Precios API OpenAI 2026: Tabla completa de costes por modelo

Cada llamada a la API genera dos flujos facturables: tokens de entrada (el prompt, el mensaje de sistema, cualquier definición de herramienta y cualquier turno anterior que reproduzcas) y tokens de salida (todo lo que el modelo escribe, incluyendo tokens de razonamiento en la serie o y argumentos de llamadas de herramienta). Se cotizan por separado y se listan independientemente en la factura.

La fórmula no ha cambiado respecto a versiones anteriores de la API:

``` cost = (input_tokens / 1,000,000) * input_price_per_M + (output_tokens / 1,000,000) * output_price_per_M ```

Dos ajustes importan en 2026. Primero, tokens de entrada en caché — porciones de tu prompt que alcanzan la caché de prompts de OpenAI dentro de la ventana de caché — se facturan a aproximadamente el 10% de la tarifa de entrada estándar. La caché es oportunista y no requiere cambios de código para muchos SDKs; los prompts de sistema largos y esquemas de herramientas reutilizados son los ganadores típicos. Segundo, las solicitudes enviadas a través de la API Batch reciben un 50% de descuento tanto en entrada como en salida, a cambio de una ventana de entrega de hasta 24 horas. Estos dos descuentos se apilan sobre los precios base y son el mecanismo de reducción de costes individual más grande que la mayoría de equipos ignora.

Los tokens de razonamiento en la serie o (o4-reasoning, o4-mini-reasoning) se facturan a la tarifa de salida aunque no se devuelvan. Un modelo que 'piensa' durante 4.000 tokens antes de producir una respuesta de 200 tokens factura 4.200 tokens de salida. Planifica un presupuesto de salida de 5-10x en tareas con razonamiento intensivo comparado con tareas de chat directo.

Toma una llamada representativa — un prompt de 1.000 tokens que devuelve una respuesta de 500 tokens, aproximadamente equivalente a un breve de 750 palabras de entrada y una respuesta de 375 palabras de salida. El coste por llamada a tasas estándar se sitúa así:

gpt-5.5-pro: (1000/1.000.000 × $30,00) + (500/1.000.000 × $180,00) = $0,030 + $0,090 = $0,120 por llamada. gpt-5.5: (0,001 × $5,00) + (0,0005 × $30,00) = $0,005 + $0,015 = $0,020 por llamada. gpt-5.4: $0,0025 + $0,0075 = $0,010. gpt-5.4-mini: $0,00075 + $0,00225 = $0,003. gpt-5.4-nano: $0,0002 + $0,000625 = $0,000825. o4-reasoning (asumiendo 2.000 razonamiento + 500 salida visible): $0,015 entrada + $0,150 salida = $0,165 por llamada.

Nota la diferencia de 145x entre gpt-5.4-nano ($0,000825) y gpt-5.5-pro ($0,120) en volúmenes de tokens idénticos. El modelo adecuado casi nunca es el más caro; es el nivel más barato que cumple tu estándar de calidad.

Si quieres probar el nivel más barato primero, redacta prompts más limpios que sobrevivan a un modelo más pequeño con nuestro generador de prompts ChatGPT. Las entradas más ajustadas reducen el recuento de tokens y desplazan la carga de trabajo hacia la escala de precios más baja.

Multiplica los números por llamada anteriores por 100.000 (un trabajo de clasificación o resumen de tamaño medio) y 1.000.000 (una carga de trabajo de producción a escala completa):

100k llamadas — gpt-5.5-pro: $12.000. gpt-5.5: $2.000. gpt-5.4: $1.000. gpt-5.4-mini: $300. gpt-5.4-nano: $82,50. o4-reasoning (con 2k tokens de razonamiento): $16.500.

1M llamadas — gpt-5.5-pro: $120.000. gpt-5.5: $20.000. gpt-5.4: $10.000. gpt-5.4-mini: $3.000. gpt-5.4-nano: $825. o4-reasoning: $165.000.

Ahora aplica el descuento de la API Batch (-50% entrada y salida) a la fila gpt-5.5: $20.000 se convierte en $10.000 con 1M llamadas. Aplica caché de prompts donde 800 de cada 1.000 tokens de entrada son un prefijo de sistema estable que alcanza caché el 80% de las veces: esos 640 tokens en caché bajan a $0,50/1M en lugar de $5/1M, ahorrando 90% en 64% de entrada — aproximadamente $2.880 menos de la factura de entrada de $4.000 con 1M llamadas, o alrededor del 14% del total. Apila ambos descuentos y la misma carga de trabajo funciona alrededor de $8.300 — un ahorro del 58% sobre la tarifa estándar.

Estos son los mecanismos canónicos. Haz coincidir el nivel del modelo con la dificultad de la tarea primero, luego agrupa lo que pueda esperar, luego cachea lo que se repite.

gpt-5.5-pro está construido para razonamiento de alto riesgo donde una sola respuesta incorrecta es más cara que 100 correctas — análisis financiero, redacción legal, síntesis de código complejo con requisitos de corrección estricta. La prima de 6x sobre gpt-5.5 solo se justifica cuando el coste de error downstream domina el coste por llamada. Para la mayoría del tráfico de chat en producción es excesivo.

gpt-5.5 es el predeterminado para chat de propósito general, flujos de trabajo de agentes, generación de contenido que se envía a humanos, y cualquier tarea para la que habrías usado GPT-4 en 2024. A $5/$30 es aproximadamente la mitad del precio de GPT-4 de finales de 2024 con sustancialmente mayor calidad.

gpt-5.4-mini ($0,75/$4,50) es el punto óptimo para tareas de salida estructurada de alto volumen: clasificación, extracción, resumen, preguntas y respuestas simples. La mayoría de equipos que ejecutan 1M+ llamadas por mes se sitúan aquí. gpt-5.4-nano ($0,20/$1,25) es para casos de uso integrados — autocompletado, detección de intención, enrutamiento simple — donde el coste debe medirse en fracciones de centavo.

La serie o (o4-reasoning, o4-mini-reasoning) factura tokens de razonamiento a la tarifa de salida, así que úsala solo cuando la cadena de pensamiento mejora materialmente la precisión en problemas duros. Para la generación directa, los modelos sin razonamiento son 5-10x más baratos para calidad equivalente. Ver guía de razonamiento de OpenAI para el desglose canónico.

La API Batch acepta un archivo JSONL de solicitudes y devuelve resultados dentro de 24 horas, facturado a la mitad de las tasas estándar de entrada y salida. El trade-off es la latencia — no puedes usarla para nada en lo que un usuario está esperando sincronía. Pero para cargas de trabajo offline es uno de los descuentos de reducción de costes más infrautilizados en la API.

Encajes canónicos: resumen nocturno de tickets de ayer, clasificación semanal de leads de marketing, enriquecimiento mensual de contactos CRM, enriquecimiento único de un dataset de 500k filas. Si la tarea no tiene que devolver en segundos, agrúpala.

Anti-encajes: chat en vivo, agentes de voz, cualquier cosa en un embudo de checkout, cualquier cosa donde humanos estén leyendo la respuesta en tiempo real. La ventana de latencia mata la experiencia del usuario.

Matemática real: un trabajo de resumen gpt-5.5 de 1M llamadas cuesta $20.000 a la tarifa estándar. El mismo trabajo a través de Batch cuesta $10.000. Si el trabajo puede esperar hasta mañana, el descuento es gratis. Confirma los términos actuales de Batch contra documentación de batch de OpenAI.

La caché de prompts de OpenAI almacena prefijos de prompts recientes y reutiliza prefijos coincidentes desde la caché en lugar de re-tokenizarlos, facturando la porción coincidente a aproximadamente el 10% de la tarifa de entrada estándar. La caché es automática para la mayoría de rutas SDK; lo que controlas es si tus prompts tienen un prefijo estable y reutilizable que valga la pena cachear.

Estructura de prompt compatible con caché: un mensaje de sistema fijo largo (instrucciones, guía de estilo, ejemplos), un bloque medio estable (definiciones de herramientas, documentos de referencia), luego una cola variable corta (la pregunta real del usuario). Cuanto más largo sea el segmento en caché y más frecuentemente se repita dentro de la ventana de caché, mayor será el ahorro.

Matemática real: un chatbot con un prompt de sistema de 2.000 tokens que alcanza caché en el 90% de las 100.000 llamadas diarias. Sin caché, los prompts de sistema solo cuestan (2.000 × 100.000 / 1.000.000) × $5 = $1.000 por día en gpt-5.5. Con el 90% de aciertos de caché a $0,50/1M, los 1,8M tokens de entrada en caché cuestan $0,90 — un ahorro del 99,9% en la porción en caché — y el 10% restante se factura a $1,00, total $1,90 por día para entrada de prompt de sistema. La misma carga de trabajo, $998 menos.

La caché no ayuda si tus prompts son únicos en cada llamada o si la porción variable está al frente del prompt. Mueve el texto estable hacia el frente, el texto variable hacia atrás, y la caché hará el resto. Ver documentación de caché de prompts de OpenAI para la ventana de caché y reglas de elegibilidad.

Las entradas de imagen en la familia GPT-5.5 se convierten a tokens basados en resolución. Una imagen de 1024×1024 se factura como aproximadamente 765 tokens de entrada en el nivel estándar; una imagen de 2048×2048 se factura como aproximadamente 1.445 tokens. A $5/1M en gpt-5.5, eso es $0,0038 y $0,0072 por imagen respectivamente — importante cuando procesas millones de imágenes por mes.

Entrada de audio a través de los endpoints de realtime y audio se factura por separado de texto y a tasas más altas — aproximadamente $40/1M tokens de entrada y $80/1M tokens de salida en gpt-5.5-audio a partir de junio de 2026. Un intercambio hablado de 1 minuto cuesta $0,06-$0,12 dependiendo de la densidad de habla.

Las llamadas de herramienta en sí se facturan como tokens de salida — tanto el nombre de función, argumentos, como el resultado de herramienta que echas de vuelta al modelo. Bucles de agentes con 5-10 llamadas de herramienta por turno pueden facturar 10x la salida de un turno de respuesta directa, por lo que los costes de agentes casi siempre están dominados por salida. Desglosamos las matemáticas de bucles de agentes en nuestro calculador de costes de agentes AI.

Los agentes de voz se facturan en una tarjeta de tarifa completamente diferente del chat de texto, y la brecha es lo suficientemente amplia para que los ingenieros acostumbrados a la economía de tokens de texto constantemente subestimen presupuestos de despliegues realtime de 4-6x. A partir de junio de 2026, gpt-5.5-realtime — el endpoint conversacional que transmite audio dentro y fuera sobre un WebSocket persistente — factura entrada de audio a $40,00 por 1M tokens y salida de audio a $80,00 por 1M tokens. Eso es 8x la tarifa de entrada de texto ($5,00) y ~2,7x la tarifa de salida de texto ($30,00) en el mismo modelo subyacente. Las sesiones multimodales son facturadas por flujo: un turno donde el usuario habla y el modelo responde con audio más una carga útil de texto de llamada de herramienta genera tokens de entrada de audio, tokens de salida de audio, y un pequeño cargo de salida de texto en la misma línea de factura.

Los tokens de audio no son caracteres o segundos — son una representación chunked discreta de la forma de onda. La regla de oro actual es aproximadamente 1 token de audio por 0,1 segundos de habla a la frecuencia de muestreo estándar de 24kHz, lo que funciona a ~600 tokens de audio por minuto de habla en cada dirección. Para una comprobación de cordura en facturas de entrada, toma los minutos de reloj del hablante, multiplica por 600, divide por 1.000.000, y multiplica por $40. Una llamada de servicio al cliente de 10 minutos donde el usuario habla 4 minutos y el agente habla 6 minutos genera ~2.400 tokens de audio de entrada y ~3.600 tokens de audio de salida. Eso es (2.400/1.000.000 × $40) + (3.600/1.000.000 × $80) = $0,096 + $0,288 = $0,384 por llamada antes de cualquier sobrecarga de uso de herramientas o texto.

Ejemplo real — una llamada de agente de voz de 5 minutos. Asume un división realista: el usuario habla 2 minutos (1.200 tokens de audio de entrada), el agente habla 3 minutos (1.800 tokens de audio de salida), y el agente también ejecuta dos llamadas de herramienta devolviendo ~400 tokens de salida de texto de argumentos estructurados y ~600 tokens de entrada de texto de resultados de herramienta ecoados de vuelta al contexto. Entrada de audio: 1.200/1M × $40 = $0,048. Salida de audio: 1.800/1M × $80 = $0,144. Salida de texto (llamadas de herramienta + fragmentos de texto final): 400/1M × $30 = $0,012. Entrada de texto (resultados de herramienta + prompt de sistema de ~1.500 tokens): 2.100/1M × $5 = $0,0105. Total: ~$0,215 por llamada de 5 minutos, o aproximadamente $2,58 por hora de voz en vivo. Ejecuta 1.000 llamadas al día y la factura de realtime sola es ~$6.450/mes — antes de transcripción, antes de logging, antes de cualquier fallback de LLM.

Transcripción Whisper-3, usada para conversión de habla a texto asincrónica donde no necesitas una respuesta de modelo transmitida, sigue siendo el punto de entrada de audio más barato a $0,006 por minuto de audio (facturado en incrementos de 1 segundo, mínimo 1 segundo). Un backlog de transcripción de 10.000 minutos — digamos un mes de llamadas de soporte grabadas — cuesta exactamente $60. El endpoint whisper-3-large más nuevo, que añade diarización y timestamps a nivel de palabra, se factura a $0,011 por minuto. Para aplicaciones que solo necesitan análisis post-llamada en lugar de conversación en vivo, transcribir con Whisper-3 y luego ejecutar la transcripción a través de gpt-5.4-mini es aproximadamente 30-50x más barato que enrutar el mismo audio a través de gpt-5.5-realtime.

Síntesis de texto a voz se sitúa en su propia tarjeta de tarifa y se cotiza por carácter en lugar de por token. La voz tts-1-2026 estándar cuesta $15,00 por 1M caracteres; la voz tts-1-hd-2026 de mayor fidelidad cuesta $30,00 por 1M caracteres. Una respuesta de 200 palabras promedia ~1.100 caracteres, así que un único render de TTS cuesta $0,0165 en estándar y $0,033 en HD. El trade-off versus salida de audio en tiempo real es latencia e interruptibilidad: TTS no es amigable para streaming para conversación de ida y vuelta pero ~5x más barato que salida de audio gpt-5.5-realtime para IVR, notificaciones y narración pre-renderizada. Un patrón de producción común es usar gpt-5.4-mini ($0,75/$4,50 tasas de texto) para redactar la respuesta, luego enrutar a tts-1-2026 — el coste total en esa respuesta de 200 palabras es aproximadamente $0,018 entrada/salida de texto más $0,0165 TTS, versus ~$0,10+ si el mismo contenido se generara como audio transmitido a través del endpoint realtime.

El caché de prompts se aplica a sesiones de realtime pero solo a la porción de texto del prompt — el mensaje de sistema, esquemas de herramientas, e historial de conversación en forma de texto. Los tokens de audio en sí no están en caché; cada chunk de habla es lo suficientemente único para que la caché no pueda coincidir. La implicación práctica: estructura tu prompt de sistema de realtime de la misma manera que lo harías para chat — instrucciones estables largas y definiciones de herramientas en el frente, contexto dinámico por llamada en la espalda — y el descuento de entrada en caché del 90% se aplica a esa porción de texto a través de la sesión WebSocket. Para un agente de voz con un prompt de sistema de 3.000 tokens ejecutando 1.000 llamadas al día, cachear el prefijo de sistema baja el coste de entrada de texto de $15,00/día a ~$1,65/día. Es una pequeña porción de la factura de realtime pero se apila limpiamente con todo lo demás. Confirma las tasas actuales de realtime contra documentación de API realtime de OpenAI antes de bloquear precios en un contrato de cliente — las tasas de voz se han movido dos veces en los últimos 12 meses.

Cinco acciones ordenadas por impacto típico. Primero, baja un nivel de modelo. Si estás en gpt-5.5, ejecuta una evaluación lado a lado contra gpt-5.4-mini en 100 muestras representativas; muchos equipos encuentran calidad equivalente a 1/6 del coste. Segundo, agrupa todo lo que no necesite una respuesta sincrónica — backfills de datos históricos, reportes diarios, colas de clasificación — y toma el descuento Batch del 50%. Tercero, reestructura tus prompts para poner texto estable primero para que el caché de prompts se active.

Cuarto, limita salida. Configura max_tokens agresivamente y pide JSON estructurado en lugar de prosa; un objeto JSON de 200 tokens reemplaza un párrafo de 1.000 tokens para la mayoría de tareas de extracción. Quinto, monitorea con un dashboard de coste por ruta — la mayoría de equipos tienen una ruta que representa el 60% de gasto y una cola larga de rutas baratas; la auditoría por sí sola generalmente revela un corte obvio.

Si quieres redactar prompts más ajustados para empezar, nuestro constructor de prompts de código y generador de meta-descripción ayudan a comprimir bloques de instrucciones sin perder fidelidad. Comprueba cruzadamente las tasas contra precios Anthropic Claude 2026 y el calculador de comparación de costes LLM antes de bloquear un proveedor.