Seúl cae un 10.84% y las empresas cierran el grifo de tokens: llega la factura de la IA

Durante dieciocho meses, el mercado de IA se resumía en una cifra: el precio del millón de tokens, que no dejaba de caer. El 28 de julio, dos noticias publicadas con horas de diferencia cambiaron la pregunta. En Seúl, el Kospi perdió un 10.84% en una sesión, la peor desde 2008, al revisarse bruscamente una hipótesis: ¿justifican los ingresos de IA el gasto comprometido en semiconductores? En Washington, una investigación de AP, firmada por Matt O’Brien, documentó el giro equivalente dentro de las empresas: el fin del «tokenmaxxing», la moda de consumir tantos tokens como fuera posible, ahora alcanzada por las facturas. Uber agotó su presupuesto de IA de 2026 en cuatro meses. Salesforce apunta a $300 millones anuales de facturación de Anthropic. El precio unitario nunca había sido tan bajo, y precisamente eso hizo explotar el gasto total.

El Kospi registra su peor sesión desde 2008

Las cifras no dejan dudas. El índice coreano perdió 732.09 puntos y cerró en 6’023.66, un −10.84%, tras llegar al −11.3% intradía y bajar de 6’000 por primera vez desde el 14 de abril. Korea Exchange activó un cortacircuitos bursátil al superar el descenso del 8%, suspendiendo las operaciones veinte minutos: fue la octava activación del año. De las 917 acciones del mercado principal, 878 bajaron y solo 36 subieron.

Los dos grandes valores concentraron el golpe: Samsung Electronics cayó un 14.4%, su mayor descenso diario desde octubre de 2008, y SK hynix un 14.7%, mientras sus certificados de depósito estadounidenses volvían a situarse por debajo del precio de colocación. El contagio regional fue desigual: Nikkei 225, −4.3%; Taiex, −4.7%; Shanghai Composite, −1.4%; el Philadelphia Semiconductor cedió un 2.2% y Nvidia alrededor del 5%. En julio, el Kospi acumula una caída del 29%, superior al récord del −27% de octubre de 1997, en plena crisis financiera asiática.

Se citan dos desencadenantes distintos. El industrial: el fabricante chino de memoria ChangXin Memory Technologies subió un 466% en su debut en Shanghái, en un contexto de noticias sobre producción nacional de equipos de litografía con apoyo estatal, lo que anticipa competencia en el segmento que da valor a Samsung y SK hynix. El financiero: una revisión general de la relación entre inversión en infraestructura de IA e ingresos observados. En un informe reciente, analistas de Moody’s dirigidos por Vincent Gusdorf modelizaron un escenario en el que las valoraciones de empresas vinculadas a la IA caen un 40% en los próximos meses. Es un escenario analítico, no la previsión central, pero ayuda a interpretar lo ocurrido hoy.

Tokenmaxxing: la factura llega a la dirección financiera

La otra cara del día ocurre dentro de las empresas y resulta más instructiva para quien gestiona un presupuesto. Aún esta primavera, el tokenmaxxing se consideraba una virtud: maximizar el consumo de tokens como señal interna de modernidad. Jensen Huang había fijado la medida: si un ingeniero de $500’000 anuales no consume $250’000 en tokens, algo falla. Sam Altman decía estar «entusiasmado por ver qué ocurrirá con las empresas de tokenmaxxing». En Meta, un ranking interno informal llamado «Claudeonomics» registró unos 60 billones de tokens en un mes antes de retirarse.

El verano invirtió la señal. Según AP el 28 de julio, Uber consumió todo su presupuesto de IA de 2026 en cuatro meses y después impuso un límite de $1’500 mensuales por herramienta de programación. Salesforce apunta a una factura anual de Anthropic de unos $300 millones. Microsoft restringió el gasto individual en Claude Code tras las elevadas facturas de algunos ingenieros. Un consultor de Bain & Company resume el cálculo que muchas organizaciones omitieron: $200 por desarrollador al mes parecen poco hasta multiplicarlos por los 20’000 desarrolladores de un gran grupo: $48 millones anuales en una partida no presupuestada. Y el crecimiento supera al nivel: en algunas grandes empresas, la factura de tokens casi se duplica cada dos meses.

«Es muy fácil crear con IA algo que no necesita. Cuando empezaron a llegar las facturas, la gente comprendió que esas herramientas son bastante caras y que hay que utilizarlas con criterio».

Vincent Gusdorf, responsable de análisis de IA, Moody’s Ratings

Los demás protagonistas expresan la misma idea de formas distintas. Satya Nadella advirtió que el tokenmaxxing es adictivo y que el cliente paga dos veces: en tokens y exponiendo sus datos propios. Alex Karp, de Palantir, consideró que «algo había salido completamente mal». Raffi Krikorian, director tecnológico de Mozilla, fue tajante: «el tokenmaxxing es una tontería». La observación más operativa es la del consultor de Bain: no todo necesita el modelo más potente del catálogo.

La paradoja: los tokens nunca habían sido tan baratos

Hay que mantener ambas ideas porque ahí se oculta el error más caro. Los precios unitarios sí han caído enormemente. Entre principios de 2025 y 2026, las tarifas de API bajaron aproximadamente un 80%. El 24 de julio, Anthropic situó Claude Opus 5 en cabeza del índice de Artificial Analysis a $5 / $25 por millón de tokens, la mitad que el Claude Fable 5 ($10 / $50) al que desplazó. La API de pago más barata, Ministral 3 3B, figura a $0.10 / $0.10 al 27 de julio. Sobre el papel, la IA nunca había costado tan poco.

El volumen hizo el resto, y mucho más. El paso a usos agénticos, donde un modelo planifica, llama herramientas, revisa resultados y vuelve a empezar, consume hasta 1’000 veces más tokens que una consulta sencilla de chatbot. Dividir el precio por cinco y multiplicar el volumen por mil multiplica la factura por doscientos. Eso describen las direcciones financieras citadas por AP: ninguna se equivocó con la tarifa; todas se equivocaron con el volumen. El gasto llega a un mercado que Gartner valoró el 19 de mayo de 2026 en $2.59 billones de gasto mundial anual en IA, un 47% más, con más del 45% destinado solo a infraestructura.

La consecuencia práctica es que el precio por token ha dejado de ser una métrica de gestión. La útil es el coste por tarea completada, que incorpora los tokens de razonamiento realmente consumidos. La diferencia es medible: Artificial Analysis registra $2.03 por tarea para Opus 5 con esfuerzo máximo frente a $2.75 para Fable 5, un 26% menos con inteligencia equivalente, una diferencia que no aparece en las tarifas.

La respuesta del 27 de julio es el enrutamiento

Microsoft ofreció la demostración más clara el día anterior a la caída. El 27 de julio presentó MAI-Cyber-1-Flash, su primer modelo específico de ciberseguridad: arquitectura de mezcla de expertos con 137 mil millones de parámetros, de los que 5 mil millones están activos, y contexto de 256’000 tokens.

Lo relevante es la combinación. Dentro del sistema agéntico MDASH, el modelo pequeño resuelve hasta el 90% de las tareas y recurre a GPT-5.4 para el 10% realmente difícil. Resultado anunciado: 95.95% en CyberGym, más de diez puntos por delante de configuraciones rivales de Google y OpenAI, con un 50% menos de coste que la combinación anterior de Microsoft (GPT-5.4, GPT-5.4 mini y GPT-5.3 Codex). Es decir, mejor resultado y mitad de precio al cambiar la regla de enrutamiento. Microsoft sigue dependiendo de OpenAI para lo más difícil: enrutar no elimina el modelo de vanguardia, sino que evita pagarlo para tareas que no lo justifican. Un solo anuncio refuta el tokenmaxxing.

Bajo los tokens: electricidad y cumplimiento

Aparecen dos costes aún invisibles en las facturas de API. El primero es físico. La inferencia representa ya entre el 80 y el 90% de la carga de cómputo de IA de los grandes proveedores y es continua. En PJM, la mayor red estadounidense, la última subasta de capacidad quedó 6.8 gigavatios por debajo del nivel necesario para garantizar fiabilidad en picos, casi siete reactores nucleares. Los costes de suministro subieron más del 60%, y los centros de datos representaron unos $6.3 mil millones de los $16.4 mil millones subastados (lectura del 15 de julio de 2026). Fortune señaló el 26 de julio que esos centros habían tendido hasta ahora a reducir costes eléctricos, y que la magnitud del programa de inversión, unos $7 billones sin demanda garantizada, amenaza con invertir la tendencia. Dos cifras requieren una reserva explícita: el consumo mundial de centros de datos en 2026, estimado en 565 TWh (+26% interanual), y los 75 proyectos por $130 mil millones aplazados o cancelados por falta de electricidad proceden de análisis sectoriales que no pudimos corroborar con una fuente primaria.

El segundo coste es regulatorio y tiene fecha: este domingo 2 de agosto de 2026 comienza a aplicarse el artículo 50 del Reglamento europeo de IA. Impone cuatro obligaciones de transparencia: revelar la interacción con una IA, marcar el contenido sintético en formato legible por máquinas, informar a las personas sometidas a categorización biométrica y revelar las falsificaciones profundas. Las sanciones pueden alcanzar €15 millones o el 3% de la facturación mundial, lo que sea mayor. Para una organización suiza, la aplicación depende del mercado, no solo del territorio: si los contenidos o sistemas llegan a usuarios de la Unión, la obligación los acompaña. Se suma la decisión de la Comisión Europea del 16 de julio bajo la Ley de Mercados Digitales: Google debe abrir a competidores el acceso al sistema Android reservado a Gemini, once funciones disponibles con Android 18 a más tardar el 1 de agosto de 2027, y compartir datos de búsqueda en condiciones equitativas desde enero de 2027. El cumplimiento pasa a ser una partida de costes como el cómputo.

Comparativa de precios de API al 28 de julio de 2026

No se han publicado cambios de precios desde la lectura del 27 de julio. La tabla sirve como referencia de coste unitario, recordando que la noticia de hoy es el volumen.

Modelo	Entrada ($/M tokens)	Salida ($/M tokens)	Nota
Claude Fable 5 (Anthropic)	10.00	50.00	destronado en el índice AA el 24 de julio; conservación de datos obligatoria
GPT-5.6 Sol (OpenAI)	5.00	30.00	índice AA: 59
Claude Opus 5 (Anthropic)	5.00	25.00	primero del índice AA (61); $2.03/tarea; modo Fast ×2.5 por el doble de precio
GPT-5.6 Terra (OpenAI)	2.50	15.00	lanzado el 9 de julio; algunos agregadores aún muestran 1.25/7.50
Kimi K3 (Moonshot, China, pesos abiertos)	3.00	15.00	pesos abiertos el 27 de julio (1.4 TB); licencia sin publicar; índice AA: 57
Gemini 3.1 Pro (Google)	2.00	12.00	se duplica por encima de 200k tokens de contexto
Claude Sonnet 5	2.00	10.00	precio de lanzamiento hasta el 31 de agosto; después 3/15
Gemini 3.6 Flash (Google)	1.50	7.50	lanzado el 21 de julio; −17% de tokens por tarea
Grok 4.5 (xAI)	2.00	6.00	modelo de programación; acceso aún restringido en la UE
GPT-5.6 Luna (OpenAI)	1.00	6.00	lanzado el 9 de julio
Inkling (Thinking Machines, pesos abiertos)	1.87	4.68	licencia Apache 2.0; multimodal
Meta Muse Spark 1.1	1.25	4.25	primera API de pago de Meta
LongCat-2.0 (Meituan, pesos abiertos)	0.75	2.95	promoción 0.30/1.20; licencia MIT
Gemini 3.5 Flash-Lite (Google)	0.30	2.50	lanzado el 21 de julio; capacidad de procesamiento muy elevada
Grok 4.3 / 4.20 (xAI)	1.25	2.50	1M de tokens de contexto
Mistral Large 3	0.50	1.50	tarifa de diciembre de 2025 (−75%); API Batch al −50%
DeepSeek V4 Pro	0.435	0.87	alias deepseek-reasoner retirado el 24 de julio
DeepSeek V4 Flash	0.14	0.28	1M de tokens de contexto; alias deepseek-chat retirado el 24 de julio
Ministral 3 3B (Mistral)	0.10	0.10	API de pago más barata registrada al 27 de julio

Tarifas de Mistral Large 3, Ministral 3 3B, DeepSeek V4, Opus 5, Fable 5 y Kimi K3 verificadas el 28 de julio de 2026; las demás proceden de la lectura del 27 de julio de 2026, sin cambios publicados desde entonces. Atención: varios agregadores aún publican tarifas obsoletas. Mistral Large 3 aparece a menudo a 2.00/6.00 cuando el precio oficial es 0.50/1.50 desde diciembre de 2025. Las tarifas promocionales y de caché pueden caducar sin aviso.

Qué significa para una organización suiza

Tres conclusiones, en el orden en que cuestan dinero.

Primero, el presupuesto de IA debe ser un límite técnico, no una línea contable. Uber lo rebasó porque su infraestructura no lo impedía, no porque subieran los precios; el tope de $1’500 por herramienta y mes llegó después. Establecer límites por equipo, proyecto y herramienta en el propio sistema, en lugar de descubrirlos en una nota de gastos, es la primera medida, incluso antes de elegir modelo.

Segundo, el ahorro está en el enrutamiento, no en el descuento. MAI-Cyber-1-Flash lo cuantifica: 90% de tareas en un modelo pequeño, 10% en el de vanguardia y una factura reducida a la mitad con mejor rendimiento. Negociar un 10% de descuento no compensa asignar una tarea a un modelo diez veces demasiado caro. Hay que saber qué consume cada tarea y medir su coste, no solo el precio por token.

Por último, lo ocurrido en Seúl también se aplica a los proveedores. Las hipótesis de mercado se revisan deprisa: −10.84% en una sesión, −29% en un mes. Una organización unida a un único proveedor absorbe sus cambios de precios, límites, disponibilidad y pronto cumplimiento del artículo 50 sin capacidad de negociación. La postura adecuada es conservar la medición y el control: saber cuánto cuesta cada tarea y poder trasladarla sin reconstruir su base, sin internalizarlo todo ni delegarlo todo.