GitHub Copilot cobra tarifas, revelando la «mayor mentira» de la industria de la IA

Título original: La economía de la IA no tiene sentido

Autor original: Ed Zitron, Where's Your Ed At
Traducción original: Deep潮 TechFlow

Deep潮 introducción: Microsoft finalmente no pudo más, y GitHub Copilot pasó de un modelo de tarifa mensual a cobrar por token. Esto no es una actualización del producto, sino la bancarrota colectiva de toda la estafa de subsidios en la industria de la IA — OpenAI, Anthropic y otros usan tarifas mensuales para encubrir costos reales, haciendo que los usuarios gasten 1 dólar y consuman entre 8 y 13 dólares en potencia de cálculo, entrenando una generación de hábitos de uso que simplemente no pueden mantenerse. Cuando los precios vuelvan a la realidad, descubrirás que esas herramientas «revolucionarias» de IA quizás sean solo juguetes caros.

Acabo de escribir un artículo sobre cómo OpenAI eliminó a Oracle, y hoy he usado algunos de sus materiales.

Es uno de los mejores artículos que he escrito, estoy muy orgulloso.

La suscripción de pago no solo vale mucho, sino que también me permite escribir estas grandes y profundas investigaciones gratuitas cada semana.

Ayer por la mañana, los usuarios de GitHub Copilot confirmaron la noticia que reporté hace una semana: todos los planes de GitHub Copilot cambiarán a un modelo de cobro por uso a partir del 1 de junio de 2026.

Microsoft ya no dará a los usuarios un número fijo de «solicitudes», sino que cobrará según el costo real del modelo que usen. Microsoft dice que esto es «...un paso importante hacia un negocio de Copilot sostenible y confiable, y una mejor experiencia para todos los usuarios». La cantidad que los usuarios pueden usar ahora depende de cuánto puedan pagar en tokens (por ejemplo, un plan de 19 dólares al mes puede usar tokens por valor de 19 dólares).

Traducción: ya no podemos seguir subsidiando a los usuarios de GitHub Copilot, o Amy Hood (directora financiera de Microsoft) empezará a golpearlos con un bate de béisbol.

Este anuncio en sí mismo es una vista previa interesante, mostrando cómo se empaquetarán estos cambios de precios:

Copilot ya no es el producto de hace un año. Ha evolucionado de ser un asistente dentro del editor a una plataforma de agentes inteligentes capaces de mantener sesiones de codificación largas y de múltiples pasos, usando los modelos más recientes, iterando en todo el repositorio de código. La utilización de agentes se está convirtiendo en la norma, lo que trae una demanda de cálculo y razonamiento mucho más altas.

Ahora, una pregunta rápida en chat y una sesión de codificación autónoma de varias horas pueden costar lo mismo. GitHub ha estado absorbiendo estos crecientes costos de razonamiento, pero el modelo avanzado basado en solicitudes ya no es sostenible. La facturación por uso resuelve este problema. Mejor alinea los precios con el uso real, ayuda a mantener la confiabilidad a largo plazo y reduce la necesidad de limitar a los usuarios intensivos.

Mira, no es que Microsoft esté subsidiando casi dos millones de potencias de cálculo, sino que la IA se ha vuelto tan poderosa y compleja que prácticamente se ha convertido en un producto diferente.

Aunque Copilot puede «ya no ser un producto de hace un año», la economía subyacente casi no ha cambiado: Microsoft ha permitido durante tres años que los usuarios gasten tokens por encima de su tarifa de suscripción mensual. Según un informe del Wall Street Journal de octubre de 2023:

Los usuarios pagan 10 dólares al mes por usar este asistente de IA. Según una fuente, en los últimos meses, la compañía ha estado perdiendo en promedio más de 20 dólares por usuario al mes, y algunos usuarios hacen que la compañía gaste hasta 80 dólares mensuales.

Naturalmente, los usuarios de GitHub Copilot ahora están en rebelión, diciendo que el producto «murió» y que está «totalmente arruinado».

Hace dos años predije este día en mi artículo «La crisis de la IA subprime»:

Finalmente ha llegado, porque cada servicio de IA que usas está subsidiando el cálculo, y cada uno pierde dinero por ello:

Cuando pagas por servicios de startups de IA — incluyendo, por supuesto, a OpenAI y Anthropic — estás pagando una tarifa mensual, como los 20, 100 o 200 dólares de Claude de Anthropic, los 20 o 200 dólares de Perplexity, o las suscripciones de 8, 20 o 200 dólares de OpenAI.

En algunos escenarios empresariales, obtienes «límites» para ciertos trabajos, como Lovable que en su suscripción de 25 dólares al mes da a los usuarios «100 meses de cuota», además de 25 dólares en alojamiento en la nube (hasta finales del primer trimestre de 2026), con cuotas que se pueden acumular mes a mes.

Cuando usas estos servicios, las empresas pagan a los laboratorios de IA ya sea por tarifa por millón de tokens, o (para Anthropic y OpenAI) por alquiler de GPU a los proveedores de la nube. Un token es aproximadamente 3/4 de palabra.

Como usuario, no notas el consumo de tokens, solo en el proceso de entrada y salida. Los laboratorios de IA ocultan los costos con «tokens», «mensajes» o límites de velocidad en tarifas porcentuales de 5 horas, pero tú, como usuario, no sabes cuánto cuesta realmente todo esto.

En el backend, las startups de IA están quemando dinero a lo loco, y hasta hace poco Anthropic permitía gastar hasta 8 dólares en potencia de cálculo por cada dólar de suscripción. OpenAI también permite esto, aunque es difícil medir cuánto exactamente.

Las startups y los gigantes del cloud creen que pueden atraer a suficientes personas con subsidios y productos en pérdida, haciendo que los usuarios se vuelvan adictos a tal punto que, cuando las empresas suban precios, no cambien de servicio. Piensan que el costo por token disminuirá con el tiempo, pero en realidad — aunque algunos modelos hayan bajado de precio — los modelos «de inferencia» más nuevos consumen más tokens, haciendo que los costos de inferencia en realidad suban con el tiempo.

Ambas suposiciones están equivocadas, porque el modelo de suscripción mensual no funciona para ningún servicio conectado a grandes modelos de lenguaje.

El núcleo económico de la IA generativa ya colapsó

Piensa en esto: cuando Uber (no, esto no tiene nada que ver con Uber) sube los precios, la lógica económica subyacente no cambia, ni la experiencia para pasajeros y conductores. Los usuarios pagan por un viaje, los conductores cobran por ese viaje.

Los conductores siguen pagando gasolina, seguro, permisos requeridos por el gobierno local, y financiamiento del vehículo, costos que Uber no subsidia. Las pérdidas enormes de Uber vienen de subsidios, marketing sin fin y esfuerzos fallidos en autos autónomos y otras investigaciones.

Suscripciones de IA generativa y Uber son completamente diferentes

Para ilustrar la escala del error en la fijación de precios de la IA, te pido que imagines una historia paralela en la que Uber tiene un modelo de negocio muy diferente.

Las suscripciones de IA generativa serían como si Uber cobrara 20 dólares al mes por 100 viajes dentro de 100 millas, con gasolina a 150 dólares el galón, y Uber pagara la gasolina, porque alguien insiste en que el petróleo algún día será tan barato que no vale la pena medirlo.

Eventualmente, Uber decidiría cobrar una tarifa mensual para acceder a los viajes, y además cobrar por la gasolina consumida. De repente, en lugar de pagar 20 dólares al mes por 100 viajes, pagarías 20 dólares por la tarifa y 26 dólares en gasolina por un viaje de 10 millas, lo que naturalmente te molestaría.

Aunque suena exagerado, en realidad es una metáfora bastante precisa de lo que está ocurriendo en la industria de IA generativa, especialmente con GitHub Copilot.

Antes, la tarifa de Copilot permitía 300 solicitudes premium al mes y «interacciones ilimitadas» con modelos como GPT-5 mini.

Cada solicitud (según Microsoft) es «...cualquier interacción en la que pidas a Copilot que haga algo por ti». En sistemas basados en solicitudes, modelos más caros ocupan más solicitudes, como Claude Opus 4.6 que usa tres veces las solicitudes premium. Cuando agotas las solicitudes premium, Copilot te deja usar libremente los modelos más baratos por el resto del mes.

No siempre fue así. Hasta mayo de 2025, Microsoft ofrecía uso ilimitado de modelos, aunque los usuarios estaban enojados por las restricciones.

Microsoft — como todas las empresas de IA — ha engañado a los clientes vendiendo servicios insostenibles basados en suscripciones mensuales de LLM, que simplemente no funcionan.

Si quieres saber cuánto puede costar un servicio basado en tokens, un usuario de la sección de GitHub Copilot descubrió que una solicitud premium consume aproximadamente 11 dólares en tokens, porque una «solicitud» implica usar 60,000 tokens en la ventana de contexto, varias herramientas y múltiples «turnos» internos (las cosas que hace el modelo) para generar la salida.

También está la confiabilidad inherente de los grandes modelos de lenguaje, que puede generar alucinaciones. Aunque una solicitud premium que se quede en un ciclo infinito y devuelva código incompleto puede ser frustrante, si tú pagas por ello, esas fallas no son tan fáciles de perdonar.

Los usuarios también han sido entrenados para usar los productos de una manera muy diferente a la facturación por tokens: muchos ni siquiera saben cuánto «tokens» están quemando, o cuánto costaría una tarea específica, que varía según el modelo que usen.

Esto es muy diferente a Uber, y cualquiera que diga lo contrario está intentando justificar comportamientos poco éticos. Uber puede subir los precios, pero no necesita cambiar drásticamente la lógica económica subyacente, ni los usuarios tienen que cambiar radicalmente su forma de usar el servicio, porque Uber empieza a cobrar por galón.

Las suscripciones mensuales de IA son parte de una estafa de subsidios, un intento deliberado de separar la IA generativa de sus costos reales

Nunca — y nunca habrá — una forma económicamente viable de ofrecer servicios impulsados por LLM que cobre por el uso real de tokens, sin engañar a los usuarios y crear productos con beneficios ilusorios y retornos de inversión dudosos.

Esto ha sido evidente durante años.

Desde un punto de vista económico, las suscripciones mensuales solo tienen sentido cuando los costos son relativamente estáticos. Un gimnasio puede vender membresías porque sabe aproximadamente cuánto desgaste tendrán sus equipos, costos de clases, electricidad, personal y agua en un período determinado.

Los clientes de Google Workspace — al menos antes de la IA — pagaban por acceder o almacenar documentos, y por los costos continuos de Google Docs y otros servicios. Los costos de almacenamiento digital son relativamente bajos (y, a diferencia de los LLM, Google Workspace no requiere tanta computación), por lo que un usuario muy intensivo en Google Drive no erosionaría sus beneficios de suscripción mensual.

Pero estos servicios ocultan deliberadamente la cantidad de tokens o cuánto cuesta una actividad específica, por lo que los usuarios no saben realmente qué significa la limitación de velocidad, y cada cambio repentino en la tasa hace que intenten entender cuánto pueden hacer con el servicio.

Es una forma de negocio abusiva, manipuladora y engañosa, cuyo único objetivo es que empresas como Anthropic, OpenAI y otras puedan ampliar su base de usuarios, ya que la mayoría percibe los beneficios reales o imaginados en función de que cada dólar de suscripción quema entre 8 y 13.5 dólares en tokens.

Este engaño deliberado tiene un solo objetivo: que la mayoría nunca vea los costos reales de la IA generativa.

Cuando The Atlantic escribió un artículo apasionado sobre Claude Code como el «momento ChatGPT» de Anthropic, se basó en una suscripción de 20 dólares mensuales, no en el consumo real de tokens que requiere. Esto llevó a que el autor perdonara los «pequeños errores» del modelo, o que aceptara que se «atascara en tareas de programación más complejas».

Si el autor pagara por su consumo real de tokens, y cada vez que se atasca le costara 15 dólares en tokens, no creo que perdonara esas fallas tan fácilmente.

Pero eso forma parte de la estafa.

Muy, muy importante: los medios mainstream que escriben sobre IA en realidad no entienden cuánto cuesta realmente ofrecer estos servicios, y la mayoría de los artículos sobre ChatGPT o Claude Code están escritos por personas que casi no saben cuánto puede costar cada tarea individual.

Recuerda: la mayoría de los servicios de IA generativa son productos experimentales, y sus funciones no se parecen en nada a otros softwares o hardware modernos. La gente no puede simplemente acercarse a ChatGPT o Claude y pedirles que trabajen.

Es decir, puedes hacerlo, pero si no das la instrucción correcta, no entiendes cómo funciona, o cometes errores en lo que le alimentas, o si simplemente se equivoca, te dará resultados que no quieres, y eso significa que tendrás que volver a pedirle que lo intente. Los LLM son inherentemente impredecibles.

No puedes garantizar que un LLM realice una acción específica, o que te dé un resultado basado en la realidad. No puedes saber cuánto costará una tarea concreta — incluso si ya la has hecho muchas veces antes con un LLM — ni cuándo puede volverse loco y borrar algo, o simplemente no hacer algo y decir que lo hizo.

Si los usuarios tuvieran que pagar tarifas reales, creo que muchos abandonarían el producto inmediatamente, porque explorar lo que un LLM puede hacer puede quemar fácilmente 5 dólares en tokens.

Nota adicional: en realidad, puedes gastar mucho dinero sin obtener los resultados deseados, porque los LLM no son inteligencia artificial real. Nadie que entienda sus limitaciones puede gastar fácilmente 30, 50 o 100 dólares intentando que un LLM haga lo que afirma poder hacer.

Hay un término para esto. Adulación. Los LLM suelen diseñarse para afirmar a los usuarios, incluso si están diciendo cosas peligrosas o locas, extendiendo la idea de «¿quieres hacer algo que técnicamente o económicamente no es factible?». ¡Por supuesto que sí! Por eso la industria se esfuerza tanto en ocultar estos costos — ¡es una estafa total!

Creo que la mayoría de las suscripciones de IA pasarán a un modelo basado en tokens, especialmente ahora que Anthropic y OpenAI ya lo hacen con sus clientes empresariales.

¿Las empresas comunes pueden permitirse cambiar a un modelo basado en tokens? Anthropic estima que los usuarios gastan entre 13 y 30 dólares diarios en Claude Code (más de 7,000 dólares al año), y las grandes organizaciones gastan decenas o cientos de miles de dólares anuales.

Como discutí la semana pasada, el CTO de Uber dijo en una conferencia que en unos meses gastaron todo el presupuesto de IA para 2026, y Goldman Sachs recomienda que algunas empresas gasten hasta el 10% de los salarios en tokens de IA, con potencial de subir al 100% en los próximos trimestres.

Esto es el resultado directo de entrenar a cada usuario de IA para usar estos servicios lo más posible, ocultando sus costos reales. Cada gran empresa que exige a sus empleados usar IA «todo lo posible» lo hace ignorando o desconociendo su consumo real de tokens, y a medida que las compañías tengan que pagar los costos reales, no sé cómo podrán justificar racionalmente esa inversión.

Por supuesto, dirás que los ingenieros «entregan código más rápido», y entiendo. Pero, ¿cuánto más rápido? ¿Cuánto dinero ahorraste o ganaste? ¿La inversión en tokens de IA en el 10% de tu fuerza laboral se recuperó en otra parte?

No estoy seguro. No creo que ninguna empresa que invierta mucho en tokens vea un retorno claro, y por eso no hay muchos estudios que muestren beneficios reales de invertir en IA.

En la mayoría de los casos, quienes hablan de las posibilidades de la IA generativa lo hacen sin asumir los costos reales.

Cada loco en Twitter que escribe sin parar sobre cómo su equipo usa Claude Code a lo loco, con suscripciones de 125 dólares por persona al mes, límites y productos de Perplexity de 100 dólares al mes, en realidad solo gasta unos 200 dólares al mes en la suscripción Max. Cada monstruo que afirma en LinkedIn que con Perplexity puede hacer horas de trabajo en minutos, en realidad solo gasta unos 200 dólares en esa suscripción.

De hecho, esa suscripción de 10 personas y 1250 dólares al mes probablemente cuesta entre 5000 y 10,000 dólares en llamadas API cada mes, o más.

El director de crecimiento de Anthropic, Amol Avasare, dijo la semana pasada que su suscripción Max está diseñada para uso intensivo en chat, no para tareas como las que hacen con Claude Code y Cowork, y que están considerando «diferentes opciones para seguir ofreciendo una experiencia de calidad», en otras palabras, «ajustaremos los precios en algún momento».

No creo que la gente sea consciente de lo caro que puede ser estos tokens, especialmente en proyectos de programación con grandes repositorios y llamadas frecuentes a herramientas de infraestructura y codificación. ¿Puede alguien pagar 350, 400 o 500 dólares al mes? ¿Podrían soportar un mes que cueste más que eso? ¿Qué pasa si se exceden del presupuesto? ¿O si simplemente no pueden pagar lo que cuesta completar su trabajo?

Un ejemplo más realista: hasta principios de abril, la documentación de desarrollador de Claude Code de Anthropic (archivo) decía que «el costo promedio por desarrollador que usa Claude Code es de 6 dólares diarios, y el 90% de los usuarios mantiene sus costos diarios por debajo de 12 dólares». Hasta esta semana, la documentación dice:

Claude Code cobra por consumo de tokens API. Los precios de los planes de suscripción (Pro, Max, Team, Enterprise) están en claude.com/pricing. El costo por desarrollador varía mucho según el modelo, tamaño del repositorio y patrón de uso (como ejecutar varias instancias o automatizar). En implementaciones empresariales, el costo promedio es de unos 13 dólares por día activo, o entre 150 y 250 dólares al mes, y el 90% de los usuarios mantiene sus costos por debajo de 30 dólares por día activo.

Para estimar el gasto de tu equipo, empieza con un pequeño piloto, usa la herramienta de seguimiento para establecer una referencia, y luego expándelo.

Suponiendo que un mes tiene 21 días laborales, el costo promedio por desarrollador sería de unos 273 dólares mensuales, o 3276 dólares anuales. A 30 dólares por día, serían unos 630 dólares mensuales, o 7560 dólares al año.

Estas cifras son sorprendentes, y aún más si usas modelos más nuevos de Anthropic: Claude Opus 4.7 cuesta 5 dólares por millón de tokens de entrada y 25 dólares por millón de tokens de salida. Un millón de tokens equivale a unas 50,000 líneas de código, y si usas los modelos más avanzados, seguramente consumirás al menos un millón de tokens, y si no sabes qué modelo usar para cada tarea, esa cifra puede subir mucho.

Vamos a jugar con ese número de 30 dólares.

Para un equipo de 10 desarrolladores, eso sería 75,600 dólares al año, solo en días laborales.

Si en tres meses subes a 50 dólares por día, serían 88,200 dólares.

Si en un mes pasas a más de 100 dólares por día, el total anual sería 102,900 dólares.

Si gastas 300 dólares al día, 10 personas gastarían 756,000 dólares al año.

Aunque en startups con mucho dinero o en empresas como Meta esto pueda ser viable, cualquier empresa que se preocupe por los costos difícilmente podrá justificar gastar cinco o seis cifras en un servicio que promete «aumentar la productividad», y que en realidad nadie puede medir con precisión.

Ahora, creo que la mayoría de las empresas se dividen en tres categorías:

Grandes organizaciones como Spotify o Uber, con CEOs obsesionados con IA, que permiten presupuestos sin control. También diría que startups con mucho dinero caen en esta categoría.

Empresas pequeñas que usan suscripciones «Teams» subsidiadas.

Usuarios individuales que pagan una suscripción mensual para Claude u otra IA.

Las grandes organizaciones todavía pueden decir que están quemando millones en tokens de IA para ingenieros, alegando que «los mejores ingenieros» no escriben código, una justificación bastante dudosa.

Una sola mala llamada de resultados puede cambiar esa narrativa. En algún momento, los inversores — incluso los que han estado inflando la burbuja de IA — empezarán a cuestionar los crecientes costos de I+D (que en realidad están ocultos en el consumo de tokens), y cuando los ingresos no crezcan al mismo ritmo, la cosa se pondrá fea.

Probablemente habrá más despidos para reducir costos, como en Meta, y cuando alguien pregunte «¿realmente nos ayuda esto a hacer el trabajo más rápido y mejor?», la empresa se retraerá.

También creo que en seis meses, será difícil convencer a los inversores de que gastar un 10% o más del costo laboral en tokens de IA es necesario.

Una vez que todos cambien a un modelo basado en tokens, no creo que sigamos viendo tanta especulación sobre la IA generativa.

La economía de los centros de datos y potencia de IA es insostenible

La forma en que la gente habla de los centros de datos de IA está completamente desconectada de la realidad, y creo que no se dan cuenta de lo absurdo que se ha vuelto todo esto.

Construcción y operación de centros de datos de IA son caras, y generan pocos ingresos

Según Jerome Darling de TD Cowen, el costo de TI clave (GPU y hardware relacionado) ronda los 30 millones de dólares, y el costo por megavatio de capacidad de un centro de datos es de 14 millones de dólares. La construcción de un centro de datos puede tardar entre uno y tres años, suponiendo que haya suministro eléctrico.

De los 114 GW de capacidad que se planea construir para 2028, solo 15.2 GW están en construcción en alguna forma, y «en construcción» probablemente solo significa que hay un hueco en el suelo. No implica que esa capacidad esté lista para usarse pronto.

Vamos a empezar simple: cuando pienses en «100 MW», piensa en «44 millones de dólares», en gran parte para las GPU de NVIDIA.

Por lo tanto, cada centro de datos de IA comienza con pérdidas de millones de dólares, y aunque se amortice en seis años, tardará años en recuperarse… y con la actualización anual de NVIDIA, una vez que completes el primer contrato, esas GPU probablemente no generarán tanto dinero.

Aún no está claro si hay un mercado de clientes para la potencia de IA fuera de OpenAI y Anthropic, que representan el 50% de la demanda de centros de datos de IA. Si alguna de esas dos no puede pagar, habrá un problema sistémico enorme.

Tampoco está claro qué tarifas de mantenimiento cobrarán estos centros a largo plazo. Aunque el precio spot puede estar en torno a 4.50 dólares por hora por GPU B200, los contratos a largo plazo suelen ser mucho más baratos. Según un fundador (según The Information), pagan unos 3.70 dólares por hora por GPU en contratos anuales.

Es importante distinguir entre el costo spot — el costo de lanzar una GPU en un servidor ajeno — y el costo de capacidad contratado, que representa la mayor parte del gasto de capital en un centro de datos. La mayoría de los centros de datos se construyen pensando en tener uno o dos grandes clientes, que pueden negociar tarifas más baratas.

Por eso, muchas tarifas de centros de datos son mucho menores a 3.70 dólares por hora, porque se cobran por megavatio o kilovatio.

Aquí es donde la economía empieza a colapsar.

La economía colapsada de un centro de 100 MW — 2.55 dólares por hora, 16% de margen bruto con ocupación del 100%, sin beneficios por deuda

Este es el costo inicial de un centro de 100 MW. Un centro de ese tamaño puede tener solo 85 MW de capacidad facturable, y según fuentes familiarizadas, se estima que genera unos 12.5 millones de dólares por MW al año, lo que da unos 1,063 millones de dólares anuales en ingresos.

Ahora, debo aclarar que la mayoría de las empresas de centros de datos no construyen estos centros, sino que dejan esa tarea a compañías como Applied Digital, conocidas como «socios de gestión». Por ejemplo, CoreWeave paga a Applied Digital por usar su centro en North Dakota. CoreWeave se encarga de toda la tecnología GPU y demás en el centro.

Para explicar la desconexión económica, usaré un ejemplo teórico: un centro de datos que alquila potencia a una empresa de IA.

Este centro probablemente usa chips NVIDIA Blackwell. Es más probable que use un pod con 8 GPU B200, que cuesta unos 45 mil dólares cada uno, o 56250 dólares por GPU. Con una carga de 85 MW, el gasto total en capital sería de unos 36.78 millones de dólares por MW, o unos 3,126 millones en total, incluyendo GPU por unos 2,67 mil millones.

Supón que este centro está en Ellendale, Dakota del Norte, donde la tarifa industrial eléctrica es de aproximadamente 6.31 centavos por kWh, y el costo anual de electricidad sería de unos 55.4 millones de dólares. Según fuentes, los costos de mantenimiento, personal, reemplazo de energía y otros gastos continuos representan aproximadamente el 12% de los ingresos, unos 128 millones al año, llegando a unos costos totales de 183.4 millones.

Perdón, aún falta pagar la tarifa de TI clave, que según Brightlio suele ser entre 180 y 200 dólares por kW al mes, dependiendo del tamaño y ubicación del despliegue, aunque he visto cifras tan bajas como 130 dólares. Usaré 180 dólares, lo que equivale a unos 1,33 millones de dólares al año. Esto nos lleva a unos costos totales de 316.4 millones.

Bueno, eso todavía es menos que los 1,06 mil millones de dólares en ingresos, así que estamos bien, ¿verdad?

¡Error! Tienes que amortizar 3,126 millones en equipos de TI, y con una amortización en seis años, eso son unos 521 millones al año. Eso significa unos 837 millones de dólares anuales en costos, dejando unos beneficios brutos de aproximadamente 168 millones, o un margen bruto del 16.7%...

...siempre que la ocupación sea del 100%. Verás, un centro de datos puede tardar uno o dos meses en instalar esas GPU y en que los clientes entren, y durante ese tiempo, tus ingresos son cero, pero los costos — alojamiento, electricidad y operación — siguen corriendo, y en tarifas mucho más bajas (modelé con un 10% en electricidad y 15% en gestión/operación), lo que significa que pierdes unos 3.27 millones de dólares diarios.

Para este ejemplo, supón que necesitas un mes adicional para ponerlo en marcha, lo que significa que ya has pagado unos 102 millones de dólares, que no recuperarás, y que los costos anuales, incluyendo la amortización, alcanzan unos 939 millones, con un margen bruto del 6.6%.

Espera, ¿no usaste deuda para comprar esas GPU? ¿La usaste? ¿Qué tan mal estuvo? Oh Dios — obtuviste un préstamo a 6 años con un LTV del 80%, a una tasa del 6%, por unos 2.8 mil millones de dólares.

Tu banco, en su infinita generosidad, te hizo un trato — 12 meses de gracia, solo pagando intereses… unos 168 millones de dólares, lo que hace que los costos totales del primer año (sin contar el mes de gracia) sean unos 1,005 millones, con ingresos de 1,06 mil millones.

Eso da un margen bruto del 5.19%, y ni siquiera has empezado a pagar el principal. Cuando eso pase, pagarás unos 54.1 millones de dólares al mes en préstamos, y en cinco años, unos 649 millones al año, unos 1,48 mil millones en total, con un margen bruto negativo del 40%.

Debo aclarar que esto asumiendo un 100% de ocupación y que los inquilinos pagan a tiempo.

Stargate Abilene es un desastre — 2.94 dólares por GPU por hora, ingresos anuales de 10 mil millones, con retrasos de años y solo un inquilino que pierde decenas de miles de millones al año

Hablemos del proyecto que probablemente sea el más viable económicamente en la historia de los centros de datos: un gran parque construido por Oracle para la mayor compañía de IA del mundo, una empresa con décadas de historia en grandes empresas y ventas a gobiernos de software costoso.

Claro, estoy bromeando, esto es una pesadilla.

Stargate Abilene, un parque de ocho edificios, 1.2 GW de capacidad, con unos 824 MW de TI clave, anunciado por primera vez en julio de 2024. Hasta el 27 de abril de 2026, solo dos edificios estaban operativos y generando ingresos, y el tercero casi sin equipos. Estimo que el costo total de Stargate Abilene ronda los 52.8 mil millones de dólares.

Según mis informes, Oracle espera unos 10 mil millones de dólares en ingresos anuales de Abilene, y calculo que de su capacidad de 7.1 GW construida para un cliente, obtendrá unos 75 mil millones en total, incluyendo a OpenAI. Como también reporté, Oracle estima que en 2024 Abilene tendrá que pagar al menos 2.14 mil millones en costos de alojamiento y electricidad, a Landlord Crusoe.

También debo agregar que Oracle parece estar pagando todos los costos de construcción de Abilene.

Según mis cálculos y reportes, estimo que una vez en operación completa, la rentabilidad bruta de Abilene sería aproximadamente del 37.47%:

Debo aclarar que ese 37.47% de margen bruto puede ser demasiado optimista, porque no conozco los números reales de seguros o costos de personal de Oracle, solo estimaciones basadas en documentos que revisé.

También debo aclarar que Oracle está apostando todo a proyectos como Stargate Abilene, que generan decenas de miles de millones en costos anticipados, y que incluso si OpenAI paga puntualmente cada factura, tomaría años ser rentable.

Lamentablemente, no puedo saber cuánto de Abilene está financiado con deuda. Solo sé que Oracle en septiembre de 2025 emitió bonos por unos 18 mil millones de dólares, con plazos de 7 a 40 años, y que en su último reporte trimestral tuvo un flujo de caja negativo de 24.7 mil millones.

Lo que sí sé es que Oracle firmó un contrato de arrendamiento de 15 años con Crusoe, y que su futuro depende en gran medida de que OpenAI siga pagando, lo cual a su vez depende de que Oracle complete el proyecto Stargate Abilene.

También debo aclarar que los 3.85 mil millones de dólares en beneficios anuales solo serán posibles si OpenAI paga a tiempo, si se instala en Abilene lo más rápido posible y todo sale según lo planeado.

Si OpenAI no logra recaudar en cuatro años 852 mil millones de dólares en ingresos, financiamiento y deuda, el proyecto Stargate colapsará a Oracle

Y, lamentablemente, la situación es exactamente la opuesta:

Según reportes de DatacenterDynamics, los primeros 200 MW de energía debían estar en funcionamiento en «2025». Con el tiempo, se esperaba que la ocupación comenzara en la primera mitad de 2025, con potencial para llegar a 1 GW en 2025, completar los 1.2 GW en 2026, energizar en medio de 2026 y desplegar 64,000 GPU antes de fin de 2026. Hasta el 30 de septiembre de 2025, «dos edificios estaban en línea».

Para el 12 de diciembre de 2025, el co-CEO de Oracle, Clay Magouyurk, dijo que «Abilene avanza según lo planeado, con más de 96,000 GPU NVIDIA Grace Blackwell GB200 entregadas, que equivalen a dos edificios».

Cuatro meses después, el 22 de abril de 2026, Oracle en Twitter afirmó que «...en Abilene, 200 MW ya están en operación, y la entrega del parque de ocho edificios sigue en marcha». No está claro si esto es la capacidad clave de 200 MW o la potencia total disponible en Abilene. De cualquier forma, solo soporta dos edificios, lo que significa que Oracle claramente no está «avanzando según lo planeado».

Este es un problema enorme. Solo los 206 MW de capacidad clave de IA de OpenAI generan ingresos reales, y al menos un edificio más necesita un mes (o un trimestre) para estar operativo.

Pero hay un problema aún mayor en todo el proyecto Stargate: solo tendrá sentido si OpenAI cumple con sus absurdas predicciones caricaturescas.

Como discutí el viernes:

Repito estos números: una vez terminado, el centro Stargate de 7.1 GW generará unos 75 mil millones de dólares en ingresos anuales, con costos que superan los 3,4 billones de dólares. El flujo de caja libre de Oracle es negativo en 24.7 mil millones, y otras líneas de negocio están estancadas, haciendo que sus pérdidas y su negocio en la nube de bajos beneficios sean su único motor de crecimiento.

Para poder pagar sus contratos de potencia — incluyendo los de Amazon, Microsoft, CoreWeave, Google, Cerberas y Oracle — OpenAI debe recaudar o ganar en cuatro años…

Enlace original

Haz clic para conocer las vacantes en BlockBeats

Únete a la comunidad oficial de BlockBeats:

Grupo de Telegram: https://t.me/theblockbeats

Chat de Telegram: https://t.me/BlockBeats_App

Cuenta oficial de Twitter: https://twitter.com/BlockBeatsAsia