Anthropic plantea cobrar los tokens de sus modelos según el valor de cada tarea
Los modelos de inteligencia artificial podrían dejar atrás el actual sistema de precios basado principalmente en el número de tokens procesados. Dario Amodei, consejero delegado de Anthropic, ha defendido la posibilidad de establecer tarifas dinámicas en función de la complejidad de la tarea y del valor económico del resultado obtenido.
La propuesta llega en un momento especialmente relevante para la compañía, que prepara su posible salida a bolsa en Estados Unidos. El regulador bursátil del país, la SEC, revisa actualmente la documentación presentada por Anthropic, mientras inversores y analistas examinan sus previsiones de ingresos, sus compromisos de computación y la sostenibilidad de su negocio.
Un token no siempre tiene el mismo valor
En los sistemas de inteligencia artificial generativa, un token es una unidad de texto que el modelo procesa. Puede ser una palabra completa, una parte de ella, un signo de puntuación o incluso un espacio, dependiendo del sistema utilizado. Las empresas suelen cobrar a sus clientes según la cantidad de tokens de entrada y salida.
Este modelo permite calcular el coste de uso de una API, la interfaz que utilizan los desarrolladores para conectar sus aplicaciones con un modelo de IA. Sin embargo, no distingue necesariamente entre una respuesta sencilla y otra que puede tener un impacto económico enorme.
Amodei puso como ejemplo una respuesta que recomienda reiniciar un ordenador. El modelo puede haber generado una contestación similar millones de veces, por lo que su valor comercial sería reducido. En cambio, una respuesta que sugiera a una compañía farmacéutica cómo modificar una molécula podría influir en años de investigación y en productos con un valor potencial de miles de millones de euros.
Desde esta perspectiva, el coste de producir los tokens no reflejaría por sí solo el valor de la información generada. La propuesta consiste en vincular el precio a la dificultad del encargo, el nivel de razonamiento necesario o el resultado que la empresa obtiene gracias a la respuesta.
Del pago por uso al pago por resultados
La idea apunta a una evolución desde el actual pago por volumen hacia modelos de pago por resultados. En lugar de facturar únicamente el número de consultas o tokens consumidos, una compañía de IA podría cobrar una comisión cuando el sistema complete con éxito una tarea concreta.
Este enfoque podría aplicarse a ámbitos como el desarrollo de software, la atención al cliente, la investigación científica o el análisis financiero. Una herramienta que resuelve una incidencia sencilla tendría un precio limitado, mientras que un sistema que automatiza un proceso empresarial crítico podría cobrar una cantidad mucho mayor.
El modelo presenta, no obstante, importantes dificultades. Medir de forma objetiva el valor de una respuesta no siempre resulta sencillo. También habría que determinar si el resultado se debe exclusivamente a la IA, al trabajo de los empleados que la utilizan o a una combinación de ambos factores.
Además, las tarifas variables podrían complicar la previsión de gastos para los clientes. Las empresas tendrían que conocer con antelación cuánto puede costar una operación, especialmente cuando el modelo participe en procesos largos o genere respuestas que requieran varias etapas de razonamiento.
El uso de las API seguirá siendo clave
A pesar de plantear cambios en la forma de cobrar, Amodei considera que el modelo actual de API puede mantenerse durante más tiempo del que algunos analistas prevén. Estas interfaces permiten que los desarrolladores construyan aplicaciones sobre las capacidades de los modelos y las adapten a sus propias necesidades.
La expansión de las API ha sido uno de los principales motores del negocio de la IA generativa. Las compañías pueden integrar asistentes en sus servicios sin entrenar un modelo desde cero, mientras los laboratorios reciben ingresos cada vez que sus sistemas procesan solicitudes.
Según la documentación presentada por Anthropic, alrededor del 80 % de sus ingresos durante el primer semestre de 2026 procedió del uso de sus modelos. El 20 % restante correspondió a suscripciones. Un sistema basado en el valor de las tareas podría modificar progresivamente este reparto y aumentar los ingresos por clientes empresariales.
Una infraestructura con costes extraordinarios
La presión para encontrar nuevas fuentes de ingresos se explica también por el coste de entrenar y operar modelos avanzados. Anthropic declaró 16.300 millones de dólares en ingresos durante los seis primeros meses de 2026 y mantiene compromisos futuros de infraestructura superiores a 600.000 millones de dólares.
La compañía podría añadir otros 150.000 millones de dólares a esa cifra. En total, sus compromisos relacionados con capacidad de computación rondarían los 895.400 millones, con unos 70.000 millones exigibles durante los próximos doce meses.
La empresa elevó sus ingresos hasta los 33.200 millones de dólares en nueve meses, aproximadamente trece veces más que en el periodo comparable. Sin embargo, también registró pérdidas de 104.000 millones de dólares, en buena medida por un cargo contable de 94.000 millones asociado a acuerdos de financiación.
Amodei sostiene que la actividad subyacente puede ser rentable y atribuye buena parte de las pérdidas a la compra anticipada de capacidad de computación. Si la demanda real queda por debajo de las previsiones, la empresa debe asumir el coste de unos recursos que todavía no utiliza plenamente.
La salida a bolsa pondrá a prueba el modelo
Anthropic espera comenzar a cotizar en el Nasdaq a finales de noviembre, aunque el calendario depende de la revisión regulatoria y de las condiciones del mercado. La operación permitirá comprobar cómo valoran los inversores una compañía con un crecimiento excepcional, pero también con necesidades de capital e infraestructura sin precedentes.
El debate sobre el precio de los tokens afecta a todo el sector. Los laboratorios de IA necesitan convertir modelos cada vez más costosos en servicios rentables y, para ello, tendrán que decidir si cobran por el volumen de computación, por el acceso a capacidades premium o por el valor económico de los resultados.
La transición hacia precios dinámicos no parece inmediata, pero puede convertirse en una de las próximas grandes batallas comerciales de la inteligencia artificial. La cuestión ya no será solo cuánto texto genera un modelo, sino cuánto valor es capaz de crear.
