del estadio anterior.

Por ejemplo, a menudo también preguntan: ¿Quién es el más inteligente? GPT, Claude, Gemini, DeepSeek , al lanzar un nuevo modelo, los medios miran inmediatamente la clasificación. Quien esté en primer lugar, gana.

Sin embargo, los nuevos movimientos de OpenAI y Anthropic rompen esta tendencia, transmitiendo una nueva señal al mercado: la atracción de los campeones en rendimiento individual está disminuyendo.

OpenAI mencionó en su anuncio una frase que considero especialmente clave: sugiere a los desarrolladores que emparejen diferentes modelos según la importancia de la tarea, el costo de los errores, la urgencia y la escala.

Ten en cuenta que lo que se discute ya no es el modelo, sino la tarea.

Antes, cuando una empresa implementaba IA, generalmente tenía una sola opción. Hoy en día, es más como construir una organización: las tareas más importantes las maneja Sol, las ejecuciones diarias las asignas a Luna, y en el futuro podrían haber modelos aún más ligeros encargados de tareas más sencillas.

Es muy parecido a lo que sucedió con la nube. Nadie guarda todos los datos en el SSD más caro. Los datos calientes van en SSD, los datos normales en HDD y los datos fríos en almacenamiento de objetos. Lo que la gente discute nunca es qué disco duro es el más rápido, sino cómo armar todo el sistema de la manera más rentable.

DeepSeek En realidad, olió esta dirección antes que Silicon Valley. En los últimos seis meses, apenas ha enfatizado ser el más inteligente del mundo; en cambio, ha repetido constantemente solo unas pocas palabras: barato, lo suficientemente rápido, lo suficientemente útil.

Después de un acierto en caché, el costo por millón de tokens se reduce hasta ser casi despreciable. Siempre ha apostado por una sola cosa: las empresas no necesitan al campeón mundial, sino la opción de implementación con el ROI total más alto.

Esto no es una guerra de precios a corto plazo; la actual adopción por parte de dos gigantes de Silicon Valley confirma la inevitabilidad de este camino comercial.

Hasta hoy, la estrategia de OpenAI es clara: lo que realmente quiere vender ya no son los modelos, sino la cantidad de llamadas.

Antes, los fabricantes de modelos dependían de una alta prima tecnológica para obtener altos márgenes; ahora, su lógica operativa ha cambiado a intercambiar umbrales extremadamente bajos por un ecosistema de tráfico a gran escala.

Microsoft realmente gana dinero no porque Windows sea caro, sino porque todos los ordenadores tienen instalado Windows. AWS gana dinero no porque el beneficio por servidor sea alto, sino porque diariamente innumerables aplicaciones en todo el mundo funcionan sobre ella.

Los ingresos de la plataforma siempre dependen de la penetración.

Esto explica por qué el precio de Sol no ha movido. Sol asume la marca, demostrando que OpenAI sigue siendo la empresa con el límite tecnológico más alto. Luna es el motor de ingresos.

OpenAI espera que los desarrolladores adopten un nuevo hábito predeterminado: escribir agentes con Luna, ejecutar flujos de trabajo con Luna y realizar ejecuciones por lotes también con Luna. Solo se debe llamar a Sol cuando se enfrenten problemas verdaderamente difíciles.

Una vez que este estándar se establece, la competencia posterior se vuelve extremadamente difícil. Migrar un modelo subyacente implica volver a probar, validar y adaptar todo el flujo de trabajo. Los costos de migración seguirán aumentando.

El verdadero foso competitivo ya ha comenzado a pasar de la ventaja en capacidad a la fidelidad ecológica.

Mirado a largo plazo, la industria de la IA está experimentando un punto de inflexión extremadamente típico de economías de escala.

Cuando el costo por unidad de poder de cálculo se reduce a niveles extremadamente bajos, la demanda total del token no disminuye con la caída del precio unitario, sino que experimenta un crecimiento exponencial.

El modelo insignia ya no determina la dirección, ya que el enfoque del avance técnico ha pasado de explorar el límite de inteligencia a la industrialización de la computación para reducir costos. Cuando el costo de las llamadas a la API se vuelve lo suficientemente bajo como para ser despreciable, la forma y los límites del modelo comenzarán a desdibujarse.

Los desarrolladores empresariales ya no se enfocan en el desgaste de cada token, sino que integran la IA sin interrupciones en cada proceso de negocio.

Lo más profundo de este cambio es que el colapso de los precios de la API está aumentando el costo de migración de toda la ingeniería de software. Una vez que los flujos de trabajo empresariales, la red de programación de agentes y los canales automatizados de datos se basan completamente en combinaciones de modelos de bajo costo, el proveedor del modelo subyacente bloquea los canales de computación para los próximos diez años.

En los últimos años, las empresas de modelos grandes vendían inteligencia. A partir de hoy, comienzan a vender eficiencia.

Son dos historias completamente diferentes.

[Fuera de la página]:

Anteriormente, estábamos acostumbrados a comparar el desarrollo de la IA con la electrónica de consumo, esperando de vez en cuando nuevos modelos insignia que rompieran récords.

Pero quizás la verdadera forma de victoria de la IA no sea convertirse en un producto sensacional.

Cuando se inventó la máquina de vapor, la gente se maravillaba por su productividad, pero hoy en día, la electricidad fluye por todas partes, impulsando el funcionamiento de toda la civilización, y ya nadie la discute específicamente.

Cuando la humanidad ya no discuta frenéticamente qué puntuación de inteligencia ha batido otro modelo insignia, la IA se integra silenciosamente en cada sistema y cada instrucción, convirtiéndose en el agua y la electricidad predeterminados que impulsan todos los procesos automatizados.

La verdadera era de esto acaba de comenzar.

Este artículo proviene del número de WeChat "Más allá de la página", autor: Pintar