OpenAI, Google y Anthropic: cuándo pagar por razonar

Qué es un modelo de razonamiento y por qué te cobra el borrador

Un modelo de razonamiento escribe un borrador interno antes de darte la respuesta. Ese borrador se factura como tokens de salida aunque tú no lo veas: en el ejemplo que publica la propia documentación de OpenAI, 1.024 de los 1.186 tokens de salida —un 86%— son razonamiento. Para un founder que paga la API, la pregunta útil ya no es si razonar es mejor, sino cuándo le sale a cuenta pagarlo.

La mecánica es la de contestar de memoria frente a coger papel y lápiz. La guía de modelos de razonamiento de OpenAI explica que ese paso previo ayuda al modelo a planificar, usar herramientas de forma eficaz, examinar alternativas y recuperarse de la ambigüedad. La documentación de Anthropic sobre el pensamiento de Claude lo detalla más: el modelo reformula la petición, prueba enfoques, comprueba resultados intermedios y abandona los caminos que no se sostienen. Google, en su guía de thinking para Gemini, añade que sus modelos razonan de forma dinámica y ajustan el esfuerzo según la complejidad de la petición.

Hay un matiz que conviene tener claro antes de auditar nada: lo que ves no es el razonamiento real. Anthropic aclara que el texto de los bloques de pensamiento es un resumen y nunca la cadena de razonamiento en bruto. OpenAI indica que sus tokens de razonamiento no son visibles a través de su API, y Google solo devuelve la respuesta final salvo que actives los resúmenes de pensamiento. Es decir: pagas el proceso completo y solo ves un extracto.

Cuánto cuesta realmente dejar pensar a la IA

Los tres proveedores cobran igual: el razonamiento son tokens de salida. OpenAI señala que ocupan espacio en la ventana de contexto y se facturan como salida; Anthropic insiste en que pagas el pensamiento completo, no el resumen que te enseña; y Google calcula el precio de la respuesta como la suma de los tokens de salida más los de pensamiento.

La escala es lo que rompe los presupuestos. Según OpenAI, un modelo puede generar desde unos cientos hasta decenas de miles de tokens de razonamiento por petición, y la compañía recomienda reservar al menos 25.000 tokens para razonamiento y respuesta cuando empiezas a experimentar. Multiplica eso por el volumen de tu producto y entiendes por qué el coste por token ya no cuenta toda la historia.

La trampa más cara: quedarte sin presupuesto a mitad

Hay un fallo de configuración que cuesta dinero sin devolver nada. Si la petición alcanza el límite de tokens, OpenAI avisa de que puedes pagar la entrada y el razonamiento sin recibir ninguna respuesta visible. Google describe el mismo escenario: la salida llega truncada o vacía, aunque los tokens de pensamiento generados se facturan igual. Su recomendación es bajar el nivel de pensamiento en lugar de recortar el máximo de salida.

La otra factura es el tiempo. OpenAI describe su nivel bajo como un aumento modesto de la latencia y, del nivel más alto, dice algo poco habitual en un fabricante: úsalo solo cuando tus evaluaciones muestren un beneficio claro que justifique la latencia y el coste extra.

Qué tareas compensan el razonamiento y cuáles no

Las tres guías coinciden en el criterio: compensa cuando el problema tiene varios pasos o información ambigua, y sobra cuando la respuesta es directa.

• Ninguno o mínimo: recuperar un dato, clasificar, voz. Google pone como ejemplo la pregunta de dónde se fundó DeepMind; OpenAI, la voz y la clasificación.
• Bajo: redactar borradores y analizar datos.
• Medio: comparar conceptos, investigar, trabajar con hojas de cálculo. Es el valor por defecto en muchos modelos.
• Alto o máximo: depurar código, matemáticas de competición y planificación de varios pasos.

La guía de buenas prácticas de OpenAI resume la filosofía con una metáfora útil para decidir arquitectura: los modelos de razonamiento son los planificadores y los modelos rápidos son los caballos de carga. Los primeros brillan con tareas ambiguas o al buscar una aguja en un pajar de contratos y estados financieros; los segundos, con tareas bien definidas donde importan la velocidad y el coste.

De esa misma guía sale un consejo que contradice un hábito extendido: pedirle a un modelo de razonamiento que piense paso a paso puede no mejorar el resultado e incluso empeorarlo. Funcionan mejor con instrucciones directas y un objetivo claro.

Qué modelos razonan a octubre de 2026

La frontera entre modelo de razonamiento y modelo normal se está borrando: hoy es un dial de esfuerzo más que un interruptor. Según la documentación oficial de las tres compañías, a fecha de octubre de 2026:

• OpenAI recomienda empezar con gpt-6-astra para la mayoría de cargas de razonamiento, gpt-5.6-terra si buscas menor coste y gpt-5.6-luna para el coste y la latencia más bajos. Los niveles de esfuerzo van de none a max según el modelo, y gpt-6-astra no admite none.
• Anthropic indica que en Claude Opus 5.5, Sonnet 5.5 y Haiku 5.5, entre otros, el pensamiento ya viene activado. En Opus 5.5 el pensamiento adaptativo no se puede desactivar y su esfuerzo por defecto es medio: el propio modelo decide en cada petición si piensa y cuánto.
• Google lista gemini-4-argon y gemini-3.8-flash con pensamiento activado por defecto en nivel medio, y niveles bajo, medio y alto. Algunos modelos más ligeros, como gemini-2.5-flash-lite, lo traen desactivado.

Hay un detalle de seguridad que conviene seguir si dependes de auditar lo que hace tu agente. TechCrunch reportó que el modelo Astra de OpenAI recurre a una técnica llamada recurrent depth, o recurrencia opaca, que procesa la misma consulta varias veces en bucle y deja menos rastro legible en la cadena de pensamiento. Expertos en seguridad como Buck Shlegeris, CEO de Redwood, y Ryan Greenblatt advirtieron sobre el impacto en la capacidad de monitorizar a los modelos, mientras que el científico jefe de OpenAI, Jakub Pachocki, reafirmó el compromiso de la compañía con cadenas de pensamiento legibles. La misma información apunta a que Anthropic y Google DeepMind ya discuten la técnica.

Por qué la factura sube aunque el token baje

El contexto de mercado explica por qué este dial importa más cada trimestre. Según un análisis de TheNextWeb que cita datos de Gartner y recogió WWWhat's New, los precios de API de los principales modelos de frontera cayeron entre un 70% y un 90% en 18 meses, y aun así las facturas de IA empresarial se triplicaron en el mismo periodo: cuando el token es más barato, se usa para tareas que consumen órdenes de magnitud más tokens. Gartner estima que el 40% de las aplicaciones enterprise tendrán agentes de IA específicos de tarea a finales de 2026, frente a menos del 5% un año antes. El CEO de Palo Alto Networks, Nikesh Arora, dijo públicamente que los precios por token necesitan caer otro 90% para que la adopción escale sin racionar el uso.

La presión por el coste ya está cambiando decisiones de producto. CNBC, en una nota recogida por International Business Times, reportó que los modelos chinos superaron el 30% de los tokens procesados en OpenRouter cada semana desde el 8 de febrero, con picos del 46%, frente a un promedio del 11% en los 12 meses anteriores. Justin Summerville, de OpenRouter, señaló que los principales modelos abiertos chinos pueden costar entre un 60% y un 90% menos que modelos comparables de Anthropic y OpenAI. La startup Lindy movió todo su tráfico de Claude a DeepSeek y su CEO, Flo Crivello, dijo que espera ahorrar millones de dólares en meses.

El caso más ilustrativo para un founder es Harvey, la startup legal valorada en US$15.600M. Según Bloomberg, sus márgenes brutos pasaron de cerca del 50% a -50% entre el inicio de 2026 y junio, después de que una actualización de sus agentes disparara el uso. La compañía construyó su propio modelo sobre Kimi K3, de Moonshot AI, y sus márgenes volvieron a terreno positivo. Su presidente, Gabe Pereyra, dijo que el consumo de tokens creció veinte veces este año, un nivel que describió como insostenible si la empresa seguía dependiendo de los modelos más caros.

Qué significa esto para tu startup

El error más común no es usar poco razonamiento, sino dejarlo en alto por defecto. Si una pregunta se responde con un dato, cada token de borrador es dinero y tiempo tirados. Cuatro acciones concretas:

• Mide antes de subir el dial. Empieza con el esfuerzo bajo o el valor por defecto del proveedor y súbelo solo cuando la respuesta falle en un problema de varios pasos. Si no puedes demostrar que el nivel más alto mejora tu resultado, estás pagando por esperar.
• Enruta por tarea, no por proveedor. Separa tus flujos en dos carriles: un modelo rápido y barato para clasificar, extraer y redactar; un modelo de razonamiento para depurar código, planificar o cruzar documentos largos. Es la lógica de planificador y caballo de carga que describe OpenAI.
• Configura el presupuesto de tokens con margen. Reserva al menos 25.000 tokens entre razonamiento y respuesta si estás experimentando, y baja el nivel de pensamiento antes que el máximo de salida. Así evitas el escenario en el que pagas entrada y razonamiento y no recibes respuesta visible.
• Audita qué mandas a la nube. Si lo que te preocupa no es el coste sino qué documentos envías para que el modelo razone sobre ellos, la alternativa es ejecutar modelos en tu propio equipo con Ollama o LM Studio, asumiendo sus límites de potencia.

Un modelo que piensa más no sabe más: razona mejor con lo que tiene, pero no obtiene información que no esté a su alcance. El dial de esfuerzo es una decisión de producto y de margen, no una mejora automática de calidad.

Fuentes

• WWWhat's New (fuente original)
• TechCrunch
• International Business Times
• Crypto Briefing
• WWWhat's New