Cuánto cuesta un artículo escrito por IA: DeepSeek vs Claude

Actualización (9 de noviembre de 2026): ya han salido Claude Fable 5.2 y Mythos 5.2 - precios, acceso y benchmarks en mi guía de Claude Fable 5.2.

👁 116 lecturas

La pregunta «¿cuánto cuesta un artículo escrito por IA?» suele responderse con cálculos teóricos del precio de lista. Decidimos pagar y comprobarlo. Ocho modelos, la misma instrucción, un artículo de unas novecientas palabras, coste leído de la factura real, no estimado.

El más barato escribió este texto por 0,00039 dólares. El más caro por 0,18913. Eso es cuatrocientas ochenta y cinco veces más por algo de la misma longitud. Y un modelo no escribió ni una sola palabra y también emitió factura.

Resultados de la prueba

La prueba completa costó 0,43653 dólares.

El modelo que cobró por su silencio

GLM 5.3 Flash recibió un límite de ocho mil tokens para la respuesta. Consumió los ocho mil completos en razonamiento interno y no se dejó ni uno para el texto. Resultado: cero palabras, 82 segundos de espera y una factura de 0,00402 dólares.

No es casualidad ni fallo de una sola ejecución. En este modelo no se puede desactivar el razonamiento, porque la API rechaza ese intento con un error. En tareas cortas solo aumenta la factura. En las más largas puede devorar toda la respuesta.

Si estás construyendo algo que funciona sin supervisión, este es exactamente el tipo de fallo que no verás en los logs: estado de éxito, factura no nula y archivo vacío en la salida.

Más barato no significa peor, pero hay que saber qué mirar

Los dos modelos más baratos se diferencian en la factura por menos de un céntimo, pero en calidad hay un abismo.

DeepSeek V4 Flash escribió 922 palabras por 0,00039 dólares, sin un solo token de razonamiento, y acertó la longitud pedida con una precisión del dos por ciento. El texto comienza con una frase que suena humana (probamos en polaco): «Kiedy po raz pierwszy usłyszałem o asystentach AI, pomyślałem, że to technologia zarezerwowana dla dużych korporacji« («Cuando oí hablar por primera vez de los asistentes de IA, pensé que era una tecnología reservada para grandes corporaciones»).

Ministral 14B fue aún un pelo más barato y el más rápido de todos, pero abrió el texto así (en polaco): «W dzisiejszym świecie, gdzie efektywność i automatyzacja są kluczowe« («En el mundo actual, donde la eficiencia y la automatización son clave»). Además insertó veintinueve guiones largos, es decir, un signo que en texto polaco delata inmediatamente a la máquina, porque casi nadie lo usa desde el teclado.

Ambos cuestan lo mismo. Uno requiere corrección, el otro requiere reescritura.

Quién acertó la longitud pedida

Pedimos unas novecientas palabras. Es una prueba de obediencia, no de creatividad, y salió más interesante de lo que esperábamos.

• Acertaron con precisión de tres por ciento: Kimi K3 (903), GPT-6 Astra (906), Claude Fable 5.1 (886), DeepSeek V4 Flash (922).
• Se pasaron: Gemini 3.8 Flash un quince por ciento (1 032), Ministral 14B un treinta y dos por ciento (1 192).
• No llegó: Claude Haiku 4.5 escribió 596 palabras en lugar de novecientas, es decir, un tercio menos.

Esto tiene importancia práctica. Si encargas un texto para un espacio concreto en la maquetación de una página, un modelo que regularmente se queda un treinta por ciento corto significa que tendrás que completar a mano.

Cuánto cuesta a escala mensual

Supongamos tres artículos diarios, es decir, noventa mensuales.

Solo en esta tabla se ve de qué va el asunto. Con un texto la diferencia es invisible. Con noventa es la diferencia entre cuatro céntimos y diecisiete dólares, por algo de la misma longitud.

El tiempo también cuesta

Kimi K3 necesitó 182,7 segundos, es decir, más de tres minutos por artículo. GPT-6 Astra hizo lo mismo en 51 segundos, y Claude Haiku 4.5 en 16, aunque más corto.

En trabajo manual tres minutos no son nada. Con noventa textos son cuatro horas y media solo de espera al mes, frente a setenta y seis minutos con Astra.

De dónde vienen estas diferencias en la factura

La respuesta está en los tokens de razonamiento, es decir, el texto que el modelo escribe para sí mismo y por el que pagas a tarifa de salida.

• DeepSeek V4 Flash, Ministral 14B y Claude Haiku 4.5: cero tokens de razonamiento.
• GPT-6 Astra: 176. Claude Fable 5.1: 715.
• Gemini 3.8 Flash: 985.
• Kimi K3: 4 667, para un artículo de 903 palabras.
• GLM 5.3 Flash: 8 000, es decir, todo el límite disponible y nada más.

A esto se añade una segunda cosa que poca gente recuerda al calcular: el precio de la ficha del modelo no tiene por qué ser el precio que pagarás, porque el mismo modelo lo alojan una docena de empresas con sus propias tarifas, y la dispersión llega a catorce veces.

Qué conclusiones prácticas sacamos

Para procesamiento masivo de texto usa DeepSeek V4 Flash. Cero razonamiento, longitud acertada, factura a nivel de redondeo. Solo comprueba el resultado, porque barato no significa sin errores.

Para texto que va a publicación sin retoques, paga más. GPT-6 Astra escribió el único texto que empieza con algo concreto, no con calentamiento (en polaco): «Nie zaczynam od zakupu narzędzia ani od próby zautomatyzowania całej firmy« («No empiezo comprando una herramienta ni intentando automatizar toda la empresa»). Esta es la diferencia por la que se pagan diez dólares al mes en lugar de cuatro céntimos.

Comprueba siempre tres cosas en el resultado: guiones largos, aperturas del tipo «en el mundo actual» y si el modelo escribió algo en absoluto. Las tres se pueden comprobar automáticamente y las tres ocurrieron en esta prueba.

Y lo más importante: el coste no es lo mismo que el valor. Esta prueba mide cuánto pagas por novecientas palabras en polaco, no si esas novecientas palabras le sirven a alguien. Cómo comprobamos la calidad del polaco lo explicamos en la prueba de diez modelos en tareas gramaticales, y el seguimiento de instrucciones en la prueba de once modelos en código y órdenes.

Cómo lo medimos

Una instrucción, enviada el 10 de septiembre de 2026, idéntica para los ocho modelos, límite de ocho mil tokens para la respuesta. El coste de cada consulta leído del campo de facturación devuelto por la interfaz de programación. El número de palabras, caracteres diacríticos, guiones largos y encabezados los contamos automáticamente sobre la respuesta en bruto.

Un solo intento por modelo es demasiado poco para hablar de promedio, y no lo afirmamos. Afirmamos que así salió en el primer intento y que una diferencia de cuatrocientas ochenta y cinco veces en el precio es demasiado grande para explicarla por fluctuación.

Por qué no se pudo evitar

El modelo que quemó todo el límite en razonamiento no permite desactivarlo, y no está solo en esto. Revisamos dieciocho modelos: siete rechazan ese intento con error, incluidos GPT-6 Astra, Claude Fable 5.1 y ambos Gemini Flash.

// sigue leyendoPangram: cómo detectar textos escritos con IA paso a pasoGuíasDeepSeek V4 Flash: precio a la baja del 56 %. Nueva tarifa: 0,04 / 0,08 dólares por millón de tokensNoticiasLogo con IA: seis variantes, un problema ocultoBenchmarks

Kinetyra