¿Son estas tasas de tendencia pronósticos?

No. Son estimaciones publicadas durante periodos históricos definidos y no deben tratarse como tasas futuras garantizadas.

¿Qué aportan los datos de modelos de TokenLab?

Muestra la disponibilidad actual de modelos, categorías y unidades de precios. Los estudios externos explican el movimiento más amplio del mercado.

¿Por qué discrepan las diferentes fuentes?

Miden diferentes muestras: informes públicos, tráfico de plataformas, pruebas de referencia, encuestas y datos de modelos. Mantenerlas separadas hace que las comparaciones sean más claras.

Informes de modelos de IA

Informe de tendencias de la industria de modelos de IA

Escala del modelo, costo de entrenamiento, longitud de contexto, gasto empresarial y composición actual del mercado de modelos.

Crecimiento del cómputo de entrenamiento

Epoch AI

4.5x/yr

tasa de crecimiento

El cómputo utilizado para entrenar modelos de IA notables ha aumentado rápidamente desde 2010.

Crecimiento del coste de entrenamiento de frontera

Epoch AI

3.5x/yr

tasa de crecimiento

Epoch estima que el coste de entrenamiento de los modelos de lenguaje de frontera ha aumentado rápidamente desde 2020.

Crecimiento de la ventana de contexto

Epoch AI

30x/yr

tasa de crecimiento

Las ventanas de contexto se han expandido extremadamente rápido desde 2023.

Crecimiento del gasto empresarial

Menlo Ventures

3.2x YoY

crecimiento

El gasto empresarial estimado en GenAI creció de 11.500 millones de dólares en 2024 a 37.000 millones en 2025.

Indicadores de tendencia de la industria

Señales de fuentes externas sobre escala, longitud de contexto, gasto empresarial, tamaño de estudios de uso y adopción organizacional.

4.5x/yr

Crecimiento del cómputo de entrenamiento

3.5x/yr

Crecimiento del coste de entrenamiento de frontera

30x/yr

Crecimiento de la ventana de contexto

$37B

Gasto empresarial en GenAI

3.2x YoY

Crecimiento del gasto empresarial

100T tokens

Estudio de uso de OpenRouter

88%

Adopción organizativa de IA

320x YoY

Crecimiento de tokens de razonamiento

La escala sigue siendo el centro de gravedad, pero la economía de la inferencia está cambiando más rápido que las listas de modelos sin procesar.

Epoch, Stanford y Artificial Analysis apuntan a un mercado donde el cómputo, las ventanas de contexto, el precio, la latencia y la calidad deben leerse en conjunto. Los nombres de los modelos por sí solos rara vez explican la idoneidad.

Fuente: Trends in Artificial Intelligence / 2026 AI Index Report / Models: Intelligence, Performance & Price

El uso real está fragmentado en superficies de consumo, empresariales, de desarrolladores y agregadores.

OpenRouter, OpenAI Signals y Anthropic Economic Index revelan cada uno una faceta diferente de la adopción. Lea la muestra y la ventana de informes antes de comparar las cifras.

Fuente: State of AI: 100T Token Study / Signals Consumer Data / Anthropic Economic Index

El gasto se está trasladando de los experimentos a las aplicaciones, pero las clasificaciones de proveedores no son lo suficientemente estables como para congelarlas.

Menlo y a16z muestran que la adopción y el gasto cambian rápidamente. Los enlaces a fuentes actualizadas importan más que las afirmaciones sobre ganadores permanentes.

Fuente: State of Generative AI in the Enterprise / Top 100 Gen AI Consumer Apps

Los benchmarks son más útiles cuando el gráfico explica qué se midió.

Artificial Analysis y Arena exponen señales de clasificación, pero la combinación de tareas, las suposiciones de precios y el diseño de la muestra cambian la forma en que deben leerse esas clasificaciones.

Fuente: Models: Intelligence, Performance & Price / Arena Leaderboard