71,5 % de los tokens, 23 % de la factura: el septiembre de un gateway

Un gateway, un mes, una proporción incómoda

Vercel publicó el 15 de octubre su AI Gateway Production Index, que cubre el tráfico de septiembre. La cifra titular se lee mal con facilidad: los modelos de pesos abiertos procesaron el 71,5 % de los tokens que pasaron por el gateway y se llevaron alrededor del 23 % del gasto.

Leído rápido, parece un paseo triunfal de los modelos abiertos. Leído con calma, dice algo más útil. Por cada dólar gastado en un modelo cerrado, unos treinta centavos compraban ocho veces más tokens. El volumen y el dinero se separaron, y esa separación es toda la historia.

Primero las advertencias de siempre, porque importan. Es el gateway de una sola empresa, que mueve decenas de billones de tokens entre aplicaciones en producción y laboratorios. Los clientes empresariales de los grandes laboratorios suelen llamar a esas API directamente, así que un gateway los cuenta de menos. El gasto se estima a precios de lista y las facturas reales llevan descuentos. Vercel también vende el gateway, o sea que se está calificando su propio negocio. Tómelo como una buena muestra de lo que hacen los equipos multimodelo, no como un censo del mercado.

El modelo barato no es una tendencia, es un modelo

La frase más esclarecedora del informe es sobre DeepSeek-V4.1-Flash: procesó casi la mitad de todos los tokens de septiembre y representó el 2,6 % del gasto. Su precio por token era más o menos una quinta parte del promedio de los modelos de pesos abiertos.

Esa sola frase reencuadra el 71,5 %. No es una marea amplia de modelos abiertos apoderándose de la producción. Buena parte es un modelo muy barato haciendo una cantidad enorme de trabajo. Si busca una lección en el índice, la lección es sobre enrutar tareas, no sobre ideología de licencias.

El lado del dinero es igual de concreto. La cuota de gasto de los modelos de pesos abiertos pasó de cerca del 5 % en junio a casi una cuarta parte en septiembre, más que cuadruplicarse desde una base pequeña. Pero alrededor de dos tercios de ese aumento vino de modelos abiertos caros, liderados por Kimi K3, cada uno costando al menos cuatro veces el promedio abierto por token. Los modelos baratos mueven volumen; los caros mueven gasto. Eso es cierto dentro de la categoría abierta, no solo entre abierto y cerrado.

La cuota de Anthropic en el gasto del gateway cayó del 63,7 % al 43,9 %, por debajo de la mitad por primera vez. La lectura tentadora es que Anthropic perdió negocio. El informe dice lo contrario: el gasto en frontera se multiplicó por diez desde diciembre. Anthropic gana más dinero con una porción más pequeña de un pastel mucho más grande. Así se ve perder cuota en un mercado que crece 13 veces mientras el precio medio por token baja un 47 %.

Cambiar de modelo ya es una costumbre mensual

Casi uno de cada dos equipos cambió su modelo más usado en septiembre. Casi uno de cada tres cambió el laboratorio más usado, algo que el índice llama récord. Ambas cifras suben cinco meses seguidos.

Es raro en software empresarial. Las decisiones de infraestructura suelen petrificarse. Las de modelo hacen lo contrario, y el informe ofrece un mecanismo: los equipos que procesaron al menos mil millones de tokens desde diciembre usaron un promedio de 42 modelos distintos. Los de entre diez y cien millones usaron 15 de media. Hasta los equipos pequeños llevan una mezcla.

La razón es aburrida y correcta. Tareas distintas tienen curvas de precio-calidad radicalmente distintas. Clasificar un ticket de soporte, extraer campos de una factura y escribir la disculpa que verá el cliente son tres problemas diferentes que nunca iban a resolverse con el mismo modelo al mismo precio.

La implicación operativa es menos aburrida. Si el nombre de un modelo está escrito a mano en treinta lugares de su aplicación, cada cambio de precio es un refactor. Si está detrás de una capa de enrutamiento con sus propias evaluaciones, es un cambio de configuración. La mitad de sus colegas redeciden su modelo por defecto cada mes. Los equipos que pueden actuar sin un sprint son los que se quedan con el ahorro.

La brecha entre adopción e ingresos

Dos lanzamientos de septiembre explican el punto mejor que cualquier gráfico.

Jev, un modelo de decisión de TypeSafe AI, llegó al 35,3 % de los equipos de pago en dos semanas, la adopción más rápida en la historia del gateway, casi el doble del segundo, Claude Sonnet 5.5 con 18,1 %. En la misma ventana se llevó el 0,27 % del gasto. Es un modelo hecho para decisiones rápidas: barato, veloz, ligero en tokens. Muchos equipos lo probaron. Nunca iba a ser caro.

Opus 5.5 fue al revés: más de uno de cada diez dólares del gateway en sus dos primeras semanas, la mayor cuota de gasto de cualquier lanzamiento de septiembre.

Juntos describen un mercado de dos niveles que no tiene nada que ver con abierto contra cerrado. Un nivel son las llamadas de alta frecuencia y bajo riesgo, donde gana el que cuesta menos por respuesta correcta. El otro son las de baja frecuencia y alto riesgo, donde la gente paga por los últimos puntos de calidad. Un proveedor puede dominar un nivel y ser invisible en el otro, y ambos pueden ser negocios sanos.

El detalle de China que nadie pone en el titular

Casi el 70 % del gasto del gateway en septiembre en modelos desarrollados en China pasó por proveedores con base en Estados Unidos, frente a menos del 10 % en diciembre. En términos gruesos, unos 2,50 $ pasaron por proveedores estadounidenses por cada 1 $ que pasó por los chinos.

Es un hecho de enrutamiento disfrazado de geopolítico. Las empresas quieren el precio de un modelo abierto chino y la facturación, la latencia y el manejo de datos de un proveedor estadounidense. El gateway existe justamente para hacer posible esa combinación, y el dinero siguió a la combinación, no a la bandera.

También significa que la narrativa de "los modelos abiertos están ganando" se complica según a quién le pregunte. Los pesos pueden ser chinos. La factura puede ser estadounidense. El equipo que decide probablemente no está en ninguno de los dos sitios.

Qué hacer con esto

Tres cosas, y ninguna exige una opinión sobre los pesos abiertos.

Etiquete cada llamada de IA por tarea. No se puede enrutar lo que no se ve. Casi todos los equipos tienen una idea vaga de qué funciones cuestan más y casi ninguna de qué llamadas dentro de esas funciones lo hacen.

Compare sus tres tareas principales contra dos modelos cada una. Uno de frontera, uno barato. No en una tabla de posiciones, sino con veinte ejemplos reales con buenas respuestas conocidas. Veinte bastan para detectar un cambio que rompió el formato o perdió un campo sin que nadie se diera cuenta.

Asuma que su modelo por defecto cambiará en un trimestre. La mitad de los equipos de este índice ya cambió el suyo el mes pasado. Diseñar para eso no es sobreingeniería, es la línea base actual.

La conclusión real no tiene glamour. Elegir modelo se volvió una decisión de compras que se revisa cada mes, y la factura sigue a las partes difíciles del trabajo, no a la marca de la API. Es un mercado más sano que el de hace un año, y mucho más molesto de planificar.