Los modelos de IA no cobran por palabra. Cobran por token, un fragmento de texto que en inglés suele ser una palabra entera, pero que en muchos otros idiomas es solo un trozo de palabra. El resultado es un sobrecosto oculto: pregunta lo mismo en hindi, árabe o turco y pagarás más tokens que en inglés, por exactamente el mismo significado.
¿De qué tamaño es ese sobrecosto y se puede evitar? Lo medimos.
Cómo lo medimos
Escribimos los mismos cuatro textos (una noticia, un correo a un cliente, una explicación técnica y consejos de viaje) en 15 idiomas, traducidos para decir exactamente lo mismo. Después contamos los tokens que necesita cada versión con los tokenizadores públicos de 7 familias de modelos: GPT, Gemma, Llama, DeepSeek, Mistral, Qwen y GLM. Anthropic (Claude) y xAI (Grok) no publican sus tokenizadores, así que no se pudieron medir. Repetimos la medición cada mes; las cifras de abajo son del 25 de septiembre de 2026.
Los resultados
Con la media de los 7 tokenizadores, el idioma más caro que medimos es el hindi: el mismo texto necesita un 177 % más de tokens que en inglés. El árabe necesita un 55 % más, y los grandes idiomas europeos (francés, español, portugués, alemán e italiano) se sitúan juntos en torno a un 34 % más.
El chino es la excepción: de media necesita casi los mismos tokens que el inglés, y menos con DeepSeek (−16 %). Un solo carácter puede equivaler a una palabra entera, y los tokenizadores entrenados con muchos textos en chino conservan enteros los más comunes.
| Idioma | Media | Familia más eficiente | La menos eficiente |
|---|---|---|---|
| Hindi | +177 % | Gemma +30 % | GLM +413 % |
| Árabe | +55 % | Mistral +26 % | GLM +87 % |
| Turco | +54 % | Gemma +30 % | DeepSeek +103 % |
| Vietnamita | +54 % | Llama +34 % | DeepSeek +124 % |
| Coreano | +48 % | Llama +20 % | GLM +89 % |
| Italiano | +48 % | Llama +28 % | Qwen +69 % |
| Japonés | +47 % | Gemma +17 % | Mistral +70 % |
| Indonesio | +42 % | Gemma +18 % | Qwen +66 % |
| Francés | +35 % | GPT +25 % | DeepSeek +49 % |
| Ruso | +31 % | Llama +6 % | Qwen +60 % |
| Alemán | +30 % | GPT +17 % | DeepSeek +50 % |
| Portugués | +30 % | GPT +15 % | DeepSeek +47 % |
| Español | +27 % | GPT +17 % | DeepSeek +45 % |
| Chino | +0 % | DeepSeek −16 % | Mistral +40 % |
La familia de modelos importa tanto como el idioma
Las medias esconden una diferencia mucho mayor. En hindi, el tokenizador más eficiente (Gemma) necesita un 30 % más de tokens que en inglés, y el menos eficiente (GLM), un 413 % más: 3,9× más para el mismo texto. En árabe, el sobrecosto va de +26 % con Mistral a +87 % con GLM.
Ninguna familia gana en todo: GPT es la más eficiente en 4 de los 14 idiomas, Gemma en 4, Llama en 4, DeepSeek en 1 y Mistral en 1. En la práctica, dos modelos con el mismo precio por token pueden generar facturas muy distintas en cuanto tus usuarios escriben en su propio idioma.
Por qué ocurre
Un tokenizador construye su vocabulario a partir de una gran muestra de textos. Cuando esa muestra es sobre todo en inglés, las palabras inglesas comunes tienen su propio token, mientras que las de otros idiomas se cortan en varios trozos. Las escrituras que no usan el alfabeto latino lo empeoran: una palabra escrita en devanagari (hindi) o en alfabeto árabe puede dividirse en muchos fragmentos. La gramática también influye: el árabe y el turco unen prefijos y sufijos a las palabras, lo que crea muchas formas que un tokenizador rara vez ve completas. Los caracteres chinos funcionan de otra manera: un carácter puede equivaler a una palabra entera, y los tokenizadores entrenados con mucho chino conservan enteros los más comunes.
Qué significa para tu factura
Imagina un servicio que pagaría 1000 US$ al mes en inglés. Con el mismo volumen en hindi, pagaría unos 2774 US$ con un tokenizador medio, y entre 1303 US$ y 5128 US$ según la familia de modelos. El sobrecosto afecta tanto a lo que el modelo lee como a lo que escribe.
Cómo pagar menos
- Abre la herramienta la mejor IA para tu idioma: muestra el costo medido de cada familia en tu idioma y los mejores modelos para él.
- Mide tus propios textos con el contador de tokens: la diferencia depende de tu vocabulario y tu tema.
- Plantéate escribir las instrucciones (el prompt de sistema) en inglés aunque tus usuarios escriban en otro idioma, ya que se envían con cada solicitud. Comprueba que las respuestas siguen siendo buenas en tu idioma.
- Guarda en caché las instrucciones largas que se repiten: la entrada en caché cuesta una fracción del precio normal.
- Compara costos totales, no precios por token: la calculadora de costos calcula tus volúmenes reales para cada modelo.
Cuatro textos son una muestra pequeña, y los resultados varían según el tipo de texto. El método completo está en nuestra página cómo trabajamos.
Las cifras de este artículo se recalculan a partir de nuestros datos con cada actualización (última: 25 sept 2026). Cómo trabajamos