TokenMaxxing: cómo sacar el máximo partido a tus modelos de IA

Los empleados de Meta consumieron 60 billones de tokens de IA en 30 días a principios de este año, persiguiendo puestos en una clasificación interna apodada "Claudeonomics". El columnista tecnológico Gergely Orosz estimó la factura en aproximadamente 900 millones de dólares a los precios de lista de Anthropic, aunque es probable que Meta pague mucho menos.

La consultora de Bain & Company Jue Wang ve una versión más silenciosa de ese desperdicio en todas partes: "Tantas empresas, tantos usuarios, recurren por defecto a usar Opus para todo, incluida la generación de correos electrónicos", le dijo a Associated Press este verano, refiriéndose a los modelos de gama alta de Anthropic. Si haces lo mismo, estás contratando a Albert Einstein para calcular tu cambio en un MacDonald's.

Cada palabra que escribes en ChatGPT o Claude, y cada palabra que este te devuelve, se mide en tokens, fragmentos de texto que promedian aproximadamente tres cuartos de una palabra. En una suscripción de $20, ese medidor decide qué tan rápido alcanzas tu límite de uso. En la API, el acceso de pago por token que los desarrolladores usan para integrar modelos en sus propias aplicaciones, decide la factura.

Aquí está la lista de precios actual de Anthropic, por millón de tokens:

La tarifa de Haiku se aplica a prompts de menos de 100.000 tokens; los prompts más largos cuestan cinco veces más.

El modelo superior cuesta 100 veces más que el más pequeño, y la propia línea de OpenAI maneja la misma horquilla, de 10 a 0,10 dólares por millón de tokens de entrada. Esos precios por token se acumulan rápido para los laboratorios—y para ti: la tasa de ingresos anualizada de Anthropic pasó de unos 9.000 millones de dólares a finales de 2025 a más de 47.000 millones en mayo, mientras OpenAI libra una guerra de precios para no quedarse atrás.

Unos cuantos hábitos reducen ese gasto drásticamente, y los primeros cinco consejos a continuación no requieren nada de programación.

Qué significa tokenmaxxing (y qué debería significar)

Tokenmaxxing comenzó como una fanfarronada de Silicon Valley al estilo del Claudeonomics de Meta, con Microsoft, Shopify y Amazon clasificando a los empleados en tablas de clasificación de tokens similares. El CEO de Nvidia, Jensen Huang, echó leña al fuego cuando dijo en el podcast "All-In" en marzo que estaría "profundamente alarmado" si un ingeniero de 500.000 dólares no quemara al menos 250.000 dólares en tokens.

Y vaya que quemaron tokens… en cosas estúpidas e improductivas.

En Amazon, los empleados admitieron haber inflado sus cifras ejecutando la herramienta interna de IA en tareas irrelevantes, hasta que un vicepresidente sénior dijo al personal: "Por favor, no usen la IA solo por el hecho de usar la IA".

Esta guía utiliza el significado que los ingenieros están impulsando ahora: maximizar el valor de cada token, no la cantidad que gastas.

Tres conceptos explican a dónde van los tokens, comenzando por el bucle del agente. Un agente es un modelo que puede usar herramientas, así que piensa, busca en la web o ejecuta código, lee el resultado y vuelve a intentarlo hasta que decide que ha terminado, reenviando toda la conversación en cada vuelta.

La orquestación multiplica ese costo: un modelo actúa como gerente, dividiendo tu solicitud en partes, entregándolas a modelos trabajadores llamados subagentes y uniendo sus respuestas de nuevo. Cada trabajador ejecuta su propio bucle con su propia memoria, por lo que Anthropic dice que los equipos de agentes en Claude Code pueden usar aproximadamente siete veces más tokens que una sesión estándar cuando los compañeros de equipo se ejecutan en modo plan, una configuración cubierta en los consejos intermedios a continuación.

Los grafos son la forma en que los desarrolladores evitan que esos bucles se desvíen. Frameworks como LangGraph te permiten dibujar un flujo de trabajo como un mapa de metro, con estaciones (nodos) que hacen el trabajo y vías (aristas) que deciden a dónde ir después, de modo que el modelo sigue una ruta fija en lugar de repetir hasta quedarse sin ideas o sin presupuesto.

En otras palabras, los bucles te ayudan a automatizar cosas y aumentar la calidad, pero también gastarás mucho dinero, así que es extremadamente importante ser eficiente. Aquí hay algunos consejos que pueden ayudarte con eso

Principiante: tareas pequeñas, modelos pequeños

1. Elige el modelo para la tarea

Si estás empezando, probablemente uses una interfaz gráfica de usuario para ejecutar tu IA.

Haz clic en el nombre del modelo en tu aplicación de chat (en la parte superior del chat en ChatGPT, junto al botón de enviar en Claude o Hermes) y cambia a una opción más pequeña y rápida para correos electrónicos, resúmenes y reformulaciones. Conserva el modelo superior para razonamientos difíciles y decisiones en las que un error sutil cuesta dinero real.

Ejecuta cinco de las tareas de la semana pasada en ambos modelos en paralelo, y si el pequeño las supera, quédate con él. En una suscripción que amplía tu límite de uso, y en la API reduce la factura hasta en un 99%.

2. Escribe un buen prompt en lugar de cinco malos

Tres rondas de "no, solo el total" o "haz esto mejor y más preciso" reenvían todo el chat cada vez. Un prompt claro especifica la tarea y la forma exacta de la respuesta. Algo como esto podría funcionar:

Extrae el número de factura, la fecha, el proveedor y el total del texto a continuación. Mantén cada valor exactamente como está escrito. Devuelve una línea por campo, y escribe "faltante" si un campo no está presente.

Las propias pruebas de OpenAI encontraron que los prompts más concisos y claros obtuvieron una puntuación más alta mientras usaban menos tokens.

3. Inicia un nuevo chat cuando cambies de tema

El modelo relee toda la conversación cada vez que pulsas enviar, así que un hilo de 50 mensajes sobre tus vacaciones hace que tu pregunta sobre impuestos sea más cara y más tonta a la vez.

Anthropic llama a ese deterioro "context rot".

Así que, por el amor de Dios, inicia un nuevo chat cada vez que cambie el tema.

4. Pide el tamaño que necesitas

Los tokens de salida cuestan cinco veces más que los de entrada en los mejores modelos de Anthropic y OpenAI. Termina tus prompts con algo como "tres viñetas, menos de 100 palabras" o "solo las líneas modificadas", y el modelo tendrá menos margen para rellenar.

Si el modelo tiene una restricción en cuanto a la longitud de salida, ahorrará tokens, especialmente si la tarea es creativa (como escribir o investigar) y no determinista (como programar o resolver matemáticas).

5. Prueba gratis antes de pagar

OpenRouter, un sitio que conecta con cientos de modelos de IA a través de una sola cuenta, tiene un router gratuito que envía tu solicitud a uno de unos 20 modelos sin coste. También puedes ejecutar modelos localmente con LM Studio u Ollama en una tarjeta gráfica con 8 GB de memoria de vídeo o un Mac de la serie M de Apple.

Los niveles gratuitos pueden desaparecer de la noche a la mañana, así que no construyas nada importante sobre uno de ellos, y lee la política de datos antes de pegar cualquier cosa sensible.

Dicho esto, puedes maximizar tus iteraciones usando ofertas gratuitas. Hermes tiene una buena selección de modelos gratuitos que pueden hacer el trabajo que necesitas, y Nvidia también. Es mejor ajustar un prompt con un modelo gratuito más tonto que pagar por un modelo premium que hará lo mismo pero más rápido.

Consejos adicionales para principiantes

Omite el pensamiento extendido para preguntas simples, o reduce el nivel de esfuerzo en los modelos Claude más nuevos donde el pensamiento no se puede desactivar. Anthropic factura el proceso de pensamiento completo como salida, incluida la parte que nunca ves.

Los suscriptores de Claude Pro y Max que activen los créditos de uso pueden establecer un límite de gasto mensual en Configuración, luego en Uso.

Intermedio: tu agente está leyendo demasiado

De aquí en adelante, los ejemplos usan Claude Code, el agente de Anthropic que se ejecuta en tu terminal y edita archivos por ti; los comandos van directamente a su caja de chat. Otros entornos tendrán una lógica similar.

Si solo usas las aplicaciones de chat, el consejo 8 también funciona en cualquier ventana de chat.

6. Empieza barato, escala ante el fallo

Escribe /model para cambiar de modelo, mantén Sonnet como tu predeterminado y pasa a Opus solo cuando Sonnet falle en algo específico, como un error que no puede corregir tras dos intentos. Para tareas simples de subagentes, la documentación de Anthropic sugiere establecer model: haiku en la configuración del subagente.

7. Limpiar entre tareas

Escribe /clear cuando cambies a una tarea no relacionada, lo cual no cuesta nada y descarta el historial antiguo. Usa /compact con una nota sobre qué conservar, como /compact conserva las decisiones de la base de datos, solo cuando necesites el historial, ya que compactar es en sí mismo una solicitud grande.

8. Deja que el código haga las matemáticas aburridas

Pegar una hoja de cálculo de 5.000 filas en un chat hace que el modelo lea cada fila, y aun así puede contar mal, porque un modelo de lenguaje no es una calculadora por mucho que pagues por él.

Pídele una fórmula o un script corto en su lugar, ejecútalo tú mismo y entrega al modelo solo el resultado.

9. Reduce tus herramientas

Los servidores MCP son plugins que conectan un modelo con aplicaciones como GitHub o Google Drive, y cada uno añade nombres de herramientas e instrucciones a cada sesión.

Escribe /context para ver qué está consumiendo espacio y /mcp para desactivar los servidores que el proyecto no usa.

Consejos intermedios adicionales

Escribe /usage para ver adónde fueron tus tokens. Mantén tu CLAUDE.md (o Soul.md), el archivo de instrucciones que tu agente lee al inicio de cada sesión, por debajo de 200 líneas.

Para cambios más grandes, pulsa Shift+Tab para cambiar al modo de planificación, donde el agente propone un plan para tu aprobación antes de tocar archivos, y pulsa Esc en el momento en que vaya en la dirección equivocada. Usa /effort para bajar el razonamiento en trabajos simples como renombrar una variable.

Anthropic mostró que el uso de tokens de un agente bajaba de 150.000 tokens a 2.000 cuando cargaba solo las definiciones de herramientas que necesitaba, así que las herramientas de línea de comandos como gh de GitHub, que no cuestan nada hasta que se ejecutan, a menudo superan a un plugin siempre activo.

Avanzado: incorpora las barreras de protección en el sistema

Toma un desarrollador que necesita procesar 1.000 facturas de 2.000 tokens cada una, con respuestas de 200 tokens: el trabajo cuesta unos 30 $ en Fable 5.1 y unos 0,30 $ en Haiku 5.5, antes de cualquiera de los trucos que aparecen a continuación.

10. Almacena en caché las partes que nunca cambian

Coloca primero las instrucciones estables y al final las partes cambiantes, y marca el bloque estable para el almacenamiento en caché. En la API de Anthropic eso es un campo adicional:

"system": [{

"type": "text",

"text": "Tus instrucciones de factura...",

"cache_control": {"type": "ephemeral"}

}]

Leer desde la caché cuesta una fracción del precio normal de entrada, mientras que escribir en la caché predeterminada de cinco minutos cuesta extra. Revisa el campo cache_read_input_tokens en cada respuesta; si sigue marcando cero después de la primera llamada, la caché no está funcionando.

11. Agrupa en lotes todo lo que pueda esperar

Tanto OpenAI como Anthropic procesan trabajos por lotes con un 50% de descuento, y OpenAI promete resultados en un plazo de 24 horas. Sube las 1.000 facturas como un único archivo por lotes en lugar de hacer 1.000 llamadas en vivo, y la factura se reduce enormemente.

12. Pon a los agentes con correa

Establece un número máximo de pasos y un límite en dólares para cada ejecución de agente, y define cómo se ve "terminado" antes de que empiece. Claude Code acepta una bandera --max-budget-usd para ejecuciones con script, y Shopify usa interruptores automáticos que pueden cortar el acceso de un desarrollador de inmediato si su gasto se dispara en un día, diseñados para detectar agentes descontrolados.

Ahora mismo, lo normal es dejar realmente libres a esos agentes y hacer que iteran en bucle hasta que el resultado se considere perfecto. Si no tienes el dinero, no dejes simplemente que tus agentes decidan qué es o no es "perfecto".

Consejos avanzados adicionales

Coloca los datos críticos al principio o al final de un prompt largo. Un estudio liderado por Stanford descubrió que los modelos utilizan mejor la información en esas posiciones y peor cuando está enterrada en el medio.

Paga por un segundo modelo que revise el trabajo solo cuando un error sea costoso, como una cláusula de contrato o una cifra de pago. En la API de OpenAI, activa un límite de gasto estricto para cada proyecto, ya que sus alertas de gasto solo te notifican y no detienen el tráfico.

Empieza con una prueba

Haz que el modelo más barato que supere tu prueba de cinco tareas del consejo 1 sea tu predeterminado durante una semana, y cambia solo cuando falle. Luego compara tu página de uso con la de la semana anterior; en el trabajo de la factura, el enrutamiento por sí solo redujo la factura de $30 a $3.90, incluso después de pagar a Opus 5.5 para rehacer 300 fallos.

Sin embargo, los tokens más baratos no bastarán por sí solos: el precio de un solo token ha caído más del 90% desde 2023, según el Índice de Gasto en Tokens de Silicon Data, y aun así el gasto en modelos de lenguaje grandes se ha duplicado desde finales de 2025.

Los economistas llaman a eso la paradoja de Jevons, cuando un recurso se vuelve tan barato que la gente termina gastando más en él en total. Un informe de Bain & Co. de junio encontró el mismo patrón, con los costos de los tokens reduciéndose a la mitad entre diciembre de 2024 y 2025 mientras el número de tokens consumidos creció un 450%.

Lo positivo es que los mismos precios en descenso trabajan para ti en el momento en que dejas de quemar tokens por deporte: combínalos con los hábitos anteriores, y la IA se vuelve más barata y mejor al mismo tiempo.