El corte de precios como guerra de mercado

En apenas unos pocos meses, OpenAI y Anthropic han ejecutado una serie de cortes sucesivos en los precios de sus APIs de modelos de lenguaje, acumulando reducciones de hasta un 80% en ciertos modelos. Lo que comenzó como una rivalidad competitiva entre dos empresas se ha convertido en el evento de mayor impacto en la economía de la inteligencia artificial en toda la historia del sector.

La cronología es casi brutal. En junio de 2026, OpenAI lanzó GPT-5.6 Luna con precios iniciales de US$1 por millón de tokens de entrada. El 30 de julio, anunció un corte del 80% — bajando a US$0,20/US$1,20/US$0,02 (entrada/salida/cache). Anthropic respondió en agosto haciendo permanente el precio de US$2/US$10 del Claude Sonnet 5, que había sido lanzado como precio promocional en junio. En septiembre, OpenAI cortó el cache del GPT-6 Sol a la mitad, acumulando una reducción cumulativa del 75% sobre los precios originales. Anthropic, a su vez, lanzó el Claude Opus 5.5 el 22 de septiembre a US$4/US$20, un corte del 20% respecto al Opus 5 original.

Lo que hace este movimiento diferente de cualquier corte de precios anterior en el sector tecnológico es la velocidad y la magnitud. Reducciones del 80% en tres meses equivalen a lo que el mercado de smartphones tardó una década en lograr — y esto en un mercado que existe solo desde hace dos años.

La dinámica detrás de los cortes

Analizar estos números de forma aislada es insuficiente. Lo que realmente importa es el contexto competitivo que los impulsa. El DeepSeek V4 Flash, lanzado en abril de 2026 a US$0,14/US$0,28/US$0,0028, creó una presión que ninguna otra empresa del sector había enfrentado. El modelo chino, vendido a una fracción mínima de los precios de OpenAI, ganó una adopción masiva — 13 proveedores en OpenRouter en mayo, saltando a 29 proveedores con la variante 1017. Para OpenAI, el Luna a $1 habría perdido frente al DeepSeek V4 Pro en costo por tarea. El corte del 80% no fue estrategia, fue supervivencia.

El comportamiento del mercado también juega un papel central. El análisis de Max Woolf muestra que OpenAI y Anthropic están ejecutando una dinámica de "loss leader" — vender por debajo del costo real para consolidar cuota de mercado antes de que los competidores open-weight ganen tracción. La comparación con Uber y Lyft en los años 2010 es inmediata: precios artificialmente bajos para eliminar competidores y luego controlar la formación de precios. Sin embargo, existe una diferencia crucial. A diferencia del mercado de transportes, el mercado de inferencia LLM no es un duopolio. Proveedores como DeepSeek, modelos open-weight y agregadores como OpenRouter mantienen presión competitiva real.

El impacto en los agentes de IA

La caída drástica en los precios tiene consecuencias que van mucho más allá del recibo mensual. Con los costos de inferencia bajando, la viabilidad económica de los agentes autónomos cambia completamente. Empresas que antes calculaban si un agente valía la pena a US$0,50 por interacción ahora pueden ejecutarlos por centavos. Esto significa que el número de interacciones por agente se multiplica — y con ello, tanto la utilidad práctica como los riesgos de seguridad. Cada turno adicional de un agente cuesta menos, pero también es más fácil crear agentes que ejecuten miles de millones de interacciones sin supervisión humana.

Asana ya reportó una reducción del 30% en la latencia de finalización de tareas y hasta 2,5x más inference por turno de agente usando el Claude Haiku 5.5, lanzado el 7 de octubre a US$0,10. El mismo precio que OpenAI cobra por el GPT-6 Luna. La paridad de precios entre las dos principales plataformas de IA en el segmento de bajo costo es un momento simbólico — hay menos diferencia competitiva entre OpenAI y Anthropic en este segmento que en cualquier otra franja de precio.

Para desarrolladores individuales, la caída de precios significa que es posible ejecutar agentes continuamente a una fracción del costo anterior. La propia Woolf, que mantenía una suscripción de US$100/mes con el plan 5x Pro de OpenAI, reportó que al caer los costos un 75%, cambió completamente su patrón de consumo — pasando de uso moderado a ejecución casi continua de agentes. El problema: OpenAI cortó en paralelo el límite de uso para usuarios Pro en un 50%, bajo el argumento de "modelos cada vez más eficientes". Es el equivalente digital de reducir la cantidad de gasolina en el tanque y esperar que el carro ande más lejos.

El misterio de las IPOs

Uno de los aspectos más curiosos de la caída de precios es el timing. Tanto OpenAI como Anthropic están en proceso de preparación para IPO — OpenAI, prevista para 2027, y Anthropic, en un plazo de pocos meses. El prospecto de IPO de Anthropic reveló costos de scaling y P&L que, según el Financial Times, mostraban un "lucro operacional ajustado" para el trimestre. Informes indican que los márgenes de ganancia por token pueden ser tan saludables como un 80%, con caveats significativos.

Cortar el producto principal de ingresos en un 80% antes de un IPO es lo opuesto de lo que una empresa quiere mostrar a los inversores. La explicación más plausible es que estos cortes son, en realidad, una señal de confianza — las empresas están dispuestas a sacrificar ingresos a corto plazo para consolidar dominio de mercado antes de abrirse al público. Si los precios permanecen bajos (lo cual es probable, dado el ecosistema competitivo), los ingresos futuros serán menores, pero la base de clientes y la cuota de mercado serán incuestionables.

Hacia dónde va el mercado

Tres tendencias emergen de este análisis. Primero, la caída de precios es probablemente irreversible. Así como el almacenamiento de datos cayó hasta ser prácticamente gratuito, la inferencia LLM tiende al costo marginal mínimo. Segundo, la competencia no será ganada por precio — sino por calidad percibida, ecosistemas de herramientas e integración. Tercero, el gran ganador de esta guerra de precios son los usuarios finales, pero el gran perdedor potencial es la sostenibilidad financiera de startups que dependen de márgenes basados en APIs de terceros. Si OpenAI y Anthropic cortan tanto que no pueden sostener costos de I+D, ¿quién paga por la próxima generación de modelos?

El corte de precios en los LLM no es solo un cambio de tabla de precios — es una señal de que la era de la inferencia como producto se está transformando en infraestructura. Cuando la capacidad de generar texto o código se vuelve tan barata como la electricidad, la verdadera ventaja competitiva migra hacia el ecosistema, no hacia el modelo en sí mismo.

Fuentes: Max Woolf's Blog, The Next Web, TechRepublic

✓ Fuentes independientes cruzadas y verificadas antes de la publicación