La ventaja del coste: por qué DeepSeek cuesta hasta 30 veces menos que sus rivales de EE. UU. y qué significa para tu empresa

Hay una cifra que está redibujando el mapa de la inteligencia artificial empresarial en 2026, y no es un benchmark: son 87 céntimos de dólar. Es lo que cuesta generar un millón de tokens —unas 750.000 palabras— con DeepSeek V4 Pro, el modelo insignia del laboratorio chino, a precio de lista permanente desde el 22 de mayo de 2026. Ese mismo millón de tokens, producido por Claude Opus 4.8 de Anthropic, cuesta 25 dólares. Con GPT-5.6 Sol de OpenAI, 30. Y no hablamos de un modelo de segunda fila: en el benchmark de ingeniería de software SWE-bench Verified, DeepSeek V4 Pro y la gama Opus están separados por décimas.

Este análisis abre nuestro dossier sobre IA china. La pregunta que lo articula no es geopolítica sino operativa: ¿debería tu empresa estar pagando lo que paga por sus llamadas a la IA?

La brecha de precios, en frío

Estos son los precios de lista por millón de tokens (entrada / salida) de los modelos relevantes, verificados en las páginas oficiales de precios de cada proveedor en julio de 2026:

Léase con cuidado, porque la brecha depende de qué se compara con qué. Frente a frente entre buques insignia (V4 Pro contra Opus 4.8), la diferencia es de 11,5 veces en entrada y 29 veces en salida. Si la tarea no exige el modelo grande y basta con V4 Flash, la salida cuesta 89 veces menos que la de Opus y más de 100 veces menos que la de GPT-5.6 Sol.

¿Cómo es posible vender tan barato?

La primera sospecha razonable es el dumping: vender a pérdida para ganar cuota. Hay parte de estrategia agresiva, sin duda, pero la explicación principal es técnica. DeepSeek construyó su reputación en 2025 demostrando que se podía entrenar un modelo de frontera con una fracción del cómputo que empleaban los laboratorios estadounidenses, gracias a arquitecturas de mezcla de expertos (MoE) muy eficientes: el modelo tiene cientos de miles de millones de parámetros, pero solo activa una pequeña parte en cada token generado. Menos cómputo por token significa, directamente, menos coste por token servido.

A eso se suman dos decisiones de negocio. Primera: DeepSeek publica los pesos de sus modelos con licencias permisivas, lo que renuncia al monopolio de servirlos —cualquier proveedor de infraestructura puede ofrecerlos— y le obliga a competir en precio incluso consigo mismo. Segunda: su negocio no depende de rentabilizar la API al nivel de un laboratorio occidental que ha levantado decenas de miles de millones en capital riesgo y debe justificar esas valoraciones.

Rendimiento: dónde hay paridad y dónde no

La paridad en programación está bien documentada: DeepSeek V4 Pro puntúa 80,6 % en SWE-bench Verified —el benchmark que mide la resolución de incidencias reales en repositorios de software—, un empate técnico con la gama Opus de Anthropic, y supera el 93 % en LiveCodeBench. Para generación de código, refactorización, tests y documentación técnica, el modelo chino juega en la máxima categoría.

La conclusión honesta no es «DeepSeek es igual de bueno», sino algo más útil: para una mayoría de las tareas que una empresa automatiza en el día a día, la diferencia de calidad es pequeña o nula, y la diferencia de precio es enorme.

Qué significa en euros para una empresa española

Bajemos la brecha a escenarios concretos. Una pyme que clasifica y resume 2.000 correos o documentos diarios (pongamos 1.500 tokens de entrada y 300 de salida por pieza) consume al mes unos 90 millones de tokens de entrada y 18 de salida:

Un segundo escenario: un asistente interno de documentación que atiende 500 consultas diarias con contexto RAG largo (8.000 tokens de entrada, 500 de salida). Son unos 120 millones de tokens de entrada mensuales, la mayoría repetidos y por tanto cacheables. La factura pasa de varios cientos de euros con un proveedor de EE. UU. a cifras de un solo dígito con DeepSeek. A estas escalas la conclusión práctica es que el coste del modelo deja de ser una variable en la decisión de automatizar: proyectos que no salían rentables con precios americanos pasan a serlo con margen.

¿Dónde no aplica el razonamiento? Donde el volumen es bajo y el coste del error es alto. Si tu empresa hace 200 llamadas diarias para redactar propuestas comerciales que revisa una persona, la diferencia mensual entre proveedores son decenas de euros: ahí se elige por calidad, cumplimiento y comodidad, no por precio.

La letra pequeña: datos, China y RGPD

Y aunque solo se envíen datos no personales, hay sectores y clientes para los que la confidencialidad comercial pesa lo suficiente como para descartar la vía directa. A esto se añade una consideración operativa: la latencia y la estabilidad del servicio pueden variar según la hora y la congestión, sin los SLA empresariales que ofrecen los grandes proveedores occidentales.

La buena noticia es que la ventaja de coste de DeepSeek no está encadenada a su API. Como los pesos son abiertos, el mismo modelo puede ejecutarse en proveedores de inferencia con sedes y centros de datos en Europa o EE. UU., o directamente en servidores propios si el volumen lo justifica. Se paga algo más que el precio de lista chino —el proveedor europeo añade su margen— pero se conserva la mayor parte del ahorro y, sobre todo, el dato no sale del perímetro que tu empresa decida. Esta vía, y su análisis jurídico detallado, merecen pieza propia: la publicaremos en la sección de Cumplimiento dentro de este mismo dossier.

Un marco para decidir

Nuestra recomendación para la empresa española que se toma esto en serio se resume en tres reglas:

Y una nota final que nos toca de cerca: nada de esto sustituye a la formación. La empresa que ahorra un 95 % en tokens pero cuyo equipo no sabe qué automatizar ni cómo supervisarlo no ha ganado nada. Ese es, precisamente, el hueco que la formación bonificada puede cubrir sin coste efectivo para la empresa.