---
title: "Costo de LLM por usuario en una función de IA SaaS | BroadRouter"
description: "Calcule el costo de una función de IA por usuario activo al mes, por qué los usuarios intensivos pesan más que el promedio y cómo fijar planes que cubran el modelo."
url: https://broadrouter.com/es/blog/llm-cost-per-user-saas/
lang: es
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Traducido del inglés con ayuda de IA. [Lea el original en inglés](https://broadrouter.com/blog/llm-cost-per-user-saas/) (actualizado el 2026-11-14).

# Costo de LLM por usuario: economía unitaria de una función de IA SaaS

Por el equipo de BroadNet Inference · 6 min de lectura · Publicado 2026-11-14

El costo de LLM por usuario = solicitudes por usuario activo al mes × tokens por solicitud × los precios por 1M de tokens. Mídalo por función a partir del campo usage, fije los precios de los planes según el usuario del percentil 90 y no según el promedio, y añada límites de uso razonable para los extremos. Los modelos más baratos, la caché y un razonamiento bajo reducen la cifra directamente.

## Puntos clave

-   Costo por usuario = solicitudes por usuario × (tokens de entrada, en caché y de salida por solicitud) × precios por 1M.
-   Mida por función y por usuario a partir del campo usage; los promedios ocultan a los usuarios intensivos que generan la factura.
-   La elección del modelo multiplica varias veces el costo por usuario: compare precios de salida como $0.22, $0.52 y $3.46 por 1M.
-   Fije los precios de los planes según el usuario del percentil 90 y añada límites de uso razonable para los extremos.
-   La caché, reasoning\_effort y el enrutamiento reducen el costo por usuario sin cambiar el producto.

**En esta página**

1.  ¿Cómo se calcula el costo de LLM por usuario?
2.  Paso 1: ¿Qué cuenta como usuario activo y cuál es la unidad?
3.  Paso 2: ¿Cómo se miden los tokens por unidad?
4.  Paso 3: ¿Cuánto cuesta un usuario típico? Un ejemplo calculado
5.  Paso 4: ¿Por qué engaña el usuario promedio?
6.  Paso 5: ¿Cómo se definen los planes y los límites?
7.  Paso 6: ¿Cómo se reduce el costo por usuario sin cambiar el producto?
8.  ¿Puede un plan de tarifa plana atender a usuarios de SaaS?
9.  ¿Qué costos rodean al modelo?
10.  ¿Cómo gestionar los planes gratuitos y las pruebas?
11.  Resumen

Añadir una función de IA a un producto SaaS cambia su estructura de costos. El alojamiento y el almacenamiento cuestan más o menos lo mismo por cada usuario; las llamadas a un LLM cuestan más cuanto más se usan. Si fija el precio de la función sin saber cuánto le cuesta un usuario activo, unos pocos clientes entusiastas pueden convertir un plan rentable en una pérdida. Este artículo muestra cómo calcular el costo de LLM por usuario, por qué el promedio es la cifra equivocada y cómo usarlo para definir sus planes.

## ¿Cómo se calcula el costo de LLM por usuario?

Para una función y un modelo:

```text
cost per user per month =
    requests per active user per month
  × [ new input tokens × input price
    + cached tokens    × cached price
    + output tokens    × output price ] / 1,000,000
```

En los modelos de razonamiento, la salida incluye los tokens de razonamiento, y con una clave de pago por uso las imágenes cuentan como tokens de entrada. Si necesita repasar esos tres precios, lea [cómo funcionan los precios de la API de LLM](https://broadrouter.com/es/blog/llm-api-pricing-explained/).

Sume las funciones que usa un usuario para obtener el costo total de IA por usuario.

## Paso 1: ¿Qué cuenta como usuario activo y cuál es la unidad?

Elija una definición que ya reporte, como un usuario que usó la función de IA al menos una vez en el mes. Luego elija la unidad que su función produce de forma natural: un turno de chat, un documento generado, un archivo analizado, una llamada resumida. El costo por unidad es más estable que el costo por usuario y más fácil de razonar.

## Paso 2: ¿Cómo se miden los tokens por unidad?

No lo estime a partir del número de palabras. Registre el bloque `usage` de cada respuesta con una etiqueta de función y un ID de usuario o de cuenta con hash: tokens del prompt, tokens en caché y tokens de completion, una fila por intento. El [artículo sobre el registro de uso](https://broadrouter.com/es/blog/llm-api-usage-logging/) incluye un wrapper listo y el SQL para agrupar el costo por usuario y por función. Antes de tener tráfico, el [contador de tokens](https://broadrouter.com/tools/token-counter/) le da una primera estimación a partir de prompts de ejemplo.

En las respuestas en streaming, pida el uso en el último fragmento con `stream_options={"include_usage": True}`; consulte la [guía de streaming](https://broadrouter.com/es/guides/streaming-chat-completions/). Cuente cada intento, incluidos los reintentos, porque se factura cada intento que llega al modelo.

## Paso 3: ¿Cuánto cuesta un usuario típico? Un ejemplo calculado

Suponga que su producto tiene un asistente dentro de la aplicación. Para un usuario activo típico en un mes, usted mide:

| Medida | Valor |
| --- | --- |
| Días activos | 20 |
| Solicitudes al asistente por día activo | 15 |
| Tokens de entrada por solicitud | 3,000 (la mitad en caché) |
| Tokens de respuesta visible por solicitud | 400 |
| Tokens de razonamiento por solicitud (modelos de razonamiento) | unos 600 |

Eso son 300 solicitudes al mes: unos 900,000 tokens de entrada, 450,000 de ellos en caché, y 120,000 tokens de salida visible, más unos 180,000 tokens de razonamiento en un modelo de razonamiento.

Aplique los precios por 1M de BroadNet. Los tokens están en millones, así que cada término es millones de tokens × precio por 1M:

| Modelo | Entrada / en caché / salida por 1M | El mes de este usuario |
| --- | --- | --- |
| [Gemma 4 VL 26B](https://broadrouter.com/es/models/gemma-4-vl-26b/) | $0.10 / sin tarifa en caché / $0.22 | 0.9 × $0.10 (toda la entrada a precio completo) + 0.12 × $0.22 (sin tokens de razonamiento) = **$0.12** |
| [DeepSeek V4.1 Flash](https://broadrouter.com/es/models/deepseek-v4.1-flash/) | $0.175 / $0.0055 / $0.52 | 0.45 × $0.175 + 0.45 × $0.0055 + 0.3 × $0.52 = **$0.24** |
| [Qwen3.8 27B](https://broadrouter.com/es/models/qwen3.8-27b/) | $0.175 / $0.0435 / $2.17 | 0.45 × $0.175 + 0.45 × $0.0435 + 0.3 × $2.17 = **$0.75** |
| [GLM 5.3](https://broadrouter.com/es/models/glm-5.3/) | $0.78 / $0.173 / $3.46 | 0.45 × $0.78 + 0.45 × $0.173 + 0.3 × $3.46 = **$1.47** |

Los 0.3M de salida en los modelos de razonamiento son 0.12M de respuesta visible más 0.18M de razonamiento. Hechas las cuentas, la línea de GLM 5.3 supera en más de diez veces la de Gemma 4 VL 26B para el mismo usuario (la [comparación de Gemma 4 VL 26B y GLM 5.3](https://broadrouter.com/compare/gemma-4-vl-26b-vs-glm-5.3/) muestra ambos lado a lado). La salida es el término más grande en todos los modelos de razonamiento, y los tokens de razonamiento son más de la mitad de esa salida. Introduzca sus propias mediciones en la [calculadora de costos de API de LLM](https://broadrouter.com/tools/llm-api-cost-calculator/) para obtener su cifra.

## Paso 4: ¿Por qué engaña el usuario promedio?

El uso de las funciones de IA está sesgado. La mayoría de los usuarios prueba la función unas cuantas veces; un grupo pequeño la usa todo el día. El promedio oculta ese grupo, y es ese grupo el que genera la factura.

A partir de su registro de uso, calcule por usuario y por mes:

-   **Costo mediano.** Lo que cuesta un usuario normal.
-   **Percentil 90.** Lo que cuesta un usuario intensivo pero normal. Fije el precio del plan para que este usuario siga siendo rentable.
-   **Percentil 99 y máximo.** Los extremos. Estos usuarios necesitan un límite de uso razonable, un plan superior o una revisión por automatización y abuso.

Si su usuario del percentil 99 cuesta muchas veces la mediana, eso no es un problema en sí; es un dato para fijar precios.

## Paso 5: ¿Cómo se definen los planes y los límites?

Conocido el costo por usuario, el precio pasa a ser una decisión de margen:

1.  **Decida su margen bruto objetivo** para el plan.
2.  **Calcule hacia atrás el costo máximo de IA por usuario** que ese margen permite.
3.  **Compárelo con su percentil 90.** Si el percentil 90 cabe, el plan funciona. Si no, reduzca el costo (paso 6), suba el precio o lleve el uso intensivo a un plan superior.
4.  **Traduzca los tokens a una unidad que los usuarios entiendan.** Los usuarios no piensan en tokens. Limite solicitudes por día, documentos por mes o minutos de audio, con un tamaño tal que el uso máximo permitido quede dentro de su techo de costo.
5.  **Revise cada mes.** Los cambios de prompt, las funciones nuevas y los cambios de modelo mueven el costo por usuario.

## Paso 6: ¿Cómo se reduce el costo por usuario sin cambiar el producto?

-   **Caché.** Ponga primero el prompt de sistema estable y la lista de herramientas. En DeepSeek V4.1 Flash, la entrada en caché cuesta $0.0055 por 1M en lugar de $0.175. [Cómo subir su tasa de caché](https://broadrouter.com/es/blog/cached-input-tokens-explained/).
-   **Baje el razonamiento.** Poner `reasoning_effort` en `low` para solicitudes rutinarias recorta los tokens más caros. [Cuánto cuesta el razonamiento](https://broadrouter.com/es/blog/reasoning-tokens-cost/).
-   **Enrute según la dificultad.** Envíe las solicitudes simples a Gemma 4 VL 26B y reserve los modelos de razonamiento para las difíciles.
-   **Recorte el historial.** Las conversaciones largas reenvían todo en cada turno; resuma o trunque los turnos antiguos cuando la calidad lo permita.
-   **Limite la salida.** Defina `max_tokens` por función, dejando margen para el razonamiento en los modelos de razonamiento.

Encontrará más controles en [control del gasto en API de LLM](https://broadrouter.com/es/blog/llm-api-spend-control/).

## ¿Puede un plan de tarifa plana atender a usuarios de SaaS?

Los planes ilimitados de BroadNet para DeepSeek V4.1 Flash ($60 al mes por sesión) pueden integrarse en su propia aplicación o servicio con su propia clave, pero cada sesión ejecuta **una solicitud a la vez** y la clave no se puede compartir ni revender. Eso hace que un plan encaje bien con trabajo de back-end de baja concurrencia: un generador de informes nocturno, un resumidor alimentado por una cola, un agente interno. Para tráfico interactivo de usuarios con muchas solicitudes simultáneas, la respuesta habitual son las claves de pago por uso (4 solicitudes en curso cada una, 30 por minuto) o varias sesiones. Consulte la [página de planes](https://inference.broadnet.ai/plans?utm_source=broadrouter&utm_medium=referral&utm_campaign=es-blog-llm-cost-per-user-saas&utm_content=body) para ver las condiciones vigentes.

## ¿Qué costos rodean al modelo?

El costo de tokens por usuario es solo una parte de la partida de IA. Sume la recuperación y el almacenamiento vectorial, la transcripción (con precio por minuto de audio, por ejemplo $0.0042 por minuto para árabe en BroadNet), los reintentos y las ejecuciones de evaluación. Si sus usuarios escriben en árabe u otros idiomas distintos del inglés, espere más tokens por mensaje que en inglés; [mida los tokens por palabra](https://broadrouter.com/es/blog/tokens-per-word-arabic-english/) con su propio contenido.

## ¿Cómo gestionar los planes gratuitos y las pruebas?

Un plan gratuito multiplica el costo por usuario con usuarios que no pagan nada. Trátelo como gasto de marketing: dé a los usuarios gratuitos el modelo más barato que aún muestre bien la función, fije límites diarios más estrictos que en los planes de pago y siga el costo de IA de los usuarios gratuitos como una partida propia. Si los usuarios gratuitos se convierten, esa partida es costo de adquisición; si no, los límites la mantienen pequeña.

## Resumen

Mida los tokens por unidad a partir del campo usage, multiplíquelos por los precios publicados, fíjese en el percentil 90 y no en la media, y defina a partir de ahí los precios y límites de sus planes. Después abarate cada unidad con caché, enrutamiento y menos esfuerzo de razonamiento. Si todavía no ha medido nada, empiece por el [método del costo mensual](https://broadrouter.com/es/blog/estimate-llm-api-cost-before-launch/).

Herramientas gratuitas sobre este tema (en inglés)

-   [LLM API cost calculator](https://broadrouter.com/tools/llm-api-cost-calculator/) Price a workload on every model at once, with cache hits, reasoning and a flat-plan check.
-   [Flat-rate vs per-token LLM cost calculator](https://broadrouter.com/tools/flat-rate-vs-per-token-calculator/) Break-even between an unlimited plan and paying per token, per agent.
-   [Prompt caching savings calculator](https://broadrouter.com/tools/prompt-caching-calculator/) Bill with and without caching, by prefix share and hit rate.
-   [Prompt token diff](https://broadrouter.com/tools/prompt-token-diff/) Two prompt versions side by side: changed lines, exact token delta and the monthly cost difference.

[Herramientas gratuitas (en inglés)](https://broadrouter.com/tools/)

## Términos de este artículo

[Token](https://broadrouter.com/es/glossary/token/)

Un token es la unidad de texto que un modelo de lenguaje lee y escribe: una palabra, parte de una palabra, un signo de puntuación o una secuencia de bytes producida por el tokenizador del modelo. Las APIs de LLM cuentan, limitan y normalmente facturan el uso en tokens.

[Tokens de entrada y de salida (input and output tokens)](https://broadrouter.com/es/glossary/input-and-output-tokens/)

Los tokens de entrada son los que un modelo de lenguaje lee en una solicitud, incluidos el prompt de sistema, el historial de la conversación, las definiciones de herramientas y las imágenes. Los tokens de salida son los que genera en la respuesta, incluido el razonamiento. Las APIs de LLM suelen cobrarlos por separado, y la salida suele costar más.

[Tokens de razonamiento (reasoning tokens)](https://broadrouter.com/es/glossary/reasoning-tokens/)

Los tokens de razonamiento son tokens que un modelo de razonamiento genera para resolver un problema antes de escribir su respuesta visible. Normalmente se facturan como tokens de salida, cuentan para el límite de salida y la ventana de contexto, y la API puede ocultarlos o resumirlos.

[Streaming (respuestas en tiempo real)](https://broadrouter.com/es/glossary/streaming/)

El streaming es una forma de devolver la respuesta de un modelo de lenguaje en pequeños fragmentos mientras aún se genera, en lugar de una sola respuesta al final. Las APIs compatibles con OpenAI hacen streaming mediante server-sent events cuando la solicitud define stream como true.

[Concurrencia (concurrency)](https://broadrouter.com/es/glossary/concurrency/)

La concurrencia es el número de solicitudes que un cliente tiene en curso al mismo tiempo. Las APIs de LLM suelen limitarla por clave o por plan, aparte de las solicitudes por minuto, porque cada solicitud abierta ocupa capacidad de GPU hasta que su respuesta termina.

[Pago por uso (pay-as-you-go)](https://broadrouter.com/es/glossary/pay-as-you-go/)

El pago por uso es un modelo de precios en el que usted paga solo lo que usa, medido por unidades como tokens, solicitudes o minutos de audio, sin suscripción ni compromiso mínimo. La mayoría de las APIs de LLM cobran así, desde un saldo prepagado o con una factura periódica.

[Llamadas a herramientas (tool calling)](https://broadrouter.com/es/glossary/tool-calling/)

Las llamadas a herramientas (tool calling), también llamadas function calling, son una función de las APIs de LLM en la que el modelo devuelve una solicitud estructurada para ejecutar una función definida por el desarrollador, con argumentos JSON. La aplicación ejecuta la función y devuelve el resultado; el modelo nunca ejecuta código.

[Tokens de entrada en caché (cached input tokens)](https://broadrouter.com/es/glossary/cached-input-tokens/)

Los tokens de entrada en caché son tokens del prompt que un proveedor de LLM procesó recientemente y puede reutilizar desde un caché en lugar de calcularlos de nuevo; normalmente son un prefijo repetido, como un prompt de sistema o un documento. Los proveedores los cobran a una tarifa menor que los tokens de entrada nuevos.

## Preguntas frecuentes

### ¿Debo cobrar a los usuarios por token?

Rara vez a los usuarios finales; la mayoría prefiere un plan fijo con un límite claro. Mida los tokens internamente, fije el precio por solicitudes, documentos o puestos, y mantenga un límite de uso razonable para los usuarios más intensivos.

### ¿Puedo usar un plan fijo de BroadNet para atender a los usuarios de mi SaaS?

BroadNet permite integrar un plan en su propia aplicación o servicio con su propia clave. Cada sesión ejecuta una solicitud a la vez, así que conviene para agentes de back-end o funciones de baja concurrencia; el tráfico de usuarios con muchas solicitudes simultáneas suele requerir claves de pago por uso o varias sesiones.

### ¿Qué parte del precio de la suscripción debería ser costo de IA?

No hay una cifra universal. Decida el margen bruto que necesita su negocio, calcule hacia atrás lo máximo que puede costar un usuario intensivo normal y fije los límites en consecuencia.

### ¿Con qué frecuencia debo recalcular el costo por usuario?

Cada vez que cambie el prompt, el modelo o la función, y al menos una vez al mes. El número de tokens se desvía a medida que cambian los prompts y el comportamiento de los usuarios.

## Siga leyendo

-   [Cómo estimar el costo de una API de LLM antes de lanzar una función](https://broadrouter.com/es/blog/estimate-llm-api-cost-before-launch/)
-   [Control de gasto en APIs de LLM: presupuestos, límites y bucles](https://broadrouter.com/es/blog/llm-api-spend-control/)
-   [Tokens de razonamiento: por qué paga más salida de la que ve](https://broadrouter.com/es/blog/reasoning-tokens-cost/)
-   [Tokens de entrada en caché: cómo reducir la factura de una API de LLM](https://broadrouter.com/es/blog/cached-input-tokens-explained/)
-   [Precios de API de LLM en octubre de 2026: 3 subidas, ninguna rebaja](https://broadrouter.com/es/blog/llm-api-price-changes-october-2026/)
-   [¿Cada cuánto cambian los precios de las API de LLM? 3 años de archivo](https://broadrouter.com/es/blog/how-often-llm-api-prices-change/)
-   [Guía: Usar el SDK de OpenAI para Python con BroadNet Inference](https://broadrouter.com/es/guides/openai-python-sdk/)
-   [Guía: Streaming de chat completions y conexiones interrumpidas](https://broadrouter.com/es/guides/streaming-chat-completions/)

Pruébelo con su carga de trabajo real. Las cuentas nuevas empiezan con USD 5 de crédito para Gemma y transcripción. DeepSeek, GLM y Qwen3.8 requieren una recarga.

[Comenzar](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=es-blog-llm-cost-per-user-saas&utm_content=page-cta) ·

**Fuentes**

-   [Precios de BroadNet Inference en formato legible por máquina (pricing.json) (en inglés)](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=es-blog-llm-cost-per-user-saas&utm_content=sources)
-   [Referencia de la API de BroadNet Inference, campos de uso y límites (en inglés)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=es-blog-llm-cost-per-user-saas&utm_content=sources)
-   [Planes ilimitados de BroadNet Inference y sus preguntas frecuentes](https://inference.broadnet.ai/es/plans?utm_source=broadrouter&utm_medium=referral&utm_campaign=es-blog-llm-cost-per-user-saas&utm_content=sources)
-   [Referencia de la API de OpenAI, objeto usage de chat completions](https://platform.openai.com/docs/api-reference/chat/create)
