TL;DR:
- El LLM Token Expenditure Index de Silicon Data cerró el 31 de agosto de 2026 en 0.97 dólares por millón de tokens, su primera lectura por debajo de un dólar.
- La serie perdió 8.6% en siete días; los cuatro índices de renta de GPU de la misma empresa se movieron menos de 2% en ese mismo periodo.
- El indicador mezcla precios de proveedor con volumen real de consumo, así que una lectura baja no distingue por sí sola un recorte de tarifas de una migración hacia modelos más baratos.
El LLM Token Expenditure Index de Silicon Data, que Bloomberg publica bajo el ticker SDLLMTK, cerró el 31 de agosto de 2026 en 0.97 dólares por millón de tokens. Es la primera lectura por debajo de un dólar desde que la empresa neoyorquina estrenó el indicador a finales de 2025, queda debajo de todos sus cierres anteriores y vale menos de la mitad de su máximo de mediados de 2026, según CNBC. En siete días perdió 8.6%. El dato entró a los titulares como una amenaza para OpenAI y Anthropic, que este año presentaron solicitudes confidenciales de oferta pública ante los reguladores. Pero ese piso lo cruzó un promedio ponderado por consumo, no una tarifa de lista, y la propia Silicon Data explica que su índice se mueve tanto cuando los proveedores cambian precios como cuando el uso migra hacia modelos más baratos.
Un promedio ponderado por consumo se mueve por dos razones distintas
Silicon Data calcula el precio efectivo de un millón de tokens dentro de un universo definido de modelos, combinando las tarifas activas de los proveedores con el volumen real observado en pasarelas de enrutamiento multiproveedor y redes de inferencia. La canasta rastrea más de 200 modelos abiertos y más de 120 propietarios, con más de 20 fuentes de precio y volumen.
La empresa enumera tres motores del movimiento y solo el primero es el que uno imagina al leer el titular. El índice sube o baja cuando los proveedores modifican sus precios de referencia. También se mueve sin que nadie toque una tarifa, si el consumo se desplaza hacia modelos más caros o más baratos. Y cambia cuando entran o salen modelos de la canasta porque ganaron o perdieron relevancia económica. Silicon Data lo escribe en la página del índice: eso convierte la serie en una medida de dónde se está concentrando la demanda, más allá de lo que aparece en las listas de precios.
El columnista de Bloomberg Jan Patrick Barnert hizo la misma advertencia el 29 de agosto, tres días antes del mínimo. Recordó que la casa que publica el indicador lo presenta como una lectura de lo que los compradores están dispuestos a pagar más que como una etiqueta de precio, y que la caída por sí sola no es la alarma que a veces se le cuelga.
Quién publica ese número también importa. Silicon Data cerró en agosto una Serie A de 30.5 millones de dólares y CME Group fijó el 5 de octubre de 2026 para estrenar dos futuros construidos sobre sus índices de renta de GPU, todavía sujetos a revisión regulatoria.
Alejandro Castillo Leone
Las dos series que separarían el recorte de la migración están en el portal de pago
La familia del índice tiene tres miembros. El de mercado amplio es el que Bloomberg distribuye como SDLLMTK. Los otros dos, uno de modelos abiertos y otro de modelos cerrados, son referencias internas del portal de Silicon Data. Esas dos permitirían ver si el mercado se abarató porque los laboratorios recortaron o porque el consumo se fue a las alternativas de pesos abiertos. La cifra que llegó a las pantallas y a los titulares es la mezclada.
La explicación que recogió CNBC apunta en las dos direcciones a la vez: el avance de modelos chinos de código abierto más baratos, como el Kimi K3 de Moonshot; el recorte que OpenAI aplicó a fines de julio en dos de sus modelos GPT-5.6; los esquemas de precio dinámico que otros laboratorios de frontera introdujeron para que la tarifa se mueva con la demanda; y la caída del costo de producir un token. Dos de esos cuatro factores son decisiones de precio y los otros dos son cambios de comportamiento o de costos.
La propia documentación marca otro límite. El índice no garantiza la factura de ningún cliente, porque un recibo concreto depende de descuentos privados, de la política de enrutamiento, del diseño de la carga de trabajo, del uso de caché, de la longitud del contexto y de los términos de cada proveedor. Que la referencia cruce el dólar no significa que alguien esté pagando eso.
El costo del insumo no se movió al mismo ritmo
El mismo día, la misma casa publicaba sus otras series. La página muestra la magnitud del movimiento de cada índice en siete días, sin indicar el signo, así que lo comparable es el tamaño del salto. Mientras la referencia de tokens se movía 8.6%, ninguno de los cuatro índices de renta de GPU alcanzó siquiera 2%.
| Índice | Qué mide | Movimiento en siete días al 31 de agosto de 2026 |
|---|---|---|
| LLM Token Expenditure (SDLLMTK) | Precio efectivo de un millón de tokens | 8.6% |
| H100 Rental (SDH100RT) | Renta de una GPU Nvidia H100 | 1.5% |
| A100 Rental (SDA100RT) | Renta de una GPU Nvidia A100 | 0.6% |
| B200 Rental (SDB200RT) | Renta de una GPU Nvidia B200 | 0.5% |
| MI300X Rental | Renta de una GPU AMD MI300X | 0.4% |
Del lado del insumo la presión va hacia arriba, y Barnert reunió tres señales en esa misma columna. Nvidia avisó a algunos de sus principales clientes que los servidores con sus chips de IA subirán más de 15% en muchos sistemas que se entreguen a principios del próximo año. Samsung encareció hasta 15% algunos servicios avanzados de fabricación por encargo para pedidos nuevos y está comprometiendo hasta 70% de su capacidad de memoria en contratos plurianuales. El presidente del Grupo SK advirtió que la escasez de memoria se agravará en 2027. Para el columnista, el problema aparece cuando el precio de venta cae más rápido que el costo de producirlo.
OpenAI y Anthropic llegan a la fila de la bolsa con menos poder de precio
La lectura financiera la resumió Charles-Henry Monchau, director de inversiones de Syz Group, en un texto del 1 de septiembre de 2026 citado por CNBC. Situó a los laboratorios de modelos fundacionales como los más expuestos de forma directa, porque la deflación de tokens, escribió, "comprime la línea de ingresos mientras los compromisos de cómputo siguen fijos". Monchau agregó que la respuesta competitiva ya se nota: los laboratorios están corriendo el terreno del desempeño puro, donde los rivales de pesos abiertos recortaron la distancia a cuestión de meses, hacia la distribución, la memoria y el contexto.
Steve Hou, jefe de investigación de Silicon Data, ofreció una lectura menos dramática y más incómoda para quien vende capacidad: la caída puede indicar que la oferta disponible, sumando modelos de frontera y de bajo costo, ya alcanza para la mayoría de las tareas.
El movimiento hacia otras formas de cobrar ya empezó. OpenAI cobra a algunos clientes empresariales solo cuando la tarea queda cumplida, un esquema que saca la factura del contador de tokens y la mete en el terreno del resultado.
Para quien paga una API desde México, España o cualquier otro mercado hispanohablante, el índice es un termómetro y su recibo sigue dependiendo de su propio contrato. Lo verificable hoy es que acceder al conjunto activo de modelos costó menos de un dólar por millón de tokens por primera vez, y que las dos series capaces de decir quién lo abarató siguen del otro lado del portal.
