Facturación de la API de OpenAI, explicada con números reales

Respuesta rápida: cómo funciona la facturación de la API de OpenAI

Tres números deciden cada línea de tu factura: los tokens de entrada enviados, los tokens de salida generados y la tarifa por millón de tokens del modelo que elegiste. No hay suscripción ni cargo por petición. Multiplicas, divides entre un millón, listo. La trampa es que los tres números se comportan de forma distinta. Los tokens de entrada crecen en silencio a medida que se acumula el historial de chat, los tokens de salida cargan con una prima grande por token, y la tarifa cambia cada vez que cambias de modelo. El resto de esta guía repasa la mecánica, las tarifas actuales de gpt-5.5, tres ejemplos completamente desarrollados y los puntos donde las facturas se disparan sin previo aviso.

• Unidad de facturación: tokens, medidos por separado para entrada (prompt + historial) y salida (la respuesta)
• Modelo de pago: créditos prepago, que se descuentan por petición; las peticiones fallan con saldo cero salvo que la recarga automática esté activada
• Los niveles de uso cambian tus límites de tasa, no tus precios
• Batch API: mitad de precio para trabajos asíncronos que pueden esperar hasta 24 horas

Créditos prepago, niveles de uso y la Batch API

OpenAI trasladó las cuentas de API a facturación prepago: compras créditos por adelantado y el uso los va descontando. Dos detalles pillan a la gente desprevenida. Primero, los créditos no usados caducan 12 meses después de la compra, así que cargar el presupuesto de un año en enero es una donación si tu tráfico es bajo. Segundo, cuando el saldo llega a cero tus peticiones empiezan a devolver errores de inmediato, lo que parece una caída si nadie está pendiente del panel de facturación. La recarga automática arregla el corte estricto pero elimina el tope natural de gasto, así que combínala con límites de uso. Los niveles de uso son la segunda mecánica. Las cuentas suben de nivel a medida que crece el gasto acumulado y la antigüedad de la cuenta, y cada nivel eleva tus límites de tasa (peticiones por minuto y tokens por minuto). Los niveles no cambian los precios por token. Si te están saltando errores 429 con poco volumen, estás en un nivel bajo, y el arreglo es historial de gasto o pedir un aumento de límite de tasa, no un plan distinto. La Batch API es el único descuento integrado que merece la pena planear: envías un archivo de peticiones, aceptas los resultados dentro de una ventana de 24 horas, y pagas la mitad de la tarifa estándar tanto en entrada como en salida. Todo lo que no sea de cara al usuario ni sensible a la latencia (evaluaciones, rellenos históricos, resúmenes, clasificación) encaja ahí. La entrada en caché también tiene descuento cuando tus prompts comparten un prefijo largo y estable, lo que premia poner primero las instrucciones estáticas y al final el contenido variable.

Rastrea el uso exacto desde la respuesta de la API

No necesitas estimar tokens con una librería de tokenización a posteriori. Cada respuesta de chat completion incluye un objeto usage con los recuentos exactos por los que se te facturó. Regístralo en cada llamada y tu contabilidad de costes es la verdad definitiva, no una aproximación. Una trampa: con streaming activado, el objeto usage solo se envía si lo pides explícitamente vía stream_options. Si tus registros muestran peticiones en streaming con cero tokens, esa es la razón.

curl https://api.openai.com/v1/chat/completions \
  -H "Authorization: Bearer $OPENAI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-5.5",
    "messages": [{"role": "user", "content": "Summarize the attached notes in one line."}],
    "max_completion_tokens": 200,
    "stream_options": {"include_usage": true}
  }'

# La respuesta incluye los recuentos exactos facturados:
# "usage": {
#   "prompt_tokens": 42,
#   "completion_tokens": 118,
#   "total_tokens": 160
# }

Crea una calculadora de costes de la API de OpenAI en diez líneas

Las calculadoras de coste online quedan obsoletas la semana en que cambia un precio. Una función de diez líneas alimentada por el objeto usage nunca lo hace. Mantén una tabla de tarifas por modelo, multiplica, y registra la cifra en dólares junto a cada ID de petición. Ten en cuenta que los modelos con capacidad de razonamiento facturan los tokens de razonamiento ocultos como tokens de completion, así que la calculadora de abajo se mantiene correcta siempre que leas completion_tokens de la respuesta en lugar de contar tú mismo el texto visible.

# USD por millón de tokens: {"in": tarifa de entrada, "out": tarifa de salida}
RATES = {
    "gpt-5.5": {"in": 4.00, "out": 24.00},
    "claude-sonnet-4-6": {"in": 2.40, "out": 12.00},
    "deepseek-v4-flash": {"in": 0.126, "out": 0.252},
}

def cost_usd(model: str, prompt_tokens: int, completion_tokens: int) -> float:
    rate = RATES[model]
    return (prompt_tokens * rate["in"] + completion_tokens * rate["out"]) / 1_000_000

usage = response.usage
print(f"{cost_usd('gpt-5.5', usage.prompt_tokens, usage.completion_tokens):.6f}")

Tabla de precios de gpt-5.5 y comparación de modelos

Las tarifas de abajo son el catálogo de APIsRouter: APIsRouter es una pasarela compatible con OpenAI (Base URL https://api.apisrouter.com/v1) con facturación de pago por uso y sin suscripción, donde los modelos globales tienen un precio un 20% por debajo de la lista oficial y los modelos chinos quedan por debajo de sus tarifas oficiales. El checkout en /topup no necesita registro: pagas primero, la clave llega por correo, y la primera recarga añade +100% de saldo. Confirma siempre las tarifas oficiales de OpenAI en su página de precios antes de presupuestar una cuenta directa, ya que los precios de lista cambian. Para contexto, el mismo catálogo incluye los modelos con los que la gente realmente compara gpt-5.5. kimi-k2.6 y mimo también están listados para cargas de trabajo con mucho chat.

Cómo se compara gpt-5.5 en precio

Misma matemática, tarifas distintas. La elección de modelo es la palanca más grande sobre una factura de tokens, y la mayoría de las cargas de trabajo mezclan modelos en lugar de elegir uno solo.

Ejemplos reales: tres cargas de trabajo con precio de principio a fin

Los tres ejemplos usan las tarifas de gpt-5.5 de arriba ($4.00 entrada, $24.00 salida por 1M de tokens). Ejemplo 1, un chatbot en producción: 100,000 peticiones al mes con un promedio de 1,500 tokens de entrada y 300 de salida cada una. Entrada: 150M de tokens a $4.00 son $600. Salida: 30M de tokens a $24.00 son $720. Total: $1,320 al mes, y fíjate en que la salida es más de la mitad de la factura pese a ser una quinta parte de los tokens. Ejemplo 2, una sesión de roleplay o character-chat de 60 turnos donde el frontend reenvía un contexto promedio de 6,000 tokens en cada turno con respuestas de 250 tokens. Entrada: 360K tokens son $1.44. Salida: 15K tokens son $0.36. Total: unos $1.80 por sesión. La misma sesión en deepseek-v4-flash cuesta unos cinco centavos, por eso los usuarios de chat de sesión larga rara vez ejecutan modelos insignia en cada turno. Ejemplo 3, resumir 20,000 documentos con 2,500 tokens de entrada y 150 de salida cada uno. Entrada: 50M de tokens son $200. Salida: 3M de tokens son $72. Total: $272 como trabajo síncrono, o unos $136 a través de la Batch API ya que nada aquí es sensible a la latencia.

Sorpresas de coste que inflan las facturas de OpenAI

Ninguna de estas cosas aparece en una prueba por petición. Aparecen en el segundo mes, cuando las sesiones se alargan y la ventana de historial se ha triplicado en silencio. Instrumenta el objeto usage desde el primer día y grafica los tokens de entrada por sesión a lo largo del tiempo; ese único gráfico detecta la mayoría de la lista de arriba.

• Reenvío de historial: cada turno de chat reenvía toda la conversación, así que el coste de entrada por sesión crece aproximadamente con el cuadrado del número de turnos hasta que recortas
• La prima de salida: la salida de gpt-5.5 cuesta 6x su tarifa de entrada, así que las respuestas verbosas y los límites de longitud sin fijar dominan las facturas
• Tokens de razonamiento: la cadena de pensamiento oculta se factura como tokens de completion que nunca ves en el texto
• Timeouts del cliente: si tu lado abandona una petición después de que el servidor empezó a generar, los tokens generados igualmente se facturan
• Entradas de visión: las imágenes se tokenizan y una sola imagen de alto detalle puede costar miles de tokens de entrada
• Caducidad de créditos: el saldo prepago comprado hace más de 12 meses desaparece, se haya gastado o no

Cómo recortar los costes de la API de OpenAI

El enrutamiento es la palanca más grande. Los equipos que reparten el tráfico entre un modelo insignia y un modelo de valor como deepseek-v4-flash o glm-5 suelen recortar el gasto mucho más que cualquier ajuste de prompt, porque el modelo barato gestiona los turnos de alto volumen. Para frontends de character-chat y roleplay en concreto, el par deepseek-v4-pro y deepseek-v4-flash es la respuesta habitual de la comunidad en cuanto a valor, kimi-k2.6 y mimo merecen probarse, y los modelos Claude son la elección cuando lo que más importa es una prosa SFW pulida. Sea cual sea el frontend que conectes, sigue sus términos de servicio y requisitos de edad. La matemática de facturación en sí nunca cambia: tokens de entrada, tokens de salida, tarifa. Mete esos tres números en tus registros y cada decisión de coste se convierte en aritmética en lugar de conjeturas.

• Limita la salida con max_completion_tokens en cada llamada; es la barrera más barata que existe
• Recorta el historial con una ventana deslizante, o resume los turnos antiguos en una nota compacta en lugar de reenviarlos textualmente
• Mueve el trabajo no interactivo a la Batch API y paga la mitad de tarifa
• Pon primero un system prompt largo y estable y al final el contenido variable para que los descuentos de entrada en caché se activen de verdad
• Enruta por tarea: la clasificación, la extracción y los turnos de chat casual no necesitan un modelo insignia; reserva gpt-5.5 para los pasos que fallan en modelos más baratos
• Configura alertas de saldo y límites por clave para que un bucle descontrolado no pueda vaciar la cuenta

Preguntas frecuentes