La industria de la IA entra por primera vez en la "fase de cálculo económico"

OpenAI y Anthropic podrían estar en una guerra de precios, la noticia parece que es una disputa entre dos principales empresas de IA por captar usuarios, pero en realidad es la primera vez que la industria de IA entra en una verdadera “fase de cálculo de valor”.

En los últimos dos años, lo más discutido en la industria de IA ha sido la capacidad de los modelos: quién tiene un modelo más potente, quién tiene un razonamiento mejor, quién tiene una capacidad de código más estable, quién sorprende más en multimodalidad. El capital, los medios y los usuarios están dispuestos a pagar una prima por el “modelo más fuerte”. Pero cuando la IA realmente entra en las empresas, la situación empieza a cambiar. Las empresas ya no solo preguntan “¿el modelo es fuerte?”, sino “¿la factura es cara?”; ya no solo miran “si hay IA”, sino que empiezan a preguntar “¿cuántos resultados se obtienen por estos tokens?”. Este es realmente el aspecto que vale la pena observar en esta noticia.

Según Reuters citando al Wall Street Journal, OpenAI está considerando reducir significativamente los precios de sus servicios de IA para competir por usuarios con Anthropic; las discusiones aún están en curso, y Reuters también aclaró que no pudo confirmar de forma independiente la noticia. La información también menciona que los ejecutivos de las empresas están presionando por los costos de uso de IA, y Sam Altman recientemente admitió que los costos ya se han convertido en un “gran problema”. Creo que esto puede entenderse en el contexto del ascenso de Anthropic en el sector empresarial, la popularidad de Claude Code, el enfoque de OpenAI en Codex, el control de gastos en agentes de IA por parte de las empresas, y la prueba de modelos comerciales antes de la IPO. Mi juicio es: esto no es solo una guerra de reducción de tokens, sino el inicio de la transición de la industria de IA de “demostraciones inteligentes” a “cálculo de valor”.

Esto no es una guerra de precios en el sentido tradicional

Siguiendo la lógica de internet tradicional, si una empresa baja precios, otra la sigue, los usuarios ganan, el mercado se expande y finalmente los costos se diluyen por escala. Pero los servicios de modelos grandes no siguen exactamente esa lógica. La IA no se basa en una distribución de software con costos marginales casi nulos, sino en gastos reales de computación, almacenamiento, red, electricidad, refrigeración y capital en centros de datos.

Por eso, la IA no puede reducirse indefinidamente. Los precios pueden optimizarse, el costo por token puede disminuir, la eficiencia del razonamiento del modelo puede mejorar, el caché, el procesamiento por lotes y el enrutamiento del modelo pueden reducir los costos prácticos, pero el consumo de recursos subyacentes no desaparece de la nada. La página oficial de precios de OpenAI muestra que la API de GPT-5.5 tiene un precio de 5 dólares por millón de tokens de entrada y 30 dólares por millón de tokens de salida; la información oficial de Anthropic indica que el uso regular de Claude Opus 4.8 cuesta 5 dólares por millón de tokens de entrada y 25 dólares por millón de tokens de salida. Esto demuestra que los modelos insignia de primera línea aún mantienen un precio ancla para tareas de alto valor, y no han entrado en una fase de “precios sin límite”.

Por lo tanto, la llamada guerra de precios en IA probablemente sea más una reducción estructural de precios que un colapso total de los mismos. Los consumidores, desarrolladores, modelos de menor nivel y escenarios de entrada de alta frecuencia pueden ser los primeros en bajar precios; las tareas centrales de las empresas, razonamientos complejos, códigos de alta fiabilidad y escenarios con requisitos estrictos de cumplimiento y seguridad seguirán manteniendo primas.

El verdadero problema no es si los tokens son baratos o no, sino si cada token puede generar suficiente valor.

De tokenmaxxing a valuemaxxing

En el artículo anterior de “Observación de礼立·Comentarios tecnológicos”, discutimos sobre tokenmaxxing: las empresas y empleados aumentan continuamente el uso de tokens para demostrar que “usan IA”. Pero ahora, la discusión sobre la guerra de precios indica que la industria de IA debe pasar de tokenmaxxing a valuemaxxing. Tokenmaxxing se centra en “cuánto IA se usa”; valuemaxxing en “cuánto valor se genera en cada llamada a IA”. Detrás de estos términos hay dos lógicas industriales completamente diferentes.

Si una empresa solo mira el consumo de tokens, fácilmente puede obtener una curva de uso de IA que parece próspera: todos usan, el volumen de llamadas aumenta, las facturas del modelo crecen. Pero esto no necesariamente significa un aumento en productividad. Las empresas maduras, en su siguiente paso, preguntarán: ¿estos tokens redujeron retrabajos? ¿Acortaron los ciclos de entrega? ¿Mejoraron la calidad del código? ¿Mejoraron la experiencia del cliente? ¿Reducieron los costos de ventas, atención, I+D, operaciones y gestión?

Este es el núcleo real cuando la IA entra en las empresas. Antes, las empresas vendían “capacidades inteligentes”; ahora, los clientes quieren comprar “resultados verificables”. Este también es el cambio más importante detrás de la guerra de precios: la competencia en IA está pasando de “quién es más inteligente” a “quién es más rentable”, y más allá, a “quién puede entregar resultados”.

Por qué OpenAI siente presión

La presión sobre OpenAI proviene de dos frentes.

Por un lado, el rápido ascenso de Anthropic en el sector empresarial, especialmente la expansión de Claude Code entre desarrolladores y equipos de ingeniería. El escenario de código es uno de los más propensos a formar escenarios de alta frecuencia, alto valor y fuerte adhesión, porque puede integrarse directamente en los procesos de I+D y afectar la eficiencia de entrega. La mención en el material indica que Claude Code ha impulsado el crecimiento de ingresos, y también ha llevado a OpenAI a centrarse en Codex. Esto muestra que el campo de batalla de la IA ya no es solo el chat, sino que ha entrado en los flujos de trabajo reales de las empresas.

Por otro lado, los clientes empiezan a reevaluar los costos de IA. En las etapas iniciales, muchas empresas adoptaron IA con una mentalidad experimental: compran, usan y exploran primero. Pero cuando el volumen aumenta y las facturas se elevan, la gerencia pasa de “¿es útil IA?” a “¿vale la pena usarla?”. Reuters también menciona que los ejecutivos ya están insatisfechos con los altos costos de uso de IA.

Esto no significa que la ola de entusiasmo por IA haya terminado, sino que la IA entra en la gestión de presupuestos operativos. El presupuesto de innovación cuenta historias, el de operación mira el retorno. En esta etapa, las empresas no solo preguntarán si el modelo es fuerte, sino cuánto cuesta cada tarea, si el proveedor puede ser reemplazado, si los resultados son medibles. Mi juicio es: si OpenAI considera reducir precios, no significa que su modelo de negocio esté fallando, sino que la IA está pasando de ser un “proyecto estratégico” a un “gasto operativo”. Cuando entra en los costos operativos, los clientes empiezan a calcular la IA de manera más fría.

La guerra de precios realmente cambiará las reglas de la industria

Lo que esta competencia cambiará realmente no es solo el precio de un modelo, sino el sistema de evaluación de la industria de IA.

Primero, las empresas de modelos no pueden solo contar historias con “el modelo más fuerte”, sino que deben demostrar que el “costo de inteligencia por unidad” sigue bajando. Quien pueda hacer más tareas con menos tokens, menor latencia y resultados más estables, tendrá ventaja.

Segundo, los clientes empresariales serán más proactivos en la combinación de modelos. Antes, las empresas podían comprar directamente el modelo más potente; ahora, empezarán a diferenciar según el tipo de tarea: razonamiento complejo con modelos insignia, atención al cliente rutinaria con modelos ligeros, búsqueda interna con modelos locales, revisión de código con modelos especializados. En el futuro, la arquitectura de IA empresarial probablemente no será un solo modelo, sino múltiples modelos, múltiples proveedores y gestión de costos en varias capas.

Tercero, las empresas de aplicaciones tendrán oportunidades. La reducción de precios de los modelos comprimirá parte del valor premium de los modelos base, pero aumentará el valor en la capa de aplicaciones. Porque lo que los clientes quieren al final no son tokens baratos, sino resultados comerciales estables, entregables y gobernables. Quien pueda encapsular las capacidades del modelo en procesos reales del sector, podrá convertir el “costo de tokens” en “valor empresarial”.

Cuarto, los inversores cambiarán su forma de ver las empresas de IA. Antes, miraban los rankings de modelos, el crecimiento de usuarios y las historias de valoración; en el futuro, observarán la estructura de márgenes, costos de razonamiento, retención de clientes, tasa de cumplimiento de tareas, penetración en flujos de trabajo y economía por tarea. Reuters indica que tanto OpenAI como Anthropic ya están en proceso de IPO, y que OpenAI ha presentado en secreto documentos para la IPO; esto significa que el mercado abierto examinará más directamente la calidad de sus ingresos, estructura de costos y fidelidad de clientes.

Mi juicio es: la guerra de precios en IA no terminará con la narrativa de alto valor, sino que terminará la fase de “solo por llamar a los modelos se puede contar una gran historia”.

Las enseñanzas para la industria de IA en China

Para la industria de IA en China, esto tiene tres enseñanzas.

Primero, las grandes empresas de modelos en China no pueden solo competir en parámetros, rankings y lanzamientos, sino que deben entrar más temprano en la competencia de eficiencia de costos. Los clientes chinos son más sensibles a los precios y más realistas respecto al ROI. Si el modelo tiene buena capacidad, pero el razonamiento es costoso, la estabilidad insuficiente o la entrega no clara, será difícil que entre en los procesos centrales de la empresa.

Segundo, las oportunidades en IA en China no están en copiar simplemente a OpenAI o Anthropic, sino en profundizar en escenarios industriales y flujos de trabajo. Manufactura, cadena de suministro, comercio transfronterizo, control financiero, servicios gubernamentales, operación de parques, atención al cliente y ventas, fiscalidad y legalidad, todos estos son procesos complejos que existen en las empresas chinas. Quien pueda integrar IA en estos procesos, podrá transformar la capacidad del modelo en servicios industriales.

Tercero, las empresas chinas deberían establecer cuanto antes su propio sistema de gestión de costos de IA. No solo contar cuánto IA usan, sino evaluar la inversión y el retorno en cada tarea, proceso y departamento. En el futuro, la gestión de IA en las empresas no debe limitarse a “qué modelos compraron”, sino a “qué tareas son aptas para IA, qué modelo es más rentable, quién revisa los resultados, cómo se distribuyen los costos y cómo se evalúa el valor”.

Un recordatorio importante: un precio bajo no significa que sea realmente barato. Investigadores de Stanford, Berkeley y otros han señalado que el costo de los modelos de razonamiento no siempre se refleja en los precios de API; en algunos casos, modelos con precios más bajos consumen más tokens de pensamiento y, en consecuencia, el costo total es mayor. Esto es especialmente relevante para las empresas chinas: al elegir proveedores de IA, no solo se debe mirar el precio por millón de tokens, sino el costo total desde la entrada, el razonamiento, la salida, la revisión y la finalización de una tarea.

Este también es mi criterio constante: cuando la IA entra en las empresas, la competencia no es solo quién habla mejor, sino quién completa mejor las tareas; no quién gasta más tokens, sino quién convierte la inteligencia en resultados de menor costo, mayor calidad y verificables.

Conclusión: barato no es el fin, sino el valor

Si OpenAI y Anthropic realmente entran en una guerra de precios, a corto plazo será una disputa por usuarios, y a largo plazo, una prueba de modelos de negocio. Esto impulsará la reducción de costos de uso de IA y acelerará la adopción por parte de las empresas; pero también obligará a toda la industria a responder una pregunta más seria: ¿la IA realmente crea valor o solo genera facturas más grandes?

Por eso, el verdadero significado de esta guerra de precios no es si los tokens serán baratos o no, sino que la industria de IA finalmente pase de “demostraciones inteligentes” a “cálculo de valor”.

Las empresas de IA que realmente valen en el futuro no serán necesariamente las que mejor hablen, sino las que puedan convertir cada consumo de inteligencia en resultados de tareas, eficiencia empresarial y valor industrial.

La próxima etapa de la industria de IA no es que los tokens sean más baratos, sino que cada token valga más.