Tokenizador Claude: Opus 4.7 cuesta un 27% más y esta arquitectura lo absorbió

Anthropic lanzó Opus 4.7 alrededor del 14 de mayo sin tocar el precio de lista —$5/M de entrada y $25/M de salida, igual que 4.6—, pero con un nuevo tokenizador Claude que genera entre un 32–45% más de tokens nativos para el mismo texto. En producción, eso equivale a una subida del 12–27% que nunca apareció en la página de precios. Esa misma semana, GPT-5.5 duplicó sus tarifas a la vista de todos. Mis seis rutinas apenas se alteraron, y la razón no fue la suerte, sino la arquitectura.

Tres proveedores, tres mecanismos y una sola dirección

En una semana, tres proveedores elevaron el coste real de la IA mediante tres palancas distintas. Las páginas de precios solo reflejan una de ellas.

OpenAI lo hizo abiertamente. La entrada de GPT-5.5 pasó de $2.50 a $5.00 por millón de tokens, y la salida, de $15 a $30 por millón: un 2x claro en ambos sentidos. Entre los usuarios de OpenRouter que cambiaron de 5.4 a 5.5 manteniendo las mismas cargas de trabajo, el coste real aumentó un +49–92%, según la distribución de longitud de los prompts. Esta es la versión transparente de una subida: cambia una cifra, compras puede discutirla y la carga se puede desviar a otro modelo.

Anthropic lo hizo de forma invisible. El precio de lista de Opus 4.7 es idéntico al de 4.6; en la página de precios no cambió ni un píxel. Lo que cambió fue el tokenizador. El nuevo modelo genera un 32–45% más de tokens nativos para la misma entrada. Anthropic comunicó un rango de inflación de 1.0–1.35x, mientras que OpenRouter midió ~45% con menos de 2K tokens y ~32–34% a escala de producción por encima de 10K. Resultado: el coste real aumenta un +12–27% para todo lo que supera 2K y baja ligeramente por debajo de ese umbral. No hay anuncio al que reaccionar, ni riesgo inmediato de abandono, ni revisión de compras: la siguiente factura mensual simplemente llega más alta.

GitHub optó por un cambio estructural. El 1 de junio, las unidades de solicitudes premium de Copilot se convertirán en AI Credits medidos por tokens a las tarifas públicas de la API, incluidos los tokens en caché. Los precios de los planes base no cambian. Quienes usan agentes con planes anuales —y ejecutan ciclos de refactorización con contextos largos— serán los más afectados al acumularse los multiplicadores de los modelos.

La cuestión no es decidir qué proveedor es el villano. El problema es que la página de precios ha dejado de servir como aproximación a la factura. El precio de lista sigue siendo necesario, pero ya no basta: cualquier modelo de costes que no mida la producción de tokens nativos en las propias cargas de trabajo es pura ficción.

Por qué el tokenizador Claude es el cambio más preocupante

De los tres mecanismos de esta semana, el movimiento de Anthropic es el que obliga a replantear, en silencio, la forma en que los equipos operativos calculan el coste de la IA.

Las cifras ya cuentan con respaldo sólido. El análisis de usuarios que cambiaron de modelo realizado por OpenRouter detectó un 32–45% más de tokens nativos en tráfico real de producción. Simon Willison ejecutó los mismos prompts directamente con el tokenizador de Anthropic y obtuvo una inflación de ~1.46x en los prompts de sistema. La propia nota de lanzamiento de 4.7 de Anthropic reconoce un rango de 1.0–1.35x. Tres mediciones independientes apuntan en la misma dirección. Es un efecto real, no un artefacto del muestreo ni una rareza de benchmark.

El peligro operativo está en la forma de aplicar el cambio. Una subida explícita es un evento en el calendario: legal revisa el contrato, finanzas rehace las previsiones e ingeniería prueba una alternativa. Un cambio de tokenizador es un aumento retroactivo sobre todo lo que ya está en producción. Cada prompt del código, cada mensaje de sistema afinado durante los últimos seis meses y cada bloque de contexto almacenado en caché ganó un 32–45% de peso en cuanto el cliente empezó a llamar al endpoint del nuevo modelo. No existe una partida concreta que mostrar al director financiero. La factura solo trae una cifra mayor.

Para un proveedor, es un instrumento mucho más conveniente que anunciar una subida. No provoca un momento de abandono, no expone una página comparativa frente a la competencia ni genera un ciclo de titulares del tipo «Anthropic sube los precios un 27%». Parece una actualización del modelo. Y lo es. Pero la economía cambia por debajo, sin hacer ruido.

Para quien opera estos sistemas, también cambia la palanca importante. Negociar el precio de lista ya era una inversión de tiempo poco rentable. Ahora resulta irrelevante: el coste ya no vive en la tabla de tarifas.

La arquitectura que absorbió el impacto

Mis seis rutinas editoriales pasan por un único punto de control: creación del brief, redacción, edición con la voz de la categoría, verificación de datos, dirección de imagen y una revisión final de calidad. Dos de ellas usaron Opus el día de la actualización. El tope estricto de $20 al día se mantuvo. El límite de $1 por ejecución también. El coste por artículo solo varió un porcentaje de un dígito.

No fue suerte. Son cuatro palancas que construí antes de las noticias de esta semana, después de analizar el cambio del Agent SDK a una medición independiente y el aumento del límite semanal de Claude Code, y concluir que la volatilidad de costes impuesta por los proveedores ya era la norma, no la excepción. Cambia el mecanismo; la arquitectura es la misma.

Palanca 1: un prefijo estable en caché. Cada rutina antepone un contrato en Markdown (~3500 tokens) y un bloque con la voz de la categoría (~1500 tokens) como prefijo efímero en caché durante 1 hora. El descuento del 90% para tokens en caché hace que la inflación del tokenizador recaiga casi por completo sobre la pequeña cola dinámica. Según el desglose de OpenRouter, la caché absorbe el 9% de los tokens adicionales en prompts de 10–25K, el 77% entre 50–128K y el 93% por encima de 128K. Mi rutina de redacción ronda los ~14K, así que la caché absorbe cerca del 9% de la inflación; además, 5K de esos 14K corresponden a texto estable en caché que, de otro modo, se habría inflado a tarifa completa. Esa decisión estructural hace el 70% del trabajo.

Palanca 2: routing de modelos. La redacción se ejecuta en Sonnet. La síntesis del brief y el etiquetado por categorías, en Haiku. Opus queda reservado para las pocas revisiones de investigación profunda. El movimiento de precios de un proveedor no puede trasladarse a toda la factura porque el modelo de frontera no es el predeterminado. El router también aporta opcionalidad: cuando GPT-5.5 duplicó su precio, podía mover cualquier rutina a un competidor sin reescribir la arquitectura.

Palanca 3: disciplina con la longitud de los prompts. El intervalo de 2K–10K es el más castigado en Opus 4.7, con un +27–69% de coste real según los datos de usuarios que cambiaron de modelo. Es, precisamente, el terreno de la ingeniería de prompts descuidada: ejemplos few-shot sobredimensionados, definiciones de rol redundantes y contexto obsoleto sin depurar. Comprimir contexto muerto ya no es una cuestión de higiene; ofrece un retorno económico directo.

Palanca 4: un único punto de control del gasto. Todas las llamadas a modelos de pago pasan por una sola función. Comprobación previa: ¿el gasto de hoy está por debajo de $20? Comprobación posterior: ¿esta ejecución costó menos de $1? Si alguna falla, la rutina se detiene y me envía una alerta. Aunque un proveedor duplique el recuento de tokens durante la noche, mi coste por artículo cambia un porcentaje de un dígito, no un 27%, porque el tope actúa como última barrera. El límite no abarata el modelo; acota el peor escenario.

La parte incómoda: el prefijo en caché es la palanca que sostiene todo el sistema. Las otras tres son el seguro. Si hubiese ensamblado cada prompt de forma improvisada en cada solicitud, como todavía hace la mayoría de los equipos, el 32–45% completo habría terminado en la factura y lo habría descubierto en la segunda semana, no desde el primer momento.

Qué hacer esta semana para controlar los costes de IA

Si el sistema usa Opus 4.7, conviene dejar de mirar la página de precios y empezar a observar los recuentos propios de tokens. Tome una muestra de 100 llamadas de producción, páselas por el endpoint de conteo de tokens de Anthropic en 4.6 y 4.7, y mida la diferencia real con sus prompts. Después, reorganice el contenido para crear un prefijo estable en caché esta misma semana, no en el próximo sprint ni en el siguiente ciclo de planificación. La caché es la única palanca cuyo efecto crece con la longitud del prompt, justo donde la inflación es mayor.

Si el sistema usa GPT-5.5, calcule el coste de quienes cambiaron antes de abandonar 5.4. La duplicación de la tarifa queda compensada en parte por una reducción del –19 al –34% en la longitud de las respuestas por encima de 10K tokens, así que el coste real depende por completo de la proporción entre salida y entrada. En una carga de refactorización con contexto largo, el resultado puede quedar prácticamente igual. En un producto conversacional, no.

Si el sistema usa Copilot, consulte la vista previa de consumo de principios de mayo antes del 1 de junio. Quienes tengan un plan base y mantengan una cadencia de un solo prompt no lo notarán.

La lectura más amplia es esta: la IA ya es la partida más volátil del presupuesto tecnológico. AWS no duplica su precio de un día para otro. El ancho de banda de un CDN no multiplica su medidor por 1.4x sin avisar. Postgres no cambia de tokenizador. La capa de IA hizo las tres cosas en una semana. Para los equipos sensibles a los costes, esta arquitectura —estructura de caché, router de modelos, disciplina de longitud y tope estricto de gasto— ha dejado de ser opcional. Es el precio de operar esta clase de infraestructura en producción.

Los proveedores seguirán tomando decisiones así. Construya el punto de control o absorba cada una de ellas durante los próximos doce meses.