# Cómo calculamos la comparación de costes ~1/7 - GateLLM

> Todas las entradas de nuestra comparación de costes: el escenario por defecto, los precios del catálogo y sus fuentes, las fórmulas de coste y capacidad, la sensibilidad según el modelo de ejecución y lo que el ratio no incluye.

Canonical: https://www.gatellm.io/es/methodology/

## Cómo calculamos la comparación de costes

Las entradas detrás de la calculadora y de la comparación de la página de inicio, publicadas para que puedas recalcularlas en lugar de creerlas.

Cada cifra de esta página se calcula al construirla, con los mismos módulos que usa la calculadora: catálogo de modelos, modelo de mezcla y lista de precios publicada. Ninguna cifra está escrita a mano en un archivo de traducción.

## Qué establece esta página

Con el ajuste por defecto, el coste de la mezcla es 16% de una base totalmente frontier, aproximadamente uno de cada 6, mientras la puntuación de capacidad conserva 97,3% de la base. Ambas cifras salen de las fórmulas de abajo, no son eslóganes.

## El escenario por defecto

La calculadora se abre con un escenario: 30 mil millones tokens al mes, de ellos 10% de salida, 90% de la ejecución en el nivel abierto y una tasa de acierto de caché de 80% en la entrada. El planificador es Claude Opus 5.5; el ejecutor es DeepSeek V4.1 Flash. Son volúmenes empresariales ilustrativos, no la medición de un cliente.

### Ajuste por defecto

| Entrada | Valor | Fuente |
| --- | --- | --- |
| DEFAULT_MIX_INPUT.monthlyTokens | 30 mil millones | shared/mix-economics.ts |
| DEFAULT_MIX_INPUT.outputRatio | 10% | shared/mix-economics.ts |
| DEFAULT_MIX_INPUT.openShare | 90% | shared/mix-economics.ts |
| DEFAULT_MIX_INPUT.cacheHitRate | 80% | shared/mix-economics.ts |
| DEFAULT_MIX_INPUT.plannerId | Claude Opus 5.5 | shared/model-catalog.ts |
| DEFAULT_MIX_INPUT.executorId | DeepSeek V4.1 Flash | shared/model-catalog.ts |
| INTRINSIC_PLANNING_FRAC | 10% | shared/mix-economics.ts |

## Los precios utilizados

Los precios de lista se toman de las páginas de precios de los proveedores; el catálogo tiene fecha de 2026-11-02. Con BYOK los pagas directamente y GateLLM no añade margen. Cuando un proveedor publica varios precios para el mismo modelo, el catálogo toma el más alto: la dirección que hace parecer menor nuestro ahorro.

### Precios del catálogo (USD por millón de tokens)

| Modelo | Proveedor | Entrada | Salida | Entrada en caché | Fuente |
| --- | --- | --- | --- | --- | --- |
| Claude Sonnet 5.5 | Anthropic | $2 | $10 | $0.10 | https://platform.claude.com/docs/en/about-claude/pricing |
| Claude Opus 5.5 | Anthropic | $4 | $20 | $0.20 | https://platform.claude.com/docs/en/about-claude/pricing |
| Claude Fable 5.1 | Anthropic | $10 | $50 | $0.25 | https://platform.claude.com/docs/en/about-claude/pricing |
| GPT-6 Astra | OpenAI | $10 | $50 | $1 | https://developers.openai.com/api/docs/pricing |
| Claude Haiku 5.5 | Anthropic | $0.10 | $0.50 | $0.01 | https://platform.claude.com/docs/en/about-claude/pricing |
| GLM-5.3-Flash | Zhipu | $0.15 | $0.50 | $0.03 | https://docs.z.ai/guides/overview/pricing |
| DeepSeek V4.1 Flash | DeepSeek | $0.30 | $1.20 | $0.006 | https://api-docs.deepseek.com/quick_start/pricing/ |
| Qwen3.8-Max | Alibaba | $2 | $6 | $0.25 | https://www.alibabacloud.com/help/en/model-studio/qwen3-8-max |

## Cómo se calcula el ratio de coste

La base envía todo el tráfico al planificador y aplica la misma hipótesis de caché. La mezcla envía 90% del tráfico al ejecutor. El ratio es la mezcla dividida por la base: 16% con el ajuste por defecto, aproximadamente uno de cada 6. En términos absolutos: $86K de base, $13K con mezcla y $73K de ahorro al mes.

### Coste mensual con el ajuste por defecto

| Concepto | USD al mes | Nota |
| --- | --- | --- |
| entrada del planificador | $3K | con descuento de caché aplicado |
| salida del planificador | $6K |  |
| entrada del ejecutor | $2K | con descuento de caché aplicado |
| salida del ejecutor | $3K |  |
| línea base (todo el tráfico por el planificador) | $86K | todo el tráfico por el planificador |
| mixto | $13K | suma de las cuatro filas anteriores |
| ahorro | $73K | línea base − mixto |
| ahorro de caché | $14K | solo informativo — ya incluido en las filas de entrada |

## Cómo se calcula la retención de capacidad

Cada modelo tiene dos puntuaciones, planificación y rutina. 10% del trabajo se trata como planificación y el resto como ejecución rutinaria. La base usa el planificador para ambas; la mezcla le da al planificador como máximo la parte de planificación y envía el resto al ejecutor. La retención con el ajuste por defecto es 97,3%. Las puntuaciones son rangos ilustrativos derivados de clasificaciones públicas, no un benchmark que hayamos ejecutado.

### Puntuaciones de capacidad

| Rol | Planificación | Rutina | Fuente |
| --- | --- | --- | --- |
| planificador | 100 | 100 | https://artificialanalysis.ai/models/claude-opus-5-5 |
| ejecutor | 88 | 97 | https://lmarena.ai/leaderboard |
| puntuación de la línea base | 100 |  | ponderado por INTRINSIC_PLANNING_FRAC |
| puntuación del mixto | 97 |  | ponderado por INTRINSIC_PLANNING_FRAC |

## Qué mueve el ratio

Dominan dos cosas: qué modelo hace de ejecutor y cuánto tráfico asume. Las tablas de abajo recalculan con la misma fórmula: una para cada ejecutor del catálogo y otra para un rango de proporciones alrededor del punto óptimo de 70% a 92%. Se muestran ambas direcciones: un ejecutor más barato ahorra más, uno más potente ahorra menos.

### Sensibilidad al ejecutor

| Ejecutor | Ratio de coste | Uno de cada N | Retención |
| --- | --- | --- | --- |
| Claude Haiku 5.5 | 12% | 8,1 | 95,5% |
| GLM-5.3-Flash | 13% | 7,6 | 94,6% |
| DeepSeek V4.1 Flash | 16% | 6,4 | 97,3% |
| Qwen3.8-Max | 46% | 2,2 | 97,3% |
| Claude Sonnet 5.5 | 55% | 1,8 | 98,2% |

### Barrido de proporción abierta

| Proporción abierta | Ratio de coste | Uno de cada N | Retención |
| --- | --- | --- | --- |
| 0% | 100% | 1 | 100,0% |
| 70% | 34% | 2,9 | 97,9% |
| 90% | 16% | 6,4 | 97,3% |
| 92% | 14% | 7,3 | 97,1% |
| 100% | 6% | 16 | 96,1% |

## Qué no incluye el ratio

El ratio compara solo el gasto en API de modelos. Excluye la licencia de GateLLM ($200 al mes en el nivel Pro, que con estos volúmenes es 1,5% de la cifra de mezcla anterior), tu infraestructura y el tiempo de ingeniería. Tampoco modela descuentos que negocies aparte con los proveedores.

## Límites que conviene conocer

Lee esto antes de citar cualquier cifra de esta página.

- El ajuste es una forma empresarial plausible; tu mezcla será distinta.
- Las puntuaciones de capacidad son ilustrativas y el lado del coste no depende de ellas.
- Los cambios de precio mueven el ratio: el catálogo tiene fecha y se actualiza, no está congelado.
- El ratio es una comparación de arquitectura, no un compromiso sobre tu factura.

## Preguntas frecuentes

### ¿Puedo reproducir estas cifras?

Sí. Pon los controles de la calculadora en el ajuste de arriba y las mismas entradas darán las mismas cifras. Los módulos que las producen aparecen en la columna «Fuente» de cada tabla.

### ¿Por qué uno de cada 6 y no una cifra más redonda?

Porque es lo que producen los precios del catálogo con este ajuste. El titular redondea al denominador entero más cercano; el ratio sin redondear aparece en las tablas de arriba.

### ¿Un ejecutor más barato da peores resultados?

A veces. Cada ejecutor tiene su propia puntuación de planificación y la tabla de sensibilidad muestra la retención resultante. El ajuste por defecto elige un modelo con buena puntuación de rutina, no el más barato del catálogo.

## Relacionado
- [Inicio](https://www.gatellm.io/es/index.md)
- [Precios](https://www.gatellm.io/es/pricing.md)
- [Calculadora de costos](https://www.gatellm.io/es/calculator.md)
- [Acerca de](https://www.gatellm.io/es/about.md)
- [Reservar una demo](https://www.gatellm.io/es/demo.md)
- [FAQ](https://www.gatellm.io/es/faq.md)
- [Comparar gateways de IA](https://www.gatellm.io/es/compare.md)
- [Comparar LiteLLM](https://www.gatellm.io/es/compare/litellm.md)
- [Comparar OpenRouter](https://www.gatellm.io/es/compare/openrouter.md)
- [Comparar Alibaba Cloud AI Gateway](https://www.gatellm.io/es/compare/alibaba-cloud.md)
- [Comparar Azure API Management](https://www.gatellm.io/es/compare/azure-apim.md)
- [Comparar Apigee](https://www.gatellm.io/es/compare/apigee.md)
- [Comparar Cloudflare AI Gateway](https://www.gatellm.io/es/compare/cloudflare.md)
- [Comparar Kong AI Gateway](https://www.gatellm.io/es/compare/kong.md)
- [Comparar Portkey](https://www.gatellm.io/es/compare/portkey.md)
- [Alternativa a Microsoft 365 Copilot](https://www.gatellm.io/es/compare/copilot.md)
- [LiteLLM vs Kong AI Gateway](https://www.gatellm.io/es/compare/litellm-vs-kong.md)
- [LiteLLM vs OpenRouter](https://www.gatellm.io/es/compare/litellm-vs-openrouter.md)
- [LiteLLM vs Portkey](https://www.gatellm.io/es/compare/litellm-vs-portkey.md)
- [Casos de uso](https://www.gatellm.io/es/use-cases.md)
- [Reducir el costo de LLM](https://www.gatellm.io/es/use-cases/reduce-cost.md)
- [Alta disponibilidad](https://www.gatellm.io/es/use-cases/high-availability.md)
- [Aislamiento multiusuario](https://www.gatellm.io/es/use-cases/multi-tenant.md)
- [Cumplimiento y auditoría](https://www.gatellm.io/es/use-cases/compliance-audit.md)
- [Solución de problemas por síntoma](https://www.gatellm.io/es/use-cases/troubleshooting.md)
- [Stack de modelos multivendor](https://www.gatellm.io/es/use-cases/mixed-model-stack.md)
- [IA autoalojada dentro de Office](https://www.gatellm.io/es/use-cases/self-hosted-office-ai.md)
- [Visibilidad y atribución del uso de tokens](https://www.gatellm.io/es/use-cases/token-ops.md)
- [Token FinOps: asignación y control del costo de IA](https://www.gatellm.io/es/use-cases/token-finops.md)
- [Gobernanza de herramientas MCP](https://www.gatellm.io/es/use-cases/mcp-tool-governance.md)
- [Búsqueda web para todos los modelos](https://www.gatellm.io/es/use-cases/web-search-grounding.md)
- [Rotación y respaldo multi-clave](https://www.gatellm.io/es/use-cases/multi-key-pooling.md)
- [Control de admisión de clientes](https://www.gatellm.io/es/use-cases/client-admission-control.md)
- [Aplicar la política de uso de modelos](https://www.gatellm.io/es/use-cases/enforce-model-policy.md)
- [Sin elección de modelo en el cliente](https://www.gatellm.io/es/use-cases/automatic-model-tiering.md)
- [Un protocolo, cualquier modelo](https://www.gatellm.io/es/use-cases/one-protocol-any-model.md)
- [Complemento para Office / Microsoft 365](https://www.gatellm.io/es/office-addin.md)
- [Glosario](https://www.gatellm.io/es/glossary.md)
- [¿Qué es una pasarela LLM?](https://www.gatellm.io/es/llm-gateway.md)
- [Gobernanza de IA empresarial](https://www.gatellm.io/es/enterprise-ai-governance.md)
- [Catálogo de modelos](https://www.gatellm.io/es/models.md)
- [Integraciones de SDK y frameworks](https://www.gatellm.io/es/integrations.md)
- [Agentes de código IA y harnesses](https://www.gatellm.io/es/coding-agents.md)
- [Seguridad y cumplimiento](https://www.gatellm.io/es/security.md)