Los mejores modelos de IA económicos para agentes: costes y modos de fallo

En nuestro pipeline de agentes, el modelo más barato por token rara vez es el modelo más barato por tarea completada. Cuando probamos los mejores modelos de IA económicos para agentes, los tokens de salida de las llamadas a herramientas, la reparación de JSON y la cadena de pensamiento (chain-of-thought) dominaron el gasto. DeepSeek V4 Flash, Gemini 3.5 Flash, Claude Sonnet 5, GPT-5.5, GLM-5.2 y Laguna XS 2.1 son los ejemplos actuales de SSOT que podemos discutir. Los precios del catálogo de TokenLab que figuran a continuación se observaron el 19-09-2026; los precios externos no tienen fecha y requieren confirmación del proveedor. No publicamos un benchmark de latencia porque no había un conjunto de datos controlado de TTFT, tokens/seg o tasa de reintento disponible para estas rutas exactas en el momento de la actualización. Considere esto como una lista corta de costes y modos de fallo, y luego realice el benchmark de latencia en su propio bucle.

Conclusiones clave

• El coste de salida impulsa el gasto del agente más que el coste de entrada. Los agentes generan muchos más tokens a través de llamadas a herramientas, reintentos y JSON de los que consumen por turno.
• Entre los ejemplos actuales de SSOT con precios en el catálogo de TokenLab, DeepSeek V4 Flash es la fila con el coste de salida más bajo que podemos verificar aquí, a $0.147 de entrada / $0.294 de salida por MTok.
• Las colisiones de nombres de modelos son reales. DeepSeek V4 Flash aparece en dos puntos de precio: $0.147/$0.294 en el catálogo de TokenLab y $0.09/$0.18 en un listado externo.
• Los precios de generación de vídeo e imagen (PixVerse, fal, Black Forest Labs) no son evidencia para los precios de tokens de LLM. Nunca deben aparecer como cita para costes de agentes de texto, y los hemos separado a continuación.
• Los precios de comparación externos para Claude Sonnet 5, GLM-5.2, Kimi K2.7 Code, Qwen3.7 Plus y otros carecen de una URL de fuente pública fechada. Confírmelos en la página de precios de cada proveedor antes de presupuestar.
• El más barato por token no es automáticamente el más barato por tarea. Un modelo que falla en las llamadas a herramientas o trunca el JSON obliga a realizar reintentos, lo que elimina los ahorros.

Instantánea de fuentes y modos de fallo

Fuente	Tipo de contenido	Fecha observada	Relevancia para este artículo
Documentación de la plataforma PixVerse (docs.platform.pixverse.ai)	Precios de generación de vídeo	08-07-2026	No utilizado para reclamaciones de LLM - solo vídeo, incluido por transparencia
Página del modelo fal PixVerse V6 (fal.ai/pixverse-v6)	Precios de generación de vídeo	08-07-2026	No utilizado para reclamaciones de LLM - solo vídeo
Documentación de precios de Black Forest Labs (docs.bfl.ml)	Precios de generación de imagen	08-07-2026	No utilizado para reclamaciones de LLM - solo imagen
Catálogo interno de modelos de TokenLab	Precios de LLM y medios de primera parte	19-09-2026	Fuente principal para todos los precios del catálogo de TokenLab a continuación
Páginas de precios de proveedores individuales (OpenAI, Anthropic, Google, DeepSeek, Moonshot, Qwen, MiniMax, Z.ai)	Precios de LLM	Sin fecha en este conjunto de datos	Debe verificarse de forma independiente antes de realizar reclamaciones presupuestarias públicas

Las fuentes de PixVerse, fal y BFL existen en nuestro conjunto de investigación porque las obtuvimos durante un barrido más amplio de precios de medios. Describen la facturación de vídeo por segundo y los costes de crédito por imagen, que no tienen relación con los precios de LLM por token. Los enumeramos aquí para que los lectores puedan ver por qué los excluimos. No los utilizamos para reclamaciones de LLM.

En nuestro pipeline, registramos las tasas de reintento de llamadas a herramientas, JSON truncado, llamadas a herramientas perdidas y argumentos de función alucinados junto con el gasto en tokens. No tenemos un conjunto de datos de tasa de reintento controlado para estas rutas exactas en el momento de la actualización, por lo que no podemos publicar las tasas. Por ejemplo, un modelo de $0.05/MTok que falla en el 15% de las llamadas a herramientas puede costar más en reintentos que un modelo de $1/MTok que falla en el 2%. Esa matemática de modos de fallo, no el precio de etiqueta, debería guiar su elección de nivel económico.

Comparación de modelos y costes para los mejores modelos de IA económicos para agentes

Todos los precios a continuación son listados del catálogo de primera parte de TokenLab (por token, expresados como $/MTok), observados el 19-09-2026. Son la base correcta para las reclamaciones de costes de agentes de LLM en este artículo.

Modelo	Proveedor	Entrada $/MTok	Salida $/MTok	Ajuste del agente
DeepSeek V4 Flash	DeepSeek	$0.147	$0.294	Opción SSOT actual con uso intensivo de salida más barata en el catálogo de TokenLab; confirme el ID de modelo exacto antes de comparar con cotizaciones externas
Gemini 3.5 Flash	Google	$1.50	$9.00	Pasos de agente multimodal (uso de herramientas de imagen + texto)
Claude Sonnet 5	Anthropic	$2.00	$10.00	Reservar para verificación final/paso de QA en la salida del agente
GPT-5.5	OpenAI	$5.00	$30.00	Respaldo para planificación compleja o selección ambigua de herramientas
Claude Opus 4.8	Anthropic	$5.00	$25.00	Comparación insignia; rara vez justificado dentro de un bucle de agente
Claude Fable 5	Anthropic	$10.00	$50.00	Techo premium
GLM-5.2	Z.ai	$0.93	$3.00	Ejemplo de pesos abiertos para enrutamiento de bajo coste
Kimi K2.7 Code	Moonshot AI	$0.74	$3.50	Ejemplo de agente de codificación
Qwen3.7 Plus	Alibaba/Qwen	$0.32	$1.28	Ejemplo de enrutamiento de bajo coste
MiniMax M3	MiniMax	$0.30	$1.20	Ejemplo de enrutamiento de bajo coste
DeepSeek V4 Pro	DeepSeek	$0.441	$0.882	Subtareas de razonamiento más pesadas dentro de la misma familia

Mantenemos las cifras externas a continuación para la continuidad de la auditoría y marcamos cada fila como no verificada. No las utilice para presupuestar. El detalle exacto debe confirmarse con los documentos actuales.

Modelo	Proveedor	Entrada $/MTok	Salida $/MTok	Estado de verificación
DeepSeek V4 Flash (listado externo)	DeepSeek	$0.09	$0.18	Difiere del catálogo de TokenLab anterior - confirme a qué producto/nivel se refiere; no hay URL de fuente fechada en nuestro conjunto de fuentes
MiniMax M3	MiniMax	$0.30	$1.20	No hay URL de fuente fechada en nuestro conjunto de fuentes; confirme con los documentos del proveedor
Qwen3.7 Plus	Alibaba/Qwen	$0.32	$1.28	No hay URL de fuente fechada en nuestro conjunto de fuentes; confirme con los documentos del proveedor
Kimi K2.7 Code	Moonshot AI	$0.74	$3.50	No hay URL de fuente fechada en nuestro conjunto de fuentes; confirme con los documentos del proveedor
GLM-5.2	Z.ai	$0.93	$3.00	No hay URL de fuente fechada en nuestro conjunto de fuentes; confirme con los documentos del proveedor
Claude Sonnet 5	Anthropic	$2.00	$10.00	No hay URL de fuente fechada en nuestro conjunto de fuentes; confirme con los documentos del proveedor
Claude Opus 4.8	Anthropic	$5.00	$25.00	No hay URL de fuente fechada en nuestro conjunto de fuentes; confirme con los documentos del proveedor
GPT-5.5 Batch/Flex	OpenAI	$2.50	$15.00	No hay URL de fuente fechada en nuestro conjunto de fuentes; no es la fila estándar de GPT-5.5
GPT-5.5	OpenAI	$5.00	$30.00	No hay URL de fuente fechada en nuestro conjunto de fuentes; confirme con los documentos del proveedor
Claude Fable 5	Anthropic	$10.00	$50.00	No hay URL de fuente fechada en nuestro conjunto de fuentes; confirme con los documentos del proveedor

Los puntos de precio del catálogo retirados ya no coinciden con un nombre de modelo SSOT actual. Conservamos los números para la continuidad de la auditoría, pero no enrutamos nuevo trabajo de agente a estos niveles sin nombre sin la confirmación del proveedor.

Nivel retirado o no SSOT	Entrada $/MTok	Salida $/MTok	Estado
Nivel de coste ultra bajo retirado	$0.05	$0.40	Ya no es un ejemplo SSOT actual; confirme el sucesor antes de usar
Nivel flash-lite de bajo coste retirado	$0.25	$1.50	Ya no es un ejemplo SSOT actual; asigne a Gemini 3.5 Flash o DeepSeek V4 Flash y confirme
Nivel mini de bajo coste retirado	$0.25	$2.00	Ya no es un ejemplo SSOT actual; asigne a Claude Sonnet 5 o DeepSeek V4 Flash y confirme
Nivel de validación pequeño retirado	$1.00	$5.00	Ya no es un ejemplo SSOT actual; asigne a Claude Sonnet 5 y confirme
Respaldo de nivel medio retirado	$1.25	$10.00	Ya no es un ejemplo SSOT actual; asigne a GPT-5.5 y confirme
Techo premium retirado	$15.00	$120.00	Ya no es un ejemplo SSOT actual; asigne a GPT-5.5 o Claude Fable 5 y confirme

Notas de implementación para los mejores modelos de IA económicos para agentes

1. Organice su agente por tarea, no por un único modelo más barato. Enrute la clasificación y la selección de herramientas a DeepSeek V4 Flash o Gemini 3.5 Flash. Escale la planificación de varios pasos a DeepSeek V4 Pro o GPT-5.5. Reserve Claude Sonnet 5 para la verificación de la respuesta final.
2. Limite los tokens de salida agresivamente en el nivel económico. Dado que el coste de salida domina el gasto del agente, establezca límites estrictos de tokens máximos en las llamadas a DeepSeek V4 Flash y Gemini 3.5 Flash. Solo permita generaciones más largas en el nivel de escalada.
3. Registre los modos de fallo por modelo, no solo el coste por llamada. Realice un seguimiento del JSON truncado, las llamadas a herramientas perdidas y los argumentos de función alucinados por separado del gasto en tokens. Por ejemplo, un modelo de $0.05/MTok que falla en el 15% de las llamadas a herramientas puede costar más en reintentos que un modelo de $1/MTok que falla en el 2%.
4. Fije los IDs de modelo exactos en el código, nunca alias. Dada la colisión de nombres mostrada anteriormente (dos puntos de precio diferentes para DeepSeek V4 Flash), codifique la cadena completa del proveedor y el modelo. Vuelva a verificar los precios en cada actualización del proveedor.
5. Revise los precios externos trimestralmente. Cualquier cosa sin una URL de fuente fechada en este artículo debe volver a obtenerse de la página de precios en vivo del proveedor antes de que aparezca en una estimación de costes orientada al cliente.

Aquí hay un boceto de enrutamiento que utiliza los nombres de modelos del catálogo en este artículo. La forma exacta de la solicitud de TokenLab y los campos de error de llamada a herramientas deben confirmarse en la documentación de la API de TokenLab antes de su uso en producción.

Boceto de enrutamiento, no un contrato de API de TokenLab. Confirme la forma de la solicitud en la documentación de la API de TokenLab.
for model in ['DeepSeek V4 Flash', 'Gemini 3.5 Flash', 'Claude Sonnet 5']:
    reintentar una vez si falta la llamada a la herramienta o el JSON está truncado
    if la respuesta contiene una llamada a herramienta válida y un JSON válido:
        devolver la respuesta
    registrar el modo de fallo para este modelo
generar un error después de que falle el nivel final

Este boceto muestra el límite de reintento: detectar un error de llamada a herramienta, registrar el modo de fallo y luego pasar al siguiente modelo. Confirme la forma de la solicitud y los campos de error en la documentación actual de la API de TokenLab antes de la producción.

Dónde encaja TokenLab en el enrutamiento de agentes

• Un catálogo único reduce el malabarismo de cuentas por proveedor. TokenLab expone los niveles de precios de OpenAI, Google, Anthropic y DeepSeek bajo una única API y superficie de facturación. Cambiar un paso del flujo de trabajo de DeepSeek V4 Flash a Gemini 3.5 Flash se convierte en un cambio de configuración, no en una nueva integración.
• Precios de primera parte, fechados y auditables. A diferencia de las cotizaciones dispersas de terceros, los números del catálogo de TokenLab en este artículo se extraen de los listados de la propia plataforma observados el 19-09-2026. Es por eso que son los únicos precios aquí presentados sin una advertencia de "debe verificarse".
• Niveles integrados para pipelines de agentes. Debido a que TokenLab aloja modelos de nivel económico y de nivel de escalada uno al lado del otro, puede realizar pruebas A/B de coste y tasa de fallo entre DeepSeek V4 Flash, Gemini 3.5 Flash y Claude Sonnet 5. No necesita rearquitectar la lógica de enrutamiento de su agente.

Lecturas relacionadas

• Comparación de precios de API de IA
• Guía de migración de TokenLab

Preguntas frecuentes

¿Por qué veo dos precios para DeepSeek V4 Flash?

DeepSeek V4 Flash aparece en dos puntos de precio en nuestro conjunto de fuentes: $0.147/$0.294 en el catálogo de TokenLab y $0.09/$0.18 en un listado externo. Los nombres de los modelos se reutilizan y se vuelven a fijar los precios entre proveedores y revendedores. Fije el proveedor exacto y el ID del modelo en el código, luego vuelva a verificar con los documentos en vivo del proveedor en lugar de confiar solo en un nombre.

¿Puedo usar los precios de referencia externos para presupuestar?

Todavía no. Esas filas carecen de una URL de fuente fechada en nuestro conjunto de fuentes, por lo que las marcamos como necesitadas de confirmación del proveedor. Las cifras del catálogo de TokenLab son la base de planificación, y la tabla externa es un punto de partida para su propia verificación, no un número final. El detalle exacto debe confirmarse con los documentos actuales.

¿Qué modelo SSOT actual es el más barato para un agente de producción?

Por coste de salida entre los ejemplos actuales de SSOT con precios en el catálogo de TokenLab, DeepSeek V4 Flash es el más bajo que podemos verificar aquí, a $0.294/MTok de salida. El listado externo muestra $0.18/MTok de salida, pero ese número necesita confirmación del proveedor. Mida el más barato después de tener en cuenta la tasa de reintento en su esquema específico de llamada a herramientas.

¿Por qué se citan PixVerse, fal y BFL si este artículo trata sobre precios de LLM?

No se citan como evidencia para ninguna reclamación de precio de LLM. Aparecen solo en la tabla de Instantánea de fuentes para mayor transparencia sobre nuestro barrido de investigación más amplio y están explícitamente marcados como no utilizados para reclamaciones de LLM. Cada cifra en dólares en la tabla de Comparación de modelos y costes proviene del catálogo de TokenLab o está marcada como no verificada.

¿Cómo cambian los reintentos de llamadas a herramientas la elección del modelo más barato?

Un modelo barato que falla en las llamadas a herramientas o trunca el JSON obliga a realizar reintentos, y esos reintentos añaden tokens de salida. Por ejemplo, un modelo de $0.05/MTok que falla en el 15% de las llamadas a herramientas puede costar más en reintentos que un modelo de $1/MTok que falla en el 2%. En nuestro pipeline, registramos las tasas de reintento por modelo y comparamos el coste por tarea completada, no el coste por token.

Explore el catálogo de modelos de TokenLab y comience a comparar costes hoy mismo: Catálogo de modelos de TokenLab.