TokenMaxxing: Cómo Sacar el Máximo Provecho de Tus Modelos de IA

Los empleados de Meta quemaron 60 billones de tokens de IA en 30 días a principios de este año, persiguiendo posiciones en una tabla de clasificación interna apodada "Claudeonomics". El columnista tecnológico Gergely Orosz estimó el costo en aproximadamente 900 millones de dólares a precios de lista de Anthropic, aunque Meta probablemente paga 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, incluyendo la generación de correos electrónicos", le dijo a la Associated Press este verano, refiriéndose a los modelos de alta gama de Anthropic. Si haces lo mismo, estás contratando a Albert Einstein para calcular tu cambio en un McDonald's. Myriad: ¿Qué empresa tendrá el mejor modelo de IA? Haz clic para hacer tu predicción.

Cada palabra que escribes en ChatGPT o Claude, y cada palabra que escribe de vuelta, se mide en tokens, fragmentos de texto que promedian aproximadamente tres cuartas partes de una palabra. En una suscripción de 20 dólares, ese medidor decide cuán rápido alcanzas tu límite de uso. En la API, el acceso por token que los desarrolladores utilizan para conectar modelos a 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 solicitudes de menos de 100,000 tokens; las solicitudes más largas cuestan cinco veces más.

El modelo superior cuesta 100 veces más que el más pequeño, y la propia línea de OpenAI sigue la misma distribución, de 10 a 0.10 dólares por millón de tokens de entrada. Esos precios por token se acumulan rápidamente para los laboratorios---y para ti: la tasa de ingresos de Anthropic pasó de aproximadamente 9 mil millones de dólares a finales de 2025 a más de 47 mil millones para mayo, mientras OpenAI está luchando en una guerra de precios para mantenerse al día.

Algunos hábitos reducen drásticamente ese gasto, y los primeros cinco consejos a continuación no requieren codificación.

Qué significa tokenmaxxing (y lo que debería significar)

Tokenmaxxing comenzó como un alarde de Silicon Valley como el 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 quemaron tokens... en cosas estúpidas e improductivas.

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

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

Tres conceptos explican a dónde van los tokens, comenzando con 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 empezar hasta que decide que ha terminado, reenviando toda la conversación en cada vuelta.

La orquestación multiplica ese costo: un modelo actúa como un gerente, dividiendo tu solicitud en partes, entregándolas a modelos de trabajo llamados subagentes y ensamblando sus respuestas. 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 operan en modo de planificación, una configuración cubierta en los consejos intermedios a continuación.

Los gráficos son cómo los desarrolladores evitan que esos bucles se desvíen. Marcos como LangGraph te permiten dibujar un flujo de trabajo como un mapa de metro, con estaciones (nodos) haciendo el trabajo y vías (bordes) decidiendo a dónde ir a continuación, para que el modelo siga una ruta fija en lugar de dar vueltas hasta que se le acaben las ideas o el presupuesto.

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

Principiante: trabajos pequeños, modelos pequeños

1. Elige el modelo para el trabajo

Si recién estás comenzando, es probable que estés usando una interfaz gráfica 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. Mantén el modelo superior para razonamientos difíciles y decisiones donde un error sutil cuesta dinero real.

Ejecuta cinco de las tareas de la semana pasada en ambos modelos lado a lado, y si el pequeño pasa, manténlo. En una suscripción que estira tu límite de uso, y en la API, reduce la factura hasta un 99%.

2. Escribe un buen aviso 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 aviso claro describe el trabajo 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 pruebas de OpenAI encontraron que los avisos más claros y concisos obtuvieron mejores resultados utilizando menos tokens.

3. Comienza un nuevo chat cuando cambies de tema

El modelo vuelve a leer toda la conversación cada vez que presionas 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 esa degradación "putrefacción del contexto".

Así que, por el amor de Dios, comienza 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 modelos superiores de Anthropic y OpenAI. Termina tus avisos con algo como "tres viñetas, menos de 100 palabras" o "solo las líneas cambiadas", y el modelo tendrá menos espacio para rellenar.

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

5. Prueba gratis antes de pagar

OpenRouter, un sitio que se conecta a cientos de modelos de IA a través de una cuenta, tiene un enrutador gratuito que envía tu solicitud a uno de unos 20 modelos sin costo. También puedes ejecutar modelos localmente con LM Studio o Ollama en una tarjeta gráfica con 8GB de memoria de video o en 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 en uno, y lee la política de datos antes de pegar algo sensible.

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

Consejos adicionales para principiantes

Evita el pensamiento prolongado para preguntas simples, o baja la configuración de esfuerzo en los modelos más nuevos de Claude donde no se puede apagar el pensamiento. Anthropic cobra el proceso completo de pensamiento como salida, incluyendo la parte que nunca ves.

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

Intermedio: tu agente está leyendo demasiado

A partir de aquí, los ejemplos utilizan Claude Code, el agente de Anthropic que se ejecuta en tu terminal y edita archivos por ti; los comandos van directamente a su cuadro de chat. Otros harnesses tendrán una lógica similar.

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

6. Comienza barato, escala en caso de fallo

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

7. Limpia entre tareas

Escribe /clear cuando cambies a una tarea no relacionada, lo que no cuesta nada y elimina el historial antiguo. Usa /compact con una nota sobre lo que deseas conservar, como /compact keep the database decisions, 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 aún puede contar mal, porque un modelo de lenguaje no es una calculadora, sin importar cuánto pagues por él.

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

9. Recorta tus herramientas

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

Escribe /context para ver qué está ocupando espacio y /mcp para desactivar servidores que el proyecto no utiliza.

Consejos intermedios adicionales

Escribe /usage para ver a dónde 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, presiona Shift+Tab para cambiar a modo de planificación, donde el agente propone un plan para tu aprobación antes de tocar archivos, y presiona Esc en el momento en que se dirija en la dirección equivocada. Usa /effort para reducir el razonamiento para trabajos simples como renombrar una variable.

Anthropic mostró que el uso de tokens de un agente cayó de 150,000 tokens a 2,000 cuando solo cargó las definiciones de herramientas que necesitaba, por lo que herramientas de línea de comandos como gh de GitHub, que no cuestan nada hasta que se ejecutan, a menudo superan a un complemento siempre activo.

Avanzado: construir las barandillas 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 alrededor de $30 en Fable 5.1 y alrededor de $0.30 en Haiku 5.5, antes de cualquier truco a continuación.

10. Almacena en caché las partes que nunca cambian

Coloca las instrucciones estables primero y las partes cambiantes al final, y marca el bloque estable para 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 más. Verifica el campo cache_read_input_tokens en cada respuesta; si aún lee cero después de la primera llamada, la caché no está funcionando.

11. Agrupa cualquier cosa que pueda esperar

Tanto OpenAI como Anthropic procesan trabajos por lotes con un descuento del 50%, con OpenAI prometiendo resultados dentro de 24 horas. Sube las 1,000 facturas como un solo archivo por lotes en lugar de hacer 1,000 llamadas en vivo, y la factura se reduce drásticamente.

12. Pon a los agentes con correa

Establece un número máximo de pasos y un límite de dólares para cada ejecución de agente, y define cómo se ve "hecho" antes de que comience. Claude Code acepta un flag --max-budget-usd para ejecuciones programadas, y Shopify utiliza interruptores que pueden cortar el acceso de un desarrollador inmediatamente si su gasto se dispara en un día, diseñado para atrapar agentes descontrolados.

En este momento, lo normal es liberar realmente a esos agentes y hacer que repitan hasta que el resultado se considere perfecto. Si no tienes el dinero, no dejes que tus agentes decidan qué es o no es "perfecto".

Consejos avanzados adicionales

Coloca hechos críticos al inicio o al final de un aviso largo. Un estudio liderado por Stanford encontró que los modelos utilizan la información mejor en esas posiciones y peor cuando está enterrada en el medio.

Paga por un segundo modelo para verificar el trabajo solo cuando un error es 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.

Comienza con una prueba

Haz que el modelo más barato que pase tu prueba de cinco tareas del consejo 1 sea tu predeterminado durante una semana, y cámbialo solo cuando falle. Luego, compara tu página de uso con la de la semana anterior; en el trabajo de facturación, solo el enrutamiento 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 harán el trabajo por sí solos: el precio de un solo token ha caído más del 90 % desde 2023, según el Índice de Gastos en Tokens de Silicon Data, sin embargo, el gasto en modelos de lenguaje grande se ha duplicado desde finales de 2025.

Los economistas llaman a eso la paradoja de Jevons, cuando un recurso se vuelve tan barato que las personas terminan 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 que el número de tokens consumidos creció un 450 %.

La ventaja es que los mismos precios en caída funcionan para ti en el momento en que dejas de quemar tokens por diversión: combínalos con los hábitos anteriores, y la IA se vuelve más barata y mejor al mismo tiempo.