BroadRouter

Cuánto cuesta ejecutar un agente de IA: pasos, contexto y caché

Por el equipo de BroadNet Inference · 7 min de lectura · Publicado

Un agente reenvía su contexto completo en cada paso, así que la entrada crece con el cuadrado del número de pasos: 60 pasos cuestan unas 3.5 veces la entrada de 30. La caché decide casi toda la factura; con un historial que solo crece al final, más del 90 % de la entrada puede facturarse a la tarifa en caché. Multiplique el costo por ejecución por las ejecuciones mensuales y compárelo con una sesión plana.

Un agente de programación no paga por tarea. Paga por paso, y cada paso reenvía toda la conversación hasta ese momento. Por eso el costo de una ejecución depende mucho más de cuántos pasos lleva, y de cuánto contexto está en caché, que del precio por token. Este artículo construye el costo de una ejecución a partir de esas piezas, con números, y muestra cuándo una sesión plana supera al pago por token.

Para saber de dónde salen los tokens dentro de cada llamada (esquemas de herramientas, lecturas de archivos, historial), vea adónde van los tokens del bucle de un agente. Este artículo trata de la aritmética de una ejecución completa.

¿Cómo crece el contexto durante la ejecución de un agente?

Cada llamada contiene:

  • un contexto base que se envía en cada llamada: prompt de sistema, definiciones de herramientas, archivos de reglas, un mapa del repositorio;
  • todo lo añadido en los pasos anteriores: las respuestas del modelo y sus llamadas a herramientas, el contenido de archivos y la salida de comandos;
  • la nueva instrucción o el resultado de la herramienta.

Llame B a ese contexto base y g a los tokens que añade cada paso. El paso 1 envía B. El paso 2 envía B + g. El paso n envía B + (n − 1) × g. Si se suman, una ejecución de n pasos envía:

Entrada total = n × B + g × n × (n − 1) ÷ 2

El segundo término crece con el cuadrado del número de pasos. Por eso las ejecuciones largas sorprenden: el último paso de una ejecución de 60 pasos es mucho más grande que el primero, y cada paso intermedio vuelve a pagar por todos los anteriores.

¿Cómo se ve una ejecución calculada?

Tome un agente con un contexto base de 15,000 tokens (prompt de sistema, una docena de herramientas y un mapa del repositorio). Cada paso añade 3,000 tokens: un archivo o un log de pruebas más la propia respuesta del modelo. Cada paso escribe 800 tokens de salida, razonamiento incluido.

Pasos Entrada total Salida Llamada individual más grande
10 285,000 8,000 42,000
30 1,755,000 24,000 102,000
60 6,210,000 48,000 192,000

Pasar de 30 a 60 pasos duplica el trabajo, pero multiplica la entrada por unas 3.5 veces. La salida solo se duplica. En estas ejecuciones la entrada es entre 36 y 130 veces la salida, y por eso el precio de entrada, y el de entrada en caché, son los que más importan en los agentes.

La llamada más grande también tiene que caber en la ventana de contexto. 192,000 tokens caben en DeepSeek V4.1 Flash y GLM 5.3 (1,048,576 tokens cada uno) y en Qwen3.8 27B (262,144). No caben en Gemma 4 VL 26B (32,768): en este ejemplo, la séptima llamada ya es demasiado grande.

¿Cuánto cambia la caché la factura?

Los proveedores facturan un prefijo de prompt repetido a una tarifa más baja de entrada en caché. Un agente que solo añade a su historial envía cada vez el mismo prefijo más un poco más, así que en el mejor caso solo son nuevos los tokens añadidos desde la última llamada:

Entrada nueva (mejor caso) = B + (n − 1) × g

Todo lo demás es un acierto de caché. La proporción de entrada en caché sube a medida que la ejecución se alarga:

Pasos Entrada nueva, mejor caso Proporción en caché
10 42,000 85 %
30 102,000 94 %
60 192,000 97 %

Los agentes reales rara vez llegan al mejor caso, así que conviene calcular tres escenarios. Con los precios de BroadNet para DeepSeek V4.1 Flash ($0.175 de entrada, $0.0055 en caché y $0.52 de salida por 1M de tokens, publicados el 2026-11-14), este es el costo de cada ejecución en relación con el mejor caso de 30 pasos:

Pasos Caché en el mejor caso 80 % en caché Sin caché
10 0.33× 0.39× 1.37×
30 1× 2.07× 8.11×
60 2.33× 6.84× 28.2×

Destacan dos cosas. Sin caché, una ejecución de 60 pasos cuesta 28 veces lo que una de 30 pasos bien cacheada. Y la caché importa más cuanto más larga es la ejecución. En el mejor caso de 30 pasos, la salida es cerca de un tercio del costo, la entrada nueva menos de la mitad y la entrada en caché menos de una cuarta parte, así que, después de la caché, el siguiente ahorro está en la salida.

La caché no es algo que se active con un interruptor. Depende de que el proveedor conserve el prefijo y de que su agente no lo cambie. La guía de OpenAI describe una coincidencia exacta de prefijo con una longitud mínima almacenable. La API propia de DeepSeek guarda unidades de caché al final de la entrada y la salida de cada solicitud, así que una solicitud posterior que amplía la anterior puede acertar. La página de precios de BroadNet dice que la entrada en caché no requiere configuración, y su documentación informa de los aciertos en usage.prompt_tokens_details.cached_tokens cuando el modelo los proporciona. El catálogo de modelos de BroadNet incluye DeepSeek V4.1 Flash entre los “models we never ran on our hardware” (Traducción: modelos que nunca ejecutamos en nuestro hardware), y sus Términos (§7.3) cubren el modelo “when partner-hosted” (Traducción: cuando lo aloja un socio), así que en BroadNet se sirve a través de un socio. Mida su tasa de aciertos en lugar de suponer las cifras de la propia DeepSeek. Escriba el prefijo de forma que pueda entrar en caché: estructura del prompt para la caché.

¿Cómo estimar su propia ejecución?

Este script lee los precios actuales del pricing.json público de BroadNet, así que nunca queda desactualizado, e imprime los totales de tokens y el costo por ejecución para cada escenario de caché:

import json, urllib.request

PRICES = json.load(urllib.request.urlopen("https://inference.broadnet.ai/pricing.json"))
m = next(x for x in PRICES["models"] if x["id"] == "broadnet/deepseek-v4.1-flash")
p_in, p_cached, p_out = m["input_per_m"], m["cached_input_per_m"], m["output_per_m"]

def run_tokens(steps, base=15_000, growth=3_000, out_per_step=800, cache_rate=None):
    total_in = steps * base + growth * steps * (steps - 1) // 2
    if cache_rate is None:                      # best case: only new tokens miss
        new_in = base + (steps - 1) * growth
    else:
        new_in = round(total_in * (1 - cache_rate))
    return total_in, new_in, steps * out_per_step

def run_cost(total_in, new_in, out):
    return ((new_in * p_in) + (total_in - new_in) * p_cached + out * p_out) / 1e6

for steps in (10, 30, 60):
    for label, rate in (("best", None), ("80%", 0.8), ("none", 0.0)):
        t, n, o = run_tokens(steps, cache_rate=rate)
        print(f"{steps:>3} steps  cache {label:>4}  input {t:>9,}  new {n:>9,}  "
              f"output {o:>6,}  cost/run {run_cost(t, n, o):.4f} USD")

Sustituya los valores por defecto por sus propias cifras. No las adivine; léalas de una ejecución real:

  1. Registre prompt_tokens, prompt_tokens_details.cached_tokens y completion_tokens de cada llamada, como en el artículo sobre el presupuesto de tokens de un agente.
  2. B es el prompt_tokens de la primera llamada. g es el aumento medio de prompt_tokens de una llamada a la siguiente.
  3. La salida por paso es el promedio de completion_tokens. Incluye los tokens de razonamiento, que se facturan como salida.
  4. Su tasa real de caché es la suma de cached_tokens dividida entre la suma de prompt_tokens.

El estimador gratuito del costo de ejecución de agentes hace el mismo cálculo en su navegador, para que pueda probar otros números de pasos, tasas de crecimiento y tasas de caché sin código.

¿Qué hace que una ejecución cueste más que la estimación?

  • Reintentos. Una llamada a herramienta fallida o un reintento tras un 429 es otra llamada con el contexto completo. Cuéntelos como pasos.
  • Cambiar el prefijo. Una marca de tiempo en el prompt de sistema, herramientas listadas en otro orden o un archivo de reglas editado a mitad de la ejecución convierten la entrada en caché otra vez en entrada nueva desde el cambio en adelante.
  • Compactación. Resumir el historial reduce el contexto, lo que recorta la entrada posterior, pero el historial nuevo nunca ha estado en caché, así que la siguiente llamada paga el precio de entrada completo. Compacte pocas veces y en pasos grandes; gestión del contexto en agentes de larga duración explica cuándo.
  • Salida grande de herramientas. Un log de pruebas de 20,000 líneas añadido en el paso 5 viaja con cada paso posterior. En la fórmula, suma 20,000 × (pasos restantes) tokens de entrada.
  • Esfuerzo de razonamiento. Un esfuerzo alto puede multiplicar la salida por paso. Ponga reasoning_effort en low para las ediciones rutinarias.
  • Divagar. Un agente que tarda 60 pasos en una tarea de 30 paga el cuadrado, no el doble. Un límite de pasos es un límite de costo. Diez formas de reducir el costo de los agentes de programación repasa las palancas.

¿Cuándo supera una sesión plana al pago por token?

Convierta el costo por ejecución en una cifra mensual: costo mensual = costo por ejecución × ejecuciones al mes. Luego compárelo con un plan de tarifa plana. En BroadNet, los planes cubren DeepSeek V4.1 Flash sin medidor de tokens: Luna Llena (Full Moon) cuesta $60 al mes, Órbita (Orbit) $15 a la semana y Meteoro (Meteor) $1 la hora, cada uno por sesión.

Ejecuciones al mes para llegar al punto de equilibrio = precio del plan ÷ costo por ejecución.

Dos cosas hacen que esta comparación sea menos simple de lo que parece:

  1. Su tasa de caché fija el lado del pago por token. Con una tasa de caché alta, el pago por token en Flash es barato y necesita muchas ejecuciones para superar $60. Con una tasa baja, lo supera rápido. El artículo sobre tarifa plana muestra el punto de equilibrio como un volumen mensual: unos 917 millones de tokens de entrada y 46 millones de de salida con un 80 % en caché (el cálculo del punto de equilibrio).
  2. El tiempo fija el techo del lado plano. Una sesión ejecuta una solicitud a la vez. Si una llamada tarda 20 segundos de media (prefill, unos 800 tokens de salida a unos 100 tokens por segundo, más el tiempo de las herramientas), una ejecución de 30 pasos tarda unos 10 minutos. Entonces una sesión admite como máximo unas seis ejecuciones por hora. Más agentes en paralelo necesitan más sesiones.

Para ráfagas cortas, Meteoro funciona igual a menor escala: si caben seis ejecuciones en una hora, cada una cuesta $1 ÷ 6. Compárelo con el costo por token de una ejecución que da el script. Para probar sus propios volúmenes, use la calculadora de tarifa plana vs por token.

Su patrón Suele salir más barato
Unas pocas ejecuciones cortas al día Por token
Ejecuciones largas con mala caché Sesión plana
Agentes que funcionan casi toda la jornada Sesión plana
Varios agentes en paralelo todo el día Una sesión plana por agente
Necesita llamadas a herramientas nativas en BroadNet Por token en GLM 5.3 o Qwen3.8 27B

Dónde encaja BroadNet Inference

BroadNet informa de los tokens en caché y de razonamiento en el bloque de uso, así que puede medir cada cifra anterior a partir de sus propias ejecuciones. DeepSeek V4.1 Flash tiene un precio bajo de entrada en caché y un contexto de 1,048,576 tokens, y los planes ilimitados eliminan su medidor de tokens; cómo funcionan las sesiones.

Compruebe antes una limitación. La documentación de BroadNet lista llamadas a herramientas solo para GLM 5.3 y Qwen3.8 27B, y ninguno de los dos está en un plan de tarifa plana. Los agentes que editan mediante texto, como Aider, no necesitan llamadas a herramientas nativas. Si el suyo las necesita, pruebe DeepSeek V4.1 Flash con su agente antes de comprar un plan, o presupueste GLM o Qwen por token. Y si su agente solo se ejecuta de vez en cuando, pagar por token costará normalmente menos que cualquier plan de tarifa plana.

Preguntas frecuentes

¿Cuánto cuesta una ejecución de un agente de programación con IA?

Cuente los tokens y luego póngales precio. En el ejemplo de este artículo, una ejecución de 30 pasos con un contexto base de 15,000 tokens y 3,000 tokens añadidos por paso envía 1,755,000 tokens de entrada y 24,000 de salida. Lo que eso cueste depende sobre todo de cuánta entrada se factura a la tarifa en caché.

¿Por qué una ejecución más larga de un agente cuesta desproporcionadamente más?

Cada paso reenvía todo lo anterior. La entrada por paso crece en línea recta, así que el total de la ejecución crece con el cuadrado del número de pasos. Duplicar una ejecución de 30 a 60 pasos multiplica su entrada por unas 3.5 veces en el ejemplo calculado.

¿Qué tasa de aciertos de caché cabe esperar de un agente de programación?

Depende del agente y del proveedor. Con un historial estrictamente de solo añadir, solo fallan los tokens más nuevos, lo que dio entre el 85 % y el 97 % en nuestros ejemplos. El historial editado, las marcas de tiempo en el prompt de sistema y las pausas largas la reducen. Mídala con prompt_tokens_details.cached_tokens.

¿Cuándo sale más barata una sesión plana que el pago por token para un agente?

Cuando costo por ejecución × ejecuciones al mes supera el precio del plan. En BroadNet, Luna Llena cuesta $60 al mes por sesión para DeepSeek V4.1 Flash. El uso ligero u ocasional suele salir más barato por token.

¿Los tokens de razonamiento cambian la estimación?

Sí. Se facturan como salida, y la salida cuesta más por token que la entrada. Incluya el razonamiento que mida en la salida por paso. En BroadNet, completion_tokens_details.reasoning_tokens lo informa cuando el modelo lo proporciona.

Leer en MarkdownPreguntar a ChatGPTPreguntar a ClaudePreguntar a Perplexity