Cómo funciona realmente el precio de los tokens de Claude
Cada llamada a la API de Claude se factura en tokens, no en solicitudes, y no todos los tokens cuestan lo mismo.
La misma solicitud puede mezclar cuatro tipos de tokens diferentes, cada uno con su propio precio, y el modelo que elijas multiplica todos ellos a la vez.
Para un líder técnico que dimensiona una carga de trabajo de producción, comprender este modelo de costos es la diferencia entre una estimación aproximada y una línea presupuestaria defendible.
Esta página construye el modelo mental: qué es un token a efectos de facturación, por qué las entradas y las salidas tienen precios asimétricos y cómo el almacenamiento en caché divide el lado de la entrada en dos precios más.
Resumen
- Idea central: La facturación de Claude tiene cuatro categorías de tokens por modelo (entrada, salida, escritura de caché, lectura de caché), y cada una tiene su propio precio por millón de tokens.
- Por qué importa: El costo real de una carga de trabajo depende de la combinación de estas cuatro categorías, no solo de un único número de "precio por llamada", y esa combinación cambia a medida que adoptas el almacenamiento en caché o el procesamiento por lotes.
- Conceptos clave: tokens de entrada, tokens de salida, tokens de creación de caché, tokens de lectura de caché, precios por millón de tokens (MTok), nivel de modelo.
- Cuándo usar: Dimensionar el presupuesto de la API de una nueva función, comparar niveles de modelos para una tarea o explicar una factura sorpresa a un interesado.
- Limitaciones / Compensaciones: Los precios son un objetivo en movimiento entre generaciones de modelos y ventanas promocionales, por lo que cualquier número citado aquí es una instantánea, no una constante permanente.
- Temas relacionados: conteo de tokens, almacenamiento en caché de prompts, niveles de modelos, precios de la API por lotes.
Fundamentos
Un token es la unidad sobre la que funciona el medidor de precios de Claude, no una palabra o un carácter.
Aproximadamente, un token son unos pocos caracteres de texto en inglés, por lo que un párrafo corto puede tener entre 40 y 60 tokens, y un prompt del sistema largo puede alcanzar miles.
Cada respuesta de la API de Mensajes incluye un objeto usage que informa exactamente cuántos tokens de cada tipo se consumieron, por lo que nunca tendrá que adivinar después del hecho.
La versión más simple del modelo de precios tiene dos categorías: tokens de entrada (todo lo que envías, incluido el prompt del sistema, las definiciones de herramientas y el historial de conversación) y tokens de salida (todo lo que el modelo genera de vuelta).
Los tokens de salida tienen un precio significativamente más alto que los tokens de entrada para cada modelo de Claude, típicamente alrededor de cinco veces más.
Esa asimetría existe porque la generación de cada token de salida requiere un pase hacia adelante completo a través del modelo, mientras que un gran lote de tokens de entrada se puede procesar juntos en paralelo durante la lectura inicial.
Una instantánea rápida de los precios por millón de tokens (MTok) a mediados de 2026 concreta la diferencia entre los niveles:
| Modelo | Entrada / MTok | Salida / MTok |
|---|---|---|
| Claude Haiku 4.5 | ~$1 | ~$5 |
| Claude Sonnet 5 | ~$2 (introducción, hasta el 2026-08-31) | ~$10 (introducción) |
| Claude Opus 4.8 | ~$5 | ~$25 |
| Claude Fable 5 | ~$10 | ~$50 |
Dos cosas saltan a la vista de inmediato: la salida es siempre aproximadamente 5 veces la entrada dentro de un modelo dado, y la brecha entre el modelo más barato y el más caro es aproximadamente 10 veces en la entrada y 10 veces en la salida.
Mecánica e Interacciones
El modelo de dos categorías anterior es la versión simplificada.
Una vez que introduces el almacenamiento en caché de prompts, el lado de entrada se divide en dos categorías más con sus propios precios: tokens de creación de caché (el costo de escribir un prefijo reutilizable en la caché por primera vez) y tokens de lectura de caché (el costo con descuento de reutilizar ese prefijo en una llamada posterior).
Una escritura de caché cuesta más que un token de entrada normal, típicamente alrededor de 1.25 veces la tarifa de entrada base para el TTL estándar de 5 minutos, porque el sistema realiza un trabajo adicional para almacenar el prefijo para su reutilización.
Una lectura de caché, por el contrario, es drásticamente más barata que un token de entrada normal, a menudo alrededor de una décima parte de la tarifa base, porque Claude omite el reprocesamiento de ese segmento del prompt por completo.
Esto significa que el objeto usage de la solicitud de una sola solicitud puede informar tokens de entrada, tokens de salida, tokens de creación de caché y tokens de lectura de caché simultáneamente, cada uno facturado a su propia tasa:
response = client.messages.create(
model="claude-sonnet-5",
max_tokens=500,
system=[{"type": "text", "text": long_prompt, "cache_control": {"type": "ephemeral"}}],
messages=[{"role": "user", "content": "Summarize the policy above."}],
)
usage = response.usage
# usage.input_tokens, usage.output_tokens,
# usage.cache_creation_input_tokens, usage.cache_read_input_tokensLa consecuencia práctica es que el costo combinado por solicitud de una carga de trabajo no es un número único, es un promedio ponderado entre hasta cuatro precios, y ese promedio cambia cada vez que cambia la tasa de aciertos de tu caché.
Una carga de trabajo que reutiliza un prompt del sistema grande en miles de llamadas por día verá caer su costo efectivo por solicitud bruscamente después de que la primera llamada pague la prima de escritura de caché, porque cada llamada subsiguiente paga la tarifa de lectura de caché mucho más barata en lugar del precio de entrada completo.
Un error de razonamiento común es tratar los "tokens de entrada" como un costo fijo único al comparar modelos: un modelo con un precio de entrada superior anunciado aún puede ser más barato en la práctica si necesita menos tokens en total para realizar la misma tarea, o si una gran parte de su entrada se convierte en lecturas de caché.
Consideraciones y Aplicaciones Avanzadas
A escala de producción, tres palancas interactúan para determinar tu gasto real: qué nivel de modelo maneja una tarea determinada, cuánto del prefijo de entrada se puede almacenar en caché y si la carga de trabajo puede tolerar el procesamiento asíncrono de la API por lotes por aproximadamente la mitad del precio.
Ninguna de estas palancas es mutuamente excluyente.
Una canalización bien ajustada a menudo dirige tareas de clasificación a Haiku, almacena en caché un prompt del sistema compartido entre todos los niveles y envía trabajos masivos no urgentes a través de la API por lotes, lo que acumula tres descuentos separados.
| Palanca | Ahorro Típico | Mejor Ajuste |
|---|---|---|
| Niveles de modelo (Haiku vs Opus/Fable) | Hasta ~10x tanto en entrada como en salida | Enrutamiento por complejidad de tarea, no un modelo para todo |
| Almacenamiento en caché de prompts (lectura de caché vs entrada nueva) | Hasta ~90% en tokens con aciertos de caché | Prompts del sistema repetidos, esquemas de herramientas, contexto compartido largo |
| API por lotes | ~50% de descuento sobre precios síncronos | Cargas de trabajo de alto volumen, tolerantes a la latencia |
Ninguno de estos números es estático en el ciclo de lanzamiento de la industria.
Las generaciones de modelos se retiran y se les reasignan precios, las ventanas de precios introductorios promocionales expiran (los precios introductorios de Sonnet 5 aquí están explícitamente limitados en el tiempo hasta el 2026-08-31), y los porcentajes de descuento para el almacenamiento en caché y el procesamiento por lotes han cambiado entre las actualizaciones del proveedor en el pasado.
La conclusión duradera es la forma del modelo de costos, cuatro categorías de tokens, con precios independientes, multiplicadas por el nivel de modelo al que envíes, en lugar de cualquier cifra monetaria específica.
Por esa razón, trata los números de este artículo como una instantánea para razonar sobre las compensaciones, y verifica las cifras actuales en la página de precios en vivo antes de finalizar un presupuesto o una ADR.
Conceptos erróneos comunes
- "Los tokens de entrada y salida cuestan lo mismo". No es así, la salida tiene un precio aproximadamente 5 veces mayor que la entrada para todos los modelos actuales de Claude, porque la generación es una operación fundamentalmente más costosa que la lectura.
- "Una escritura de caché es gratuita, o tiene el mismo precio que una llamada normal". Una escritura de caché cuesta más que un token de entrada sin caché, el descuento solo aparece en el lado de la lectura, en llamadas posteriores que reutilizan el mismo prefijo.
- "El modelo más barato es siempre la opción más barata". Un modelo más barato que necesita más reintentos, prompts más largos o produce una salida de menor calidad que requiere reelaboración humana puede costar más de extremo a extremo que un modelo más caro que lo hace bien a la primera.
- "El recuento de tokens es lo mismo que el recuento de caracteres o palabras". Un token son aproximadamente unos pocos caracteres, pero la correspondencia exacta depende del texto y del tokenizador, por lo que existe la capacidad de conteo de tokens de la API en lugar de una fórmula fija.
- "Los precios son fijos y seguros para codificar". Las ventanas de precios introductorios expiran, las generaciones de modelos se retiran y los porcentajes de descuento para el almacenamiento en caché y el procesamiento por lotes han cambiado antes, por lo que las suposiciones de precios pertenecen a un valor de configuración que puedes actualizar, no a una constante codificada.
Preguntas frecuentes
¿Por qué la salida es más cara que la entrada para todos los modelos de Claude?
La generación de cada token de salida requiere un pase hacia adelante secuencial a través del modelo, mientras que los tokens de entrada se pueden procesar juntos durante la lectura inicial del prompt, que es una operación fundamentalmente más paralelizable.
¿Cuántas categorías de precios de tokens existen en total?
Cuatro en el caso general: entrada, salida, creación de caché y lectura de caché. Una solicitud sin caché solo toca las dos primeras.
¿Es alguna vez una escritura de caché más barata que un token de entrada simple?
No, una escritura de caché siempre se factura por encima de la tarifa de entrada base, porque realiza un trabajo adicional para persistir el prefijo para su reutilización posterior. Los ahorros solo se materializan en el lado de la lectura.
¿Cuesta más un TTL de caché más largo?
Sí, una opción de TTL más larga (como 1 hora en lugar de los 5 minutos predeterminados) conlleva un multiplicador de costo de escritura de caché más alto, ya que la entrada debe sobrevivir más tiempo antes de que pueda ser eliminada.
¿Por qué la tabla de precios de Sonnet 5 muestra dos números diferentes?
Sonnet 5 se lanzó con precios introductorios limitados en el tiempo que revierten a una tarifa más alta después de una fecha fija (2026-08-31 en la instantánea de precios actual). Siempre verifica qué tarifa se aplica a tu período de facturación.
Si nunca uso el almacenamiento en caché, ¿todavía pago cuatro precios de tokens?
No, sin ningún punto de interrupción de cache_control en tu solicitud, solo se aplican los tokens de entrada y salida. Los tokens de creación de caché y lectura de caché solo aparecen una vez que optas por el almacenamiento en caché.
¿Está justificada la brecha de precio de 10x entre Haiku y Fable?
Refleja una diferencia real en capacidad y costo de servicio en la familia de modelos, no un recargo arbitrario, que es exactamente por qué la segmentación de modelos por dificultad de tarea es una palanca de costos real en lugar de una falsa economía.
¿Puedo predecir el costo exacto de una solicitud antes de enviarla?
Puedes estimar el lado de entrada con precisión utilizando la capacidad de conteo de tokens de la API de Mensajes antes de la llamada, pero el recuento de tokens de salida solo se conoce después de que la generación se completa, ya que depende de lo que el modelo realmente escribe.
¿Cambia la mezcla de tipos de tokens a lo largo de la vida de una conversación?
Sí, en una conversación de varios turnos con un prompt del sistema almacenado en caché, los turnos posteriores suelen mostrar una proporción creciente de tokens de lectura de caché en relación con los tokens de entrada nuevos, ya que el prefijo compartido sigue acertando en la caché.
¿Debería codificar estos precios en el código de mi aplicación?
No, trata los precios como una configuración que puedes actualizar, no como una constante integrada en la lógica comercial, ya que las ventanas introductorias expiran y las generaciones de modelos se revalorizan según su propio calendario.
¿Es un modelo de bajo costo siempre la opción incorrecta para tareas de razonamiento difíciles?
No necesariamente como regla general, pero un modelo de nivel inferior que falla en una tarea difícil y necesita ser escalado a un modelo más potente en un reintento termina pagando por ambas llamadas, lo que puede anular los ahorros de nivel para esa clase de tarea específica.
¿Cuál es la forma más rápida de verificar una factura real con este modelo?
Suma cada categoría de tokens de tus objetos usage registrados durante un período de facturación, multiplícala por la tasa por MTok de esa categoría y compara el total con la línea de la factura; esa conciliación detecta la deriva de las suposiciones de precios de manera temprana.
Relacionado
- Fundamentos de la economía de tokens - contar tokens y estimar costos antes de enviar una solicitud.
- Sonnet 5 vs Opus 4.8 vs Fable 5: Una comparación de costos por tarea - la tabla de precios aplicada a los costos de tareas reales.
- Segmentación de modelos: Enrutamiento de tareas simples a Haiku, tareas difíciles a Opus - convertir el gradiente de precios en una decisión de enrutamiento.
- ROI del almacenamiento en caché de prompts: Cuándo las escrituras de caché realmente valen la pena - las matemáticas del punto de equilibrio detrás de la división escritura/lectura de caché.
Versiones de pila: Escrito contra la línea de modelos de Claude actual a partir de ~junio de 2026 - Claude Fable 5, Claude Opus 4.8, Claude Sonnet 5 (el predeterminado) y Claude Haiku 4.5 - y el SDK oficial de Python
anthropic(última versión 0.x). Los nombres de modelos, precios y versiones de SDK cambian rápidamente; verifica los detalles actuales en platform.claude.com/docs antes de confiar en ellos.