Calculadora de costo API OpenAI por tokens (GPT-4o, o1, mini)🌎

Los precios por millón de tokens (MTok) en junio 2026 son: GPT-4o mini: USD 0,15 input / USD 0,60 output — el modelo más económico y el recomendado para la mayoría de los casos de uso. GPT-4o: USD 2,50 input / USD 10,00 output. o1-mini: USD 3,00 input / USD 12,00 output. o1: USD 15,00 input / USD 60,00 output — para razonamiento complejo. GPT-3.5 Turbo (legacy): USD 0,50 input / USD 1,50 output. Los precios de OpenAI históricamente bajaron año a año; verificá siempre en platform.openai.com/pricing antes de presupuestar.

Un token es la unidad mínima que el modelo procesa: aproximadamente 4 caracteres en inglés o 3,5 en español. La palabra «calculadora» es 2 tokens; «AI» es 1. Como referencia práctica: 1 página de texto (300-400 palabras) equivale a unos 400-500 tokens en inglés o 500-650 en español. Una conversación de 10 turnos con respuestas medias puede acumular 3.000-6.000 tokens de contexto por llamada. El tokenizer oficial de OpenAI (platform.openai.com/tokenizer) te permite contar tokens exactos para cualquier texto antes de hacer la llamada.

GPT-4o mini es 16 veces más barato que GPT-4o y resuelve bien: generación de texto y copies, resúmenes cortos, clasificación, extracción de datos estructurados, chatbots conversacionales generales y traducción. GPT-4o conviene para: análisis de documentos complejos, razonamiento matemático avanzado, tareas de visión (imágenes), outputs que requieren alta calidad literaria, y casos donde errores tienen costo alto. Regla práctica: empezá con GPT-4o mini y evaluá la calidad. Si el output es aceptable, mantené mini; si el 10-20% de los casos falla, considerá GPT-4o solo para ese subconjunto.

Los modelos o1 son modelos de razonamiento extendido: piensan paso a paso antes de responder, generando «reasoning tokens» internos que se facturan aunque no los veas. Son superiores en: matemática avanzada, lógica formal, código complejo, planificación multi-paso, ciencia. Pero cuestan entre 6× y 100× más que GPT-4o mini. Regla: usá o1 cuando la tarea sea de razonamiento genuinamente complejo y el error sea costoso. Para texto, resúmenes, chatbots o análisis estándar, GPT-4o o GPT-4o-mini ofrecen mejor relación costo-calidad. o1-mini es un buen intermedio para código y matemática a menor precio que o1-full.

Prompt caching es una función que almacena en memoria los primeros tokens del prompt (el system prompt y contexto fijo) durante hasta 5 minutos. Si la misma secuencia se repite en la siguiente llamada, OpenAI cobra solo el 50% por esa porción cacheada. El ahorro es significativo cuando tenés un system prompt largo y estático: si tu system prompt tiene 2.000 tokens y hacés 10.000 llamadas por día con GPT-4o, el ahorro mensual es ≈USD 75. El caching se activa automáticamente en prompts de más de 1.024 tokens con los modelos compatibles (GPT-4o, GPT-4o mini, o1, o1-mini); no necesitás configurarlo manualmente.

La Batch API procesa solicitudes de forma asíncrona (en hasta 24 horas) a cambio de un 50% de descuento sobre el precio estándar. Es ideal para tareas diferibles: clasificación masiva de textos, análisis de sentimiento, generación de embeddings, moderación de contenido, enriquecimiento de catálogos. No sirve para chatbots o apps donde el usuario espera respuesta en tiempo real. Si tu pipeline tolera demora, la Batch API puede reducir a la mitad tu factura sin cambiar nada en la lógica de la aplicación.

En chatbots multi-turno, cada nueva llamada a la API incluye todos los mensajes anteriores como contexto. Si una conversación tiene 10 turnos con 200 tokens promedio por mensaje, el turno 10 envía ~2.000 tokens de historial solo en input. El costo de la sesión completa es la suma de cada llamada, y el historial puede multiplicar el costo efectivo por 4-8× respecto al costo de un mensaje aislado. La solución más efectiva es truncar el historial manteniendo solo los últimos N turnos o un resumen comprimido de la conversación anterior. El historial de contexto es el multiplicador oculto más importante en el costo de chatbots.

El tokenizer de OpenAI (tiktoken, basado en BPE) fue entrenado principalmente con texto en inglés. Las palabras en español, especialmente con tildes y caracteres especiales, se fragmentan en más tokens. Por ejemplo, «información» puede ser 4 tokens mientras que «information» son 3. En la práctica, los textos en español consumen entre un 15% y un 25% más de tokens que el equivalente en inglés. En aplicaciones con alto volumen en castellano, este factor debe incluirse en las estimaciones de costo para evitar sorpresas en la factura real.

El Tokenizer de OpenAI en platform.openai.com/tokenizer permite pegar cualquier texto y ver exactamente cuántos tokens consume. Para estimar el volumen mensual: contá los tokens de un prompt representativo (system prompt + contexto típico + mensaje de usuario), multiplicá por el volumen diario de llamadas esperado y por 30. Para el output, si no tenés datos, empezá asumiendo que será aproximadamente igual al input y ajustá una vez que tengas datos reales. También podés usar la librería tiktoken en Python para contar tokens programáticamente antes de hacer la llamada.

Sí, el mercado de LLMs API es amplio. Anthropic Claude 3.5 Haiku: USD 0,80/MTok input y USD 4/MTok output, contexto de 200k tokens. Google Gemini 2.0 Flash: USD 0,075/MTok input, con tier gratuito generoso. Groq con Llama 3: precios muy bajos y latencia ultra-baja. Modelos locales con Ollama: costo marginal cero pero requieren infraestructura GPU propia. La elección depende de: calidad requerida, latencia aceptable, volumen y si preferís pagar por uso o invertir en infraestructura. Para la mayoría de los casos con castellano, GPT-4o mini ofrece la mejor combinación calidad-precio entre APIs gestionadas.

En platform.openai.com → Settings → Billing → Usage limits podés configurar: Hard limit (la API deja de funcionar si se supera) y Soft limit (recibís un email de aviso antes de llegar al hard limit). También podés activar alertas de uso por email. Para proyectos en producción, es buena práctica implementar rate limiting a nivel aplicación y logging por endpoint para detectar antes de llegar al límite si algún feature escala de forma inesperada.

Los modelos o1 generan internamente una cadena de razonamiento antes de producir la respuesta final. Esos reasoning tokens no son visibles en el output de la API pero sí se facturan como tokens de output. En tareas complejas, el razonamiento interno puede generar 2-5 veces más tokens que la respuesta final visible. Esto significa que el costo real de o1 puede ser 2-5× mayor al que calculás si solo contás los tokens de la respuesta visible. Para estimar el costo de o1, usá los completion_tokens con el desglose reasoning_tokens de la respuesta de la API, disponible en el campo usage.completion_tokens_details.