Cerebras API: precios y condiciones para pasar a producción

Cerebras API cuesta desde $0.35 por millón de tokens de entrada y $0.75 por millón de tokens de salida con GPT OSS 120B, pero el plan Developer indica expresamente que no está pensado para producción. El ejemplo de carga de trabajo de un agente que veremos más adelante cuesta $53.75 al mes con esas tarifas; para ofrecerlo a clientes hace falta acordar las condiciones de uso en producción, no basta con comprar más créditos.

Cerebras Inference es una API alojada para ejecutar modelos de IA. La decisión de contratarla depende de tres factores: cuánto cuesta completar una tarea, cuánto tarda y si las condiciones de acceso encajan con el despliegue previsto. GPT OSS 120B es un buen punto de partida para evaluar un agente de texto; antes de que el tráfico de clientes dependa del servicio, hay que abordar las condiciones para producción.

Precios contrastados con la página de precios de Cerebras en octubre de 2026, con una comprobación en línea el 20 de octubre. Todos los importes de este artículo están expresados en dólares estadounidenses.

Cerebras API: precios y planes de un vistazo

La página de precios actual distingue entre Developer y Enterprise. El crédito promocional sirve para evaluar el servicio; no constituye un tercer plan gratuito permanente.

Enterprise también ofrece opciones para reducir la latencia; los pesos personalizados y los servicios de ajuste fino o entrenamiento de modelos se acuerdan por separado. El soporte de Developer se presta a través de la comunidad de Discord. Estas son las diferencias que recoge la comparativa actual de planes.

Lo decisivo es el uso que se le dará al servicio. Un agente dirigido a clientes necesita condiciones adecuadas para producción aunque cueste poco. Por otro lado, una factura elevada durante la evaluación no implica, por sí sola, que haga falta un contrato Enterprise concreto.

Precios de Cerebras por modelo y velocidad anunciada

GPT OSS 120B es el más económico de los dos modelos que figuran en la tabla de tarifas actual de Developer. Los tokens de entrada son los fragmentos de texto que envías; los de salida son los que genera el modelo. Cada tipo tiene su propia tarifa, de modo que un precio combinado solo tiene sentido si antes defines la proporción de entrada y salida.

Modelos disponibles en Cerebras

OpenAI GPT OSS 120B: $0.35 por millón de tokens de entrada, $0.75 por millón de tokens de salida y una velocidad anunciada por Cerebras de aproximadamente 3,000 tokens por segundo. Su documentación incluye entrada y salida de texto, razonamiento, streaming, salidas estructuradas y llamadas a herramientas. Por eso es el primer candidato de esta comparativa para un agente de texto, siempre que supere tus propias pruebas de calidad en las tareas previstas.

Qwen 3.8 27B: $0.99 por millón de tokens de entrada, $1.49 por millón de tokens de salida y una velocidad anunciada por Cerebras de aproximadamente 1,850 tokens por segundo. Su documentación incluye entrada de imágenes y llamadas a herramientas en modo estricto. La entrada de imágenes requiere Chat Completions y datos PNG o JPEG codificados en base64; no admite una URL externa de imagen convencional.

Expresadas en unidades más pequeñas, las tarifas de GPT OSS son $0.00035 de entrada y $0.00075 de salida por cada 1,000 tokens. Las de Qwen son $0.00099 y $0.00149. Son conversiones de unidad, no planes distintos.

Estas tarifas cubren la inferencia, no la suscripción a tu editor de código. Si el editor o el servicio de agentes cobra su propia cuota, súmala por separado al presupuesto de la API.

Las velocidades anteriores son cifras del proveedor, no mediciones realizadas para este artículo. Un agente de programación también dedica tiempo al procesamiento del prompt, el razonamiento, la ejecución de herramientas, las llamadas de red y los reintentos. Generar texto rápido puede acortar una respuesta larga y, aun así, apenas reducir la duración de una tarea que pasa casi todo el tiempo ejecutando pruebas o consultando un servicio lento.

¿Cuánto cuesta al mes la carga de trabajo de un agente?

Un agente de texto que procesa 10,000 tareas al mes cuesta $53.75 con GPT OSS 120B bajo los supuestos siguientes. Es un presupuesto orientativo de evaluación calculado con las tarifas públicas de Developer, no una cotización de Enterprise ni una factura medida en producción.

Supongamos que cada tarea necesita cinco llamadas al modelo y que cada llamada consume, en promedio, 2,000 tokens de entrada y 500 tokens de salida facturables. La estimación de salida debe incluir cualquier razonamiento que se cobre, no solo el texto final que ve el usuario. Suponemos que no hay ahorro por caché, reintentos ni cargos separados por herramientas.

El consumo mensual de tokens queda así:

• Entrada: 10,000 tareas × 5 llamadas × 2,000 tokens = 100 millones de tokens.
• Salida: 10,000 tareas × 5 llamadas × 500 tokens = 25 millones de tokens.

Con las tarifas publicadas de GPT OSS 120B, la entrada cuesta 100 × $0.35 = $35, y la salida, 25 × $0.75 = $18.75. En total: $53.75 al mes, o $0.005375 por tarea, antes de aplicar cualquier crédito promocional.

El mismo volumen de tokens con Qwen 3.8 27B cuesta $99 de entrada + $37.25 de salida = $136.25 al mes. Son $82.50 adicionales en este escenario. Solo compensa pagarlos si el otro modelo o su capacidad para recibir imágenes mejora lo suficiente la tarea; consumir la misma cantidad de tokens no garantiza los mismos resultados.

Para hacer tu propia previsión, multiplica los millones de tokens de entrada mensuales por su tarifa y añade los millones de tokens de salida mensuales multiplicados por la suya. Para calcular el costo unitario, divide la factura resultante entre las tareas completadas correctamente e incluye el gasto de los intentos fallidos.

¿Se puede usar Cerebras gratis y hasta dónde llega la prueba?

Cerebras ofrece una prueba con límites, no una cuota gratuita que se renueve indefinidamente. Su documentación sobre la prueba establece un crédito único de $5, que se activa al añadir un método de pago válido y vence 30 días después de la activación. Añadir ese método de pago no activa automáticamente el uso de pago ni genera un cargo.

Cuando el crédito se agota o vence, se suspende el acceso a la API y al Playground, salvo que compres créditos PayGo por separado. Sin un método de pago, ese acceso permanece inactivo. El crédito promocional no es dinero en efectivo ni se puede transferir.

Los límites predeterminados documentados para la prueba de ambos modelos son 5 solicitudes por minuto, 30,000 tokens no almacenados en caché por minuto, 90,000 tokens totales por minuto y 1 millón de tokens por hora y por día. La pantalla Limits de tu cuenta es la referencia para saber qué límites tienes realmente. Los topes de tokens por minuto miden el trabajo procesado; el de solicitudes mide las llamadas. Cualquiera de ellos puede detener una prueba antes de que se agote el saldo.

¿Quién puede usarlo sin llegar a pagar? Quien termine una evaluación pequeña dentro de los límites de crédito, tiempo y consumo, y después deje de utilizar el servicio. Si buscas un asistente personal de programación para usar de forma continua, debes presupuestar el consumo de pago. La prueba sirve para decidir si conviene seguir, no para proyectar un servicio gratuito indefinidamente.

Límites que conviene revisar antes del lanzamiento

La primera barrera práctica es la capacidad para absorber picos de tráfico: una factura mensual baja no significa que la API pueda aceptar todas las solicitudes simultáneas. Cerebras documenta límites separados para los tokens no almacenados en caché, que requieren procesamiento nuevo, y para el total de tokens, que también incluye los recuperados de la caché.

Los límites predeterminados actuales de Developer son:

• GPT OSS 120B: 1,000 solicitudes por minuto, 1 millón de tokens no almacenados en caché por minuto y 3 millones de tokens totales por minuto.
• Qwen 3.8 27B: 300 solicitudes por minuto, 150,000 tokens no almacenados en caché por minuto y 750,000 tokens totales por minuto. La documentación indica que este último límite es un aumento temporal respecto de 450,000.

Developer no tiene un tope de tokens por hora ni por día, pero sí se aplican estos límites por minuto. Los límites de organización y de proyecto pueden restringir la misma carga de trabajo; dividir el consumo mensual entre el número de días no basta para comprobar la capacidad.

Hay otro límite fácil de pasar por alto: el servicio estima la demanda de salida antes de ejecutar una solicitud. Un valor innecesariamente alto de max_completion_tokens puede activar la limitación de consumo antes de que el modelo genere nada. Ajústalo a un máximo adecuado para la tarea y revisa después el consumo devuelto y los errores de cuota. Comprar más créditos no elimina estos controles.

En los agentes de programación, la fiabilidad importa tanto como la capacidad. Las notas del modelo GPT OSS advierten que puede proponer herramientas que no se le han proporcionado. Valida sus nombres y argumentos antes de ejecutarlas. Una acción incorrecta sigue siendo incorrecta por muy rápida que sea.

Enterprise y las cuatro vías de acceso mediante socios

El uso en producción cambia las condiciones de contratación incluso cuando el consumo de tokens es pequeño. No hay una tarifa pública de Enterprise que permita calcular un umbral de gasto universal a partir del cual convenga pasar de Developer a Enterprise. Solicita un presupuesto que tenga en cuenta el modelo, la proporción prevista de tokens de entrada y salida, el pico de concurrencia y las necesidades de soporte.

La página de precios de Cerebras enumera cuatro vías de acceso mediante socios: AWS Marketplace, OpenRouter, Hugging Face y Vercel. Considera el canal de contratación que ya utilizas, pero revisa sus propias tarifas, la disponibilidad de modelos, las condiciones de producción y quién se hace cargo del soporte antes de trasladar el tráfico. Que exista una alianza no significa que la factura final coincida con la tarifa de Developer contratado directamente.

La tarifa de contratación directa se basa en el uso; no publica un descuento por suscripción anual frente a mensual ni una tabla de cargos por exceso de consumo para Enterprise. Al pedir presupuesto, exige por escrito los compromisos mínimos, los cargos por consumo adicional, las garantías de capacidad y las condiciones de salida. Si vas a usar saldo prepago, comprueba la caducidad y las condiciones de reembolso de los créditos de pago antes de comprarlos. No des por hecho que la caducidad del crédito promocional también se aplica a los créditos comprados.

Cerebras vs Groq y una API en la nube con GPU

Groq cuesta menos para la misma combinación de tokens de GPT OSS 120B sin caché, mientras que Cerebras anuncia una generación más rápida; la guía de precios de Groq explica las ventajas y limitaciones de sus planes y su capacidad. Groq es otro proveedor de inferencia alojada. Su página oficial del modelo indica $0.15 por millón de tokens de entrada, $0.60 por millón de tokens de salida y aproximadamente 500 tokens por segundo.

Con los 100 millones de tokens de entrada y los 25 millones de salida del ejemplo, la factura de tokens de Groq es de $30 al mes. La estimación de $53.75 con Developer de Cerebras supone $23.75 más, o 0.2375 centavos adicionales por tarea. Son cálculos con tarifas públicas, no una comparación de contratos de producción negociados. Las velocidades anunciadas por los proveedores tampoco permiten determinar cuánto más rápido funcionaría el agente completo.

Fireworks AI, un proveedor de modelos alojados con opciones de despliegue serverless y dedicado, ofrece una segunda referencia. Sus tarifas Standard de GPT OSS 120B también son de $0.15 por millón de tokens de entrada y $0.60 por millón de tokens de salida, lo que da la misma estimación de $30 mensuales sin caché. El servicio Priority tiene un precio aparte; toda esta comparativa utiliza Standard.

En cualquiera de las dos alternativas, compara con la misma configuración de razonamiento, los mismos límites de salida y el mismo umbral de calidad de las tareas. No enfrentes una configuración barata que falla con otra más cara que completa el trabajo, ni el precio por hora de alquilar una GPU con una factura de API que ya incluye la infraestructura de servicio.

La pregunta económica útil es si la mejora de latencia medida justifica el sobrecosto por tarea completada correctamente. En una herramienta de programación interactiva, el tiempo de espera puede ser decisivo. En un agente que trabaja en segundo plano y dedica la mayor parte del tiempo a llamadas a herramientas externas, quizá convenga comprar tokens más baratos.

Qué comprobar antes de cambiar de proveedor

Evalúa el servicio con un conjunto representativo de tareas antes de migrar la aplicación. Una prueba centrada solo en respuestas cortas no revelará si un agente de programación respeta los esquemas de las herramientas o completa correctamente una edición larga.

1. 1

   Mide la tarea con la configuración actual

   Registra el consumo de entrada y salida de todas las llamadas al modelo, los reintentos, las tareas completadas correctamente y el tiempo total transcurrido. Separa el tiempo del modelo del que consumen las herramientas.

2. 2

   Repite la tarea con la opción que estás evaluando

   Utiliza ajustes equivalentes de razonamiento y salida. Comprueba la validez de las llamadas a herramientas y que la tarea se resuelva correctamente antes de valorar la velocidad. Incluye las tareas lentas y fallidas en la comparación.

3. 3

   Calcula el costo del despliegue previsto

   Aplica las tarifas del proveedor elegido al consumo observado y confirma la capacidad y las condiciones de producción. Para acceder directamente a Cerebras en producción, consigue el presupuesto de Enterprise antes de trasladar el tráfico de clientes.

La próxima semana, repite una muestra representativa de la carga de trabajo de tu agente y lleva los datos de consumo y concurrencia a la negociación. Para ampliar la selección, consulta las plataformas de inferencia en tiempo real para agentes.

Preguntas frecuentes sobre los precios de Cerebras

¿Puedo usar Cerebras gratis?

Sí, dentro de la prueba promocional única que se activa al añadir un método de pago válido. Tiene límites de tiempo y de crédito; no existe una cuota gratuita que se renueve automáticamente. Completar una evaluación y dejar de usar el servicio puede salir gratis.

¿Cerebras es mejor que NVIDIA?

No hay un ganador universal para un agente. NVIDIA es un proveedor de hardware, mientras que aquí se contrata un servicio de inferencia alojado. Compara despliegues de API adecuados según la calidad de las tareas, la latencia total, la capacidad y la factura completa; la arquitectura del chip no determina por sí sola esos resultados.

¿Vale la pena contratar Cerebras?

Para acceder a inferencia, vale la pena evaluarlo cuando la generación del modelo representa una parte relevante del tiempo de espera de la aplicación. Contrata la opción solo cuando los resultados de las tareas, la latencia medida y las condiciones operativas justifiquen el costo total.

¿Cuáles son los principales competidores de Cerebras?

Para elegir una API de inferencia rápida, considera Groq y un proveedor de inferencia en la nube con GPU, como Fireworks AI. Compara el mismo modelo y la misma carga de trabajo antes de tratar los precios iniciales de distintos proveedores como si fueran equivalentes.

¿Cuánto cuesta un chip de Cerebras?

El hardware de Cerebras se vende mediante presupuesto, según sus condiciones de venta; las acciones de la empresa son una cuestión de inversión aparte.

¿Cerebras publica descuentos para estudiantes o una política de reembolso en su página de precios?

La página de precios actual no publica una tarifa específica para estudiantes ni una garantía general de reembolso de los créditos de pago. Confirma las condiciones aplicables a la compra de créditos antes de pagar; no trates el crédito promocional como dinero reembolsable.

Usa AI Business Workflow Audit Checklist para definir el volumen de tareas, la gestión de fallos y los costos operativos antes de elegir una API. Suscríbete para recibir la lista.