Si hoy todavía hay alguien gastando la mayor cantidad de dinero llamando al modelo más potente de OpenAI.
OpenAI, en cambio, le recomendaría que cambiara.
El 30 de julio, OpenAI emitió un anuncio de ajuste de precios.
El modelo GPT-5.6Luna redujo su precio un 80%, el modelo Terra un 20%.
Al ver esta noticia, es fácil centrarse en que Silicon Valley ha comenzado una guerra de precios.
Pero si se revisan detenidamente la documentación técnica publicada por OpenAI y la guía de uso de la API, nos daremos cuenta de que la acción realmente digna de atención no está en los números de precios en sí mismos.
En esencia, esta es la primera vez que OpenAI comienza a decirle a los usuarios que para muchas tareas, realmente no es necesario utilizar el modelo más potente.
La empresa ha dado una recomendación muy concreta. Si es una tarea compleja, primero se debe usar GPT-5.6Sol para completar el análisis de requisitos y el diseño de la solución, y luego entregárselo a Luna para ejecutar, escribir código y ejecutar pruebas.
El modelo más caro se encarga de pensar, y el modelo más barato se encarga del trabajo. Esta estrategia, vista hace dos años, equivalía a una autonegación comercial.
Recuerda, en el pasado, toda la industria de IA intentaba desesperadamente decirle al mercado que su modelo era el más inteligente.
Y hoy, es OpenAI quien se pone de pie y dice que no siempre hay que comprar el más caro.
Este hecho es mucho más importante que la reducción de precios.
I. El acuerdo tácito de los dos gigantes de Silicon Valley
Primero, observemos lo ocurrido en las últimas dos semanas.
30 de julio, OpenAI ajusta los precios. Luna baja un 80%. Terra baja un 20%. Sol no reduce su precio, sino que añade un modo Fast, que puede ser hasta 2,5 veces más rápido que el modo estándar, con el doble de precio, pero con un nivel de inteligencia exactamente igual.
Se mantienen los modelos de gama alta. Los que realmente comienzan a generar volumen, son los de gama media y baja.
Una semana antes.
24 de julio, Anthropic hizo algo casi idéntico. Se lanzó Claude Opus 5, con un costo de entrada de 5 dólares por millón de tokens y salida de 25 dólares. Exactamente la mitad que Fable 5.
En comparación con los avances en rendimiento, Anthropic enfatizó externamente más su rentabilidad: con solo la mitad del precio, se puede obtener una capacidad de razonamiento de vanguardia infinitamente cercana a Fable 5.
Hace solo un mes, Fable 5 era todavía el buque insignia que Anthropic promocionaba con énfasis. El razonamiento más potente, el contexto más largo, el precio más alto. Un mes después, Anthropic personalmente encontró un sustituto a mitad de precio para su buque insignia.
Si solo una compañía lo hiciera, podría entenderse como un ajuste de producto. Que dos lo hagan casi simultáneamente, no es una coincidencia.
Ambas han comenzado a reducir activamente la importancia del modelo insignia.
II. El buque insignia se encarga de la imagen, los volúmenes se encargan de ganar dinero
Después, no dejaba de preguntarme, ¿por qué precisamente ahora?
La respuesta en realidad no es complicada.
En el pasado, el mayor valor de los modelos insignia no era ganar dinero, sino demostrar el liderazgo tecnológico. Después de que GPT-4 saliera, la valoración de OpenAI subió en línea recta. Cada vez que Claude se actualizaba, Anthropic redefinía su posición tecnológica. El modelo insignia asumía el valor de marca.
Pero el lugar donde las empresas realmente gastan dinero, no está aquí.
Una empresa ejecuta millones de llamadas a la API cada día. Servicio al cliente, búsqueda, aprobación, generación de código, ejecución de Agent... Estas tareas de alta frecuencia ocupan la gran mayoría del consumo de tokens. Lo que más preocupa a las empresas en sus compras, tampoco es ser el número uno en el Benchmark, sino cuánto cuesta una tarea, si es lo suficientemente estable, y si el ROI es alto.
Cuando la escala de llamadas se amplía a decenas de millones diarios, la pequeña ventaja de inteligencia del modelo insignia es borrada instantáneamente por los enormes gastos en capacidad de cálculo.
Las acciones y declaraciones de OpenAI marcan un punto de inflexión: Los buques insignia de primera línea ya no tienen la ardua tarea de ganar dinero.
III. La IA comienza a entrar en la era de los "modelos populares"
Esta escena, la industria automotriz ya la vivió.
Hace veinte años, la Serie 7 definía la altura de BMW, la Clase S sostenía la imagen de lujo de Mercedes, el A8 establecía la imagen insignia de Audi. Los modelos insignia determinaban el límite superior de la marca. Pero la base real que sostenía las ventas y generaba beneficios de la marca, siempre fueron el Serie 3 de BMW, la Clase C de Mercedes y el A4 de Audi.
Después fue aún más evidente. El Model S demostró que Tesla podía fabricar coches. Lo que realmente la convirtió en una automotriz global, fueron el Model 3 y el Model Y.
El buque insignia se encarga de demostrar capacidad, los modelos populares se encargan de la escala.
La IA hoy también comienza a entrar en esta etapa. Sol y Fable seguirán existiendo, se encargan de impulsar el límite tecnológico y actualizar los Benchmarks. Los que realmente asumirán la comercialización, cada vez más serán Luna, Terra, Opus.
OpenAI incluso ha escrito públicamente el flujo recomendado esta vez: Sol se encarga de planificar, Luna se encarga de ejecutar.
Esto ya no es un solo modelo, OpenAI está diseñando un sistema de división del trabajo entre modelos. En el futuro, lo que las empresas compren, tampoco será un modelo, sino un conjunto completo de sistemas de modelos. Lo que realmente determina el costo, no es el arquitecto jefe, sino los equipos de construcción que trabajan todos los días.
IV. Los modelos comienzan a optimizar modelos
Hay otro detalle que encuentro más interesante que la propia reducción de precios.
OpenAI menciona en su nota técnica que esta reducción de precio no se debe solo a la compra de más GPUs, ni al aumento de escala. La razón real es que los modelos están comenzando a participar en la optimización de modelos.
Concretamente, bajo el liderazgo de ingenieros humanos, Sol reescribió y optimizó de forma autónoma el kernel de producción subyacente. Él mismo diseñó cientos de experimentos, mejoró la eficiencia de generación de tokens, e incluso participó en la monitorización del flujo de entrenamiento del modelo, interviniendo directamente al detectar problemas.
El resultado fue una reducción del 20% en el costo de ejecución de extremo a extremo y un aumento del 15% en la eficiencia de generación de tokens.
Esta información es fácil de pasar por alto, pero representa un gran significado.
En el pasado, mejorar la eficiencia dependía de los ingenieros. Una vez que el modelo estaba en línea, las personas optimizaban punto por punto el marco de inferencia, CUDA, estrategias de caché, algoritmos de programación. En un año, lograr exprimir una mejora de eficiencia de unos pocos puntos porcentuales ya era bueno.
Hoy, la evolución tecnológica ha entrado en un nuevo camino. Los modelos comienzan a hacerse cargo de la optimización de ingeniería del código subyacente y la programación de la capacidad de cálculo, iterando y funcionando las 24 horas.
Este es un ciclo que se acelerará continuamente. Cuanto más inteligente es el modelo, mayor es su capacidad para participar en la optimización. Cuanto más rápida sea la optimización, más rápido caerán los costos. Cuanto más bajos sean los costos, mayor será el volumen de llamadas. Cuanto mayor sea el volumen de llamadas, más datos se generan, continuando el entrenamiento del modelo.
Revisando los cambios de precio de OpenAI en los últimos dos años y medio. GPT-4 debutó con una entrada de 30 dólares / millón de tokens, GPT-4o bajó a 5 dólares, GPT-4o mini llegó a 0.15 dólares. Hoy el precio de Luna se acerca al rango económico del mini de años atrás, pero su nivel general de inteligencia ya supera con creces al caro GPT-4 de hace dos años.
En más de dos años, el precio ha caído cerca de dos órdenes de magnitud. Si los modelos continúan participando en su propia optimización, esta curva probablemente continuará bajando.
Lo verdaderamente aterrador no es que el precio haya bajado un 80% hoy, es que la reducción de costos ha comenzado a tener capacidad de autopropulsión.
V. De quién es el más inteligente a quién vale más la pena
Cada vez más pienso que, hoy, cuando la gente discute la competencia en IA, a veces todavía aplica el marco de la etapa anterior.
Por ejemplo, todavía se suele preguntar: ¿quién es el más inteligente? GPT, Claude, Gemini, DeepSeek. Cada vez que lanzan un nuevo modelo, los medios primero miran las listas de clasificación. Quién es el primero, quién gana.
Sin embargo, las nuevas acciones de OpenAI y Anthropic rompen esta regla. Transmiten una nueva señal al mercado: El atractivo de ser campeón en rendimiento individual está decayendo.
OpenAI menciona una frase en su anuncio que encuentro particularmente clave. Recomienda a los desarrolladores que, según el grado de importancia de la tarea, el costo del error, la urgencia y la escala, emparejen diferentes modelos.
Nota, ya no está discutiendo el modelo, sino la tarea.
En el pasado, cuando una empresa desplegaba IA, la mayoría de las veces tenía una sola opción. Hoy comienza a parecerse más a construir una organización. Las tareas más importantes usan Sol, la ejecución diaria se entrega a Luna, y en el futuro puede haber modelos aún más ligeros para cosas más simples.
Esto se parece mucho a la computación en la nube en su momento. Nadie pone todos sus 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 se discute nunca es qué disco duro es el más rápido, sino cómo armar todo el sistema de manera más rentable.
De hecho, DeepSeek olfateó esta dirección antes que Silicon Valley. En el último medio año, casi no ha enfatizado que sea necesariamente la más inteligente del mundo, repitiendo solo unas pocas palabras: barato, lo suficientemente rápido, lo suficientemente útil.
Después de que el caché acierta, cada millón de tokens es tan barato que casi se puede ignorar. Ha estado apostando por una cosa: lo que las empresas necesitan no es el campeón del mundo, sino la opción de despliegue con el ROI general más alto.
Esto no es una guerra de precios a corto plazo. El seguimiento actual de los dos gigantes de Silicon Valley valida la inevitabilidad de este camino comercial.
VI. Lo que OpenAI realmente quiere vender, no son modelos
Hasta hoy, la estrategia de OpenAI es clara. Lo que realmente quiere vender ya no son modelos, es el volumen de llamadas.
En el pasado, los proveedores de modelos dependían de altos márgenes tecnológicos para obtener altos márgenes brutos. Ahora, la lógica operativa se ha transformado en obtener un ecosistema de tráfico a gran escala a cambio de un umbral extremadamente bajo.
Microsoft realmente gana dinero, no porque Windows sea caro, sino porque todos los ordenadores tienen Windows instalado. AWS gana dinero tampoco porque el beneficio de un solo servidor sea alto, sino porque innumerables aplicaciones se ejecutan allí en todo el mundo todos los días.
Los ingresos de la plataforma siempre dependen de la tasa de penetración.
Esto explica por qué el precio de Sol no se ha movido. Sol asume la marca, demuestra que OpenAI sigue siendo la compañía con el límite tecnológico más alto. Y Luna es el motor de ingresos.
OpenAI espera que los desarrolladores formen un nuevo hábito predeterminado: escribir Agent usando Luna, ejecutar flujos de trabajo usando Luna, ejecutar lotes usando Luna. Solo cuando se encuentre un problema realmente difícil, se llama una vez a Sol.
Una vez que este predeterminado se establezca, la competencia posterior se volverá muy difícil. Que una empresa migre el modelo subyacente una vez significa volver a probar, verificar y adaptar todo el flujo de trabajo. El costo de migración será cada vez más alto.
La verdadera ventaja competitiva ya ha comenzado a cambiar del liderazgo en capacidad a la adherencia del ecosistema.
VII. Los modelos insignia ya no determinan la dirección
Alargando el tiempo, la industria de la IA está experimentando un punto de inflexión extremadamente típico de las economías de escala.
Cuando el costo unitario de capacidad de cálculo cae a un nivel extremadamente bajo, la demanda total de tokens del mercado no disminuye a medida que baja el precio unitario, sino que estalla exponencialmente.
Los modelos insignia ya no determinan la dirección, porque el centro de gravedad de la evolución tecnológica ya se ha trasladado de explorar el límite superior de la inteligencia a la reducción industrializada del costo de la capacidad de cálculo. Cuando el costo de llamada a la API es tan bajo que se puede ignorar, la forma y los límites del modelo comenzarán a desdibujarse.
Los desarrolladores empresariales ya no prestan atención a la pérdida de cada token, sino que integran la IA sin problemas en cada proceso empresarial.
Lo más profundo de esta transformación es que el colapso del precio de las API está elevando el costo de migración de toda la ingeniería de software. Una vez que los flujos de trabajo, las redes de programación de Agent y las canalizaciones de datos automatizadas de una empresa se basen completamente en combinaciones de modelos de bajo costo, el proveedor del modelo subyacente bloquea la tubería de capacidad de cálculo para la próxima década.
En los últimos años, las empresas de grandes modelos vendían inteligencia. A partir de hoy, comienzan a vender eficiencia.
Son dos historias completamente diferentes.
Unas palabras [más allá de la página]:
En el pasado, solíamos comparar el desarrollo de la IA con la electrónica de consumo, esperando poder tener de vez en cuando nuevos buques insignia que batieran récords.
Pero tal vez, la verdadera forma de victoria de la IA no es convertirse en un producto sensacional de vez en cuando.
Cuando se inventó la máquina de vapor, la gente se asombraba de su productividad. Hoy, la electricidad fluye de forma omnipresente, impulsando el funcionamiento de toda la civilización, pero ya nadie la discute específicamente.
Cuando la humanidad deje de discutir con fervor qué modelo insignia ha batido otra vez qué puntuación de coeficiente intelectual, cuando la IA se integre silenciosamente en cada sistema, en cada instrucción, convirtiéndose en el agua y la electricidad invocados por defecto detrás de cada proceso automatizado.
Entonces, su verdadera época, recién comenzará.
Este artículo proviene del cuenta de WeChat "Más allá de la página", autor: Dibujando
