Qué es un token en IA: la matemática detrás de cuánto pagas, cuánto recuerda y qué tan rápido responde
Cada vez que le escribes a una IA, tu mensaje se convierte en tokens antes de que el modelo lo lea. En una suscripción mensual no lo ves en la factura, pero en la API —que es como las empresas integran IA en sus sistemas— cada token tiene precio: se cobra lo que el modelo lee y lo que escribe.
En esta guía explicamos qué es un token, por qué el español ocupa más que el inglés y las tres cuentas sencillas que deciden cuánto pagas, cuánto recuerda el modelo y qué tan rápido te responde. Usamos números que medimos nosotros y precios publicados, para que puedas repetir las cuentas con tu propio caso.
Qué es un token (y qué no es)
Un modelo de lenguaje no lee letras ni palabras: lee una lista de números. Antes de entrar al modelo, el texto pasa por un tokenizador, que lo parte en piezas de un vocabulario fijo —del orden de cien mil a doscientas mil piezas— y cambia cada pieza por su número de identificación.
Dicho con un poco de matemáticas: un tokenizador es una función que convierte un texto en una secuencia de enteros, texto → (t₁, t₂, …, tₙ). Cada tᵢ es un número entre 0 y |V| − 1, donde |V| es el tamaño del vocabulario. Ese n, la longitud de la secuencia, es el número que importa para todo lo demás en este artículo.
La mayoría de los vocabularios se construyen con un algoritmo llamado Byte Pair Encoding (BPE): se empieza con caracteres sueltos, se busca el par de piezas que aparece junto con más frecuencia en un corpus enorme, se fusiona en una pieza nueva y se repite hasta llenar el vocabulario. Por eso lo frecuente —palabras comunes, terminaciones como “ización”— acaba siendo una sola pieza, y lo raro se arma con varias.
| Palabra (dentro de una frase) | Piezas | Tokens | En inglés | Tokens |
|---|---|---|---|---|
| inteligencia | inteligencia | 1 | intelligence | 1 |
| cotización | cot · ización | 2 | quote | 1 |
| facturación | fact · uración | 2 | billing | 1 |
| automatización | automat · ización | 2 | automation | 1 |
| vencimiento | venc · imiento | 2 | expiration | 1 |
| tokenización | token · ización | 2 | tokenization | 2 |
Una curiosidad que muestra que el tokenizador no ve palabras sino secuencias de caracteres: “inteligencia” a mitad de una frase, con su espacio antes, es una sola pieza; al inicio de un texto, sin espacio, se parte en tres (int · elig · encia).
¿Por qué el español gasta más tokens?
Los vocabularios se aprenden de corpus donde el inglés domina, así que las palabras en inglés tienen más probabilidad de quedar como una sola pieza. Además, el español tiene más formas por palabra —conjugaciones, género, número— y cada forma compite por un lugar en el vocabulario. El fenómeno está documentado: el estudio Language Model Tokenizers Introduce Unfairness Between Languages (Petrov et al., NeurIPS 2023) encontró que un mismo texto traducido puede ocupar hasta 15 veces más tokens según el idioma.
Para no repetir el dato de oídas, lo medimos. Tomamos tres textos con su equivalente en inglés —un correo típico para pedir una cotización, el artículo 1 de la Declaración Universal de los Derechos Humanos y el guion de nuestra publicación sobre tokens— y los pasamos por dos codificaciones del tokenizador público de OpenAI: la actual (GPT-5.x) y la anterior (GPT-4).
| Métrica | Español | Inglés |
|---|---|---|
| Palabras | 148 | 158 |
| Tokens, codificación GPT-5.x | 195 | 182 |
| Tokens por palabra, GPT-5.x | 1.32 | 1.15 |
| Tokens, codificación GPT-4 | 232 | 183 |
| Tokens por palabra, GPT-4 | 1.57 | 1.16 |
El mismo contenido en español ocupó 27% más tokens con la codificación anterior y 7% más con la actual. Dos lecciones: el “impuesto del español” existe, y depende del tokenizador; los vocabularios recientes lo han reducido mucho. Como regla práctica, en español cuenta alrededor de 1.3 tokens por palabra: mil palabras son unos 1,300 tokens.
Ojo con comparar modelos solo por su precio por token. Como cada proveedor tiene su tokenizador, el mismo texto no ocupa lo mismo en todos. Anthropic, por ejemplo, advierte en su lista de precios que sus modelos desde Claude 4.7 usan un tokenizador que produce alrededor de 30% más tokens para el mismo texto que los anteriores. Lo que hay que comparar es el costo por tarea, no el precio por token.
Las tres cosas que deciden los tokens
1. Cuánto pagas: una cuenta lineal… que se vuelve cuadrática
El costo de cada llamada a un modelo es una suma sencilla. Los precios se publican por millón de tokens:
Costo = (tokens de entrada × precio de entrada + tokens de salida × precio de salida) ÷ 1,000,000
Los tokens de salida —lo que el modelo escribe— cuestan más que los de entrada. En la lista de precios de Anthropic de octubre de 2026, Claude Sonnet 5.5 cobra 2 dólares por millón de tokens de entrada y 10 por millón de salida: cinco veces más por escribir que por leer.
La sorpresa está en las conversaciones. El modelo no guarda memoria entre mensajes: en cada turno vuelve a leer las instrucciones del sistema, todo lo que ya se dijo y tu mensaje nuevo. Si en el turno k relee los k − 1 turnos anteriores, al sumar todos los turnos aparece 1 + 2 + … + (n − 1) = n(n − 1) / 2, la misma suma que, según la anécdota, Gauss resolvió de niño. El término que domina crece con el cuadrado del número de turnos.
| Turnos | Tokens escritos en la conversación | Tokens de entrada cobrados | Veces más | Costo con 2,000 conversaciones al mes (USD) |
|---|---|---|---|---|
| 1 | 350 | 1,600 | 4.6 | 11 |
| 5 | 1,750 | 11,500 | 6.6 | 71 |
| 10 | 3,500 | 31,750 | 9.1 | 177 |
| 20 | 7,000 | 98,500 | 14.1 | 494 |
| 40 | 14,000 | 337,000 | 24.1 | 1,548 |
Una conversación de 10 turnos tiene 3,500 tokens de texto, pero se cobran casi 32,000 de entrada. Pasar de 20 a 40 turnos multiplica la entrada por 3.4. Los proveedores ofrecen caché de prompts, que cobra mucho más barata la parte del contexto que se repite idéntica (en Sonnet 5.5, al 5% del precio normal de entrada); no elimina la suma de Gauss, pero sí la abarata.
2. Cuánto recuerda: la ventana de contexto
Lo que llamamos memoria de la conversación es la ventana de contexto: el máximo de tokens que el modelo puede leer en una sola llamada. En la mayoría de los modelos recientes de Claude es de 1 millón de tokens; con nuestra regla de 1.3 tokens por palabra, son unas 750,000 palabras en español, del orden de 1,500 páginas. Cuando una conversación rebasa la ventana, algo tiene que salir: la aplicación recorta los mensajes más viejos o los resume. Por eso una IA “olvida” lo que le dijiste al principio de una conversación muy larga.
¿Por qué existe ese límite? En un transformer, cada token se compara con todos los anteriores mediante el mecanismo de atención. Con n tokens, el número de comparaciones es 1 + 2 + … + n = n(n + 1) / 2: otra vez Gauss. El cálculo de la atención crece con el cuadrado de la longitud, así que el doble de contexto implica alrededor de cuatro veces más trabajo de atención.
Y más contexto no garantiza mejores respuestas. El estudio Lost in the Middle (Liu et al., TACL 2024) encontró que los modelos aprovechan mejor la información que está al principio o al final del contexto, y que su desempeño cae cuando el dato relevante queda a la mitad. Con modelos más recientes, el reporte Context Rot de Chroma (2025) evaluó 18 modelos y concluyó que su desempeño se vuelve menos confiable conforme crece la entrada, incluso en tareas simples.
3. Qué tan rápido responde: un token a la vez
Los modelos generan texto un token a la vez: cada token nuevo depende de todos los anteriores, así que no se pueden escribir en paralelo. El tiempo de respuesta se aproxima así:
Tiempo ≈ tiempo hasta el primer token + (tokens de salida ÷ velocidad de generación)
El primer término crece con lo que el modelo tiene que leer antes de empezar; el segundo, con lo que tiene que escribir. Con una velocidad ilustrativa de 50 tokens por segundo —varía mucho según el modelo y el proveedor—, una respuesta de 650 tokens (unas 500 palabras en español) tarda 13 segundos solo en escribirse; una de 150 tokens, 3 segundos. Y como el español usa más tokens por palabra, la misma respuesta tarda un poco más en español que en inglés.
El contexto justo: cómo se diseña una IA que no desperdicia tokens
Las tres cuentas apuntan a lo mismo: cada token que no aporta cuesta dinero, ocupa memoria y agrega espera. Por eso una IA bien diseñada no le manda al modelo todo lo que tiene, sino lo que necesita para esa pregunta. En la práctica:
- Recuperar en vez de pegar todo: si la respuesta está en la página 12 de un contrato de 40, el sistema busca los fragmentos relevantes y solo esos entran al contexto. Es lo que en la industria se llama RAG (generación aumentada por recuperación).
- Resumir el historial: en conversaciones largas, los turnos viejos se condensan en un resumen de tamaño fijo. La entrada por turno deja de crecer y la curva cuadrática se vuelve lineal.
- Reutilizar lo que se repite: las instrucciones fijas y los documentos de referencia van al inicio del contexto para aprovechar la caché de prompts.
- Pedir salidas cortas y estructuradas: un JSON con los cinco campos que necesitas cuesta una fracción de un párrafo explicativo, y la salida es el token más caro.
- Elegir el modelo por tarea: clasificar un correo no requiere el mismo modelo que redactar un dictamen. En la lista de Anthropic, la entrada de Haiku 5.5 cuesta entre 20 y 40 veces menos que la de Sonnet 5.5 u Opus 5.5.
Un ejemplo con números. Supón que extraes datos de contratos de 40 páginas, de unas 500 palabras cada una: 20,000 palabras, unos 26,000 tokens por contrato. Si en cada una de 10 preguntas mandas el contrato completo, el modelo lee 260,000 tokens de entrada. Si el sistema recupera las 3 páginas relevantes para cada pregunta (unos 2,000 tokens), lee 20,000: 13 veces menos. Solo en entrada y con los precios de Sonnet 5.5, son 52 centavos de dólar contra 4 por contrato; en 1,000 contratos al mes, unos 520 dólares contra 40. La caché también abarataría el primer escenario, pero no resuelve el otro problema: el modelo tendría que encontrar la aguja en un pajar de 26,000 tokens.
Para verlo con animaciones
Si quieres ver cómo un modelo convierte tokens en números y los procesa, este video de 3Blue1Brown, un divulgador de matemáticas conocido por sus animaciones, explica paso a paso cómo el texto se parte en tokens, cómo cada token se vuelve un vector y cómo funciona un transformer.
Y no, no son los tokens de las criptomonedas
La palabra es la misma; la idea, no. En blockchain, un token es una unidad de valor o un derecho registrado en una cadena de bloques. En IA, un token es una pieza de texto y una unidad de medida: no se compra por separado, no se intercambia y no vale nada fuera del modelo.
Preguntas frecuentes
¿Cuántos tokens tiene una palabra en español?
En nuestra medición, 1.32 tokens por palabra en promedio con la codificación actual de OpenAI y 1.57 con la anterior. Las palabras cortas y comunes ocupan uno; las largas o poco frecuentes, dos o más.
¿Cuántos tokens tiene una página?
Una página de unas 500 palabras en español ronda los 650 tokens. Un documento de 40 páginas, unos 26,000.
¿Cuestan lo mismo los tokens de entrada y los de salida?
No. Los de salida suelen costar varias veces más. En los precios de Anthropic de octubre de 2026, la salida cuesta cinco veces la entrada en todos sus modelos actuales.
Conclusión
Un token es la unidad con la que la IA lee, cobra y mide su memoria. Tres cuentas lo resumen: el costo es lineal en tokens, una conversación crece como la suma de Gauss y el tiempo depende sobre todo de cuánto escribe el modelo. Entenderlas cambia la pregunta de “¿qué modelo uso?” a “¿cuántos tokens necesita de verdad mi caso?”, que es donde se gana o se pierde dinero.
¿Estás integrando IA en tu operación y no sabes cuánto te va a costar al mes? Cuéntanos tu caso desde la página de contacto o escríbenos a hola@zirve.mx, y te ayudamos a estimar tokens, costo y tiempos antes de invertir.
