Qué pasó el 13 de agosto
DeepSeek reajustó los precios de su API junto con la disponibilidad general de V4-Pro. El anuncio dice que «las tarifas fuera de punta son un 50% más bajas que las de punta, lo que permite programar las cargas de trabajo con más flexibilidad», y los precios nuevos entran en vigor a las 16:00 UTC del 16 de agosto de 2026. La franja de punta es 01:00–04:00 y 06:00–10:00 UTC; el resto de las horas son valle.
La nueva lista de precios (USD / 1 millón de tokens):
| Modelo | Franja | Input (cache hit) | Input (cache miss) | Output |
|---|---|---|---|---|
| DeepSeek-V4-Flash | valle | $0,007 | $0,22 | $0,66 |
| DeepSeek-V4-Flash | punta | $0,014 | $0,44 | $1,32 |
| DeepSeek-V4-Pro | valle | $0,022 | $0,66 | $1,98 |
| DeepSeek-V4-Pro | punta | $0,044 | $1,32 | $3,96 |
Ese mismo día OpenAI anunció también una franja nueva: el Ultrafast mode, según su propia descripción «hasta 14 veces más rápido que el procesamiento Standard», por ahora «disponible en preview limitada para clientes seleccionados». No publicaron precio. Los dos anuncios son los dos extremos del mismo fenómeno: el precio de un token ya no es un número, sino una tabla, y en ella el tiempo y la paciencia también son partidas.
DeepSeek no fue el primero. Alibaba Model Studio da descuento nocturno a la serie Qwen3.7 desde el 23 de junio de 2026: según la lista de precios, entre las 22:00 y las 08:00 hora de Pekín el modelo Plus va con un 60% y el Max con un 80% de descuento, también fines de semana y festivos.
hora (UTC) 0 6 12 18 23
DeepSeek .###..####..............
Qwen ..............nnnnnnnnnn
# = punta (doble) n = noche (-60%)
hora peninsular = UTC + 2 h (verano)
No es una subida de precios, es un reajuste
En la lista de abril de DeepSeek, la que no tenía franjas, el millón de tokens de output de V4-Pro costaba $3,48 y el de V4-Flash $0,28. Con los precios nuevos:
- V4-Pro sale un 43% más barato en valle ($3,48 → $1,98) y un 14% más caro en punta ($3,96);
- V4-Flash, en cambio, se encarece siempre: 2,4 veces en valle, 4,7 veces en punta ($0,28 → $0,66 / $1,32).
O sea que el modelo grande se abarató, el pequeño se encareció, y los dos quedan atados al reloj. Si hasta ahora lo hacías todo con el modelo pequeño porque era el de céntimos, este movimiento no es un descuento, es una factura.
En los proveedores occidentales no cuenta el reloj, sino la paciencia
Ahí la franja no la marca el momento del día, sino cuánto estás dispuesto a esperar. Los compromisos salen de su propia documentación, a fecha de agosto de 2026:
| Proveedor | Franja rápida | Barato pero síncrono | Batch |
|---|---|---|---|
| OpenAI | Fast mode: 2× de precio, hasta 2,5× más rápido con GPT-5.6 Sol (desde el 30 de julio sustituye a Priority Processing) | Flex: a precio de batch, timeout recomendado de 10–15 minutos | −50%, en menos de 24 horas, «y a menudo antes» |
| Anthropic | — | — | −50%, caducidad de 24 horas, «la mayoría termina en menos de 1 hora» |
| Google Gemini | Priority: +75–100%, si falta capacidad sirve a precio estándar | Flex: −50%, objetivo de 1–15 minutos, sin caída automática a otra franja | −50%, objetivo de 24 horas |
| AWS Bedrock | Priority: +75%, hasta un 25% mejor de velocidad de salida | Flex: −50%, más latencia, se sirve después del estándar | −50% |
| Microsoft Foundry | Provisioned (capacidad reservada, en PTU) | — | Global Batch: −50%, objetivo de 24 horas, sin SLA en tiempo real |
| SpaceXAI (Grok) | Priority: 2× de precio, en todos los tipos de token | — | −20%, y solo en unos pocos modelos |
| Mistral | — | — | −50%, sin plazo publicado |
| Alibaba | — | — | −50%, la ventana de espera se ajusta entre 1 y 14 días |
De aquí salen dos cosas. Una: el batch no es cuestión de negociar, es un estándar — siete de ocho proveedores están exactamente en el 50%, y el que se sale es xAI con su 20%. Dos: la franja rápida cuesta más de lo que corre — por el doble de precio te dan de 2 a 2,5× de velocidad, y eso solo compensa donde hay una persona delante de la pantalla.
Cuánto es esto en dinero
Tomemos una tarea de tamaño real: 2 millones de input y 1 millón de output al mes — más o menos lo que sale de generar las descripciones de una tienda online con 500 productos, más resumir los mensajes que entran de clientes. El mismo trabajo, en cinco franjas:
| Dónde y cómo | Coste mensual |
|---|---|
| OpenAI GPT-5.6 Terra, Fast mode | $32 |
| OpenAI GPT-5.6 Terra, estándar | $16 |
| OpenAI GPT-5.6 Terra, batch | $8 |
| DeepSeek V4-Pro, en punta | $6,60 |
| DeepSeek V4-Pro, en valle | $3,30 |
Entre los dos extremos hay casi diez veces de diferencia — para la misma tarea. Y la decisión no va de qué modelo es mejor: va de cuándo y con cuánta paciencia lo pides.
A esto se suma el prompt cache, que es un multiplicador aparte. En Anthropic el token leído de la cache cuesta la décima parte del precio de input, y escribirlo 1,25× (cinco minutos) o 2× (una hora) — y la documentación dice que «los descuentos de precio del prompt caching y de los Message Batches se pueden acumular». Si el mismo system prompt sale diez mil veces, eso pesa más que el momento del día.
Cuatro trampas
1. El batch puede caducar, y lo pagas igual. Pasadas 24 horas OpenAI deja el lote en estado expired: las peticiones sin terminar se pierden, pero las respuestas ya producidas las pagas. En Anthropic la caducidad también es de 24 horas. Si mandas un lote grande a medianoche y cuentas con el resultado completo por la mañana, necesitas una rama de reintento.
2. El flex se puede caer, y no vuelve solo. Según la documentación de Flex de Google, en horas de mucho tráfico el tráfico estándar puede desplazar al flex, y entonces llega un 503 o un 429 — y no hay caída automática a estándar. Eso lo tienes que gestionar tú, o si no la «franja más barata» a veces sencillamente no contesta.
3. El límite de franja reajusta el precio de toda la petición. Tanto xAI como Alibaba lo dicen: si el prompt cruza el umbral de longitud, todos los tokens se facturan a la tarifa cara, no solo la parte por encima del umbral. Un token más de entrada puede duplicar el precio de la petición.
4. La hora valle no es tu noche. Las horas punta de DeepSeek en hora peninsular de verano son 03:00–06:00 y 08:00–12:00 — o sea que el arranque de la jornada laboral cae en la franja cara, mientras que la tarde y la noche son baratas. La ventana nocturna de Alibaba cae más o menos entre las 16:00 y las 02:00 en esa misma hora. Quien planifica con el «ya lo programo de noche» acaba fácilmente en las horas más caras.
Qué hacer ahora
- Apunta qué corre hoy con respuesta inmediata y podría esperar. Generación de informes, descripciones de producto, resúmenes de documentos, etiquetado, recálculo de embeddings, rondas de traducción, evaluación — todo eso aguanta 24 horas. Lo que tenga a una persona delante se queda en la franja estándar o en la rápida.
- Mira dónde está la mayor repetición en tus prompts. La parte cacheable (system prompt, catálogo, guía de estilo) puede salir un 90% más barata — muchas veces pesa más que cambiar de franja, y no hay que programar nada.
- Mide el coste real por petición, no el total de la factura. Casi todos los proveedores devuelven los tokens gastados y en varios sitios también el precio de la petición. Sin eso no vas a saber si el ahorro se ha producido de verdad.
- Si usas precios ligados a la hora, mete el límite de franja en el calendario. No basta con saber que «de noche es más barato»: hay que saber qué hora es en UTC, y qué hora es eso para ti.
Si la elección de modelo es en sí misma la pregunta, de eso van aparte Precios de la IA, descifrados y rápido, barato o inteligente — conviene leerlos antes de cambiar de franja.
Malentendidos típicos
- «El batch cuesta la mitad en todas partes.» En siete de ocho proveedores, sí. En xAI es un 20%, y solo en unos pocos modelos — en generación de imagen y vídeo, nada.
- «El flex es lo mismo que el batch, pero más rápido.» No. El flex es una llamada síncrona, o sea que tu código espera — pero si falta capacidad da error, y en el caso de Google no cae solo a la franja más cara.
- «La franja más barata significa un modelo peor.» No. Mismo modelo, misma salida; la diferencia está en el orden de atención y en la latencia.
- «El descuento nocturno en mi casa también es de noche.» Las ventanas horarias están publicadas en UTC o en hora de Pekín. Conviértelas antes de programar nada.
- «El descuento de cache y el de batch se excluyen.» La documentación de Anthropic dice expresamente que se acumulan — aunque bajo batch el acierto de cache es solo best-effort.
Lo que conviene llevarse
En el verano de 2026 el precio de un token dejó de ser un solo número. Hoy se cobra en al menos cuatro dimensiones: qué modelo, cómo de larga es la petición, cuánto esperas por ella y, desde hace poco, cuándo la mandas. Es una mala noticia para quien quiere meter un único número en su cálculo — y una buena para quien está dispuesto a separar sus tareas. El mínimo práctico: ten claro qué puede esperar en tu caso, y ponlo en batch. Es un único interruptor, se lleva la mitad del total, y no hay que cambiar ni de modelo ni de proveedor.