Un modelo puede cobrar menos por respuesta y salir más caro por documento correcto. Si obliga a revisar más campos o a corregir más errores, esa diferencia aparece en el tiempo del equipo.
«Flash» es un nombre de producto, no una unidad de velocidad o calidad. No lo usaría como garantía de que una tarea pequeña quedará resuelta. Compararía modelos concretos sobre los mismos documentos y con los mismos criterios de aceptación.
La factura de llamadas
Uso un ejemplo hipotético de extracción de datos. En este ejercicio, A representa la opción de modelo ligero y B la de modelo grande. Las tarifas y los errores que les asigno son supuestos para hacer la cuenta: el tamaño no demuestra que un modelo real tenga ese coste ni esa calidad. Ningún importe de esta tabla es una tarifa comercial vigente y ningún porcentaje procede de una prueba. Supongo 1.000 documentos al mes, una llamada por documento, 2.000 tokens de entrada y 200 de salida por llamada. El total es 2 millones de tokens de entrada y 0,2 millones de salida.
| Supuesto | Modelo A | Modelo B |
|---|---|---|
| Tarifa de entrada por millón de tokens | 0,20 € | 2 € |
| Tarifa de salida por millón de tokens | 0,80 € | 8 € |
| Coste mensual de llamadas | 2 × 0,20 + 0,2 × 0,80 = 0,56 € | 2 × 2 + 0,2 × 8 = 5,60 € |
Esta cuenta simplificada excluye impuestos, caché, llamadas adicionales, herramientas, lectura previa del documento y otras categorías facturables. La documentación de Google sobre tokens permite contar entrada y consultar consumo; también distingue otros tipos de tokens. Para presupuestar un servicio real, usaría sus registros y las condiciones del modelo elegido, sin convertir palabras en tokens con una equivalencia fija.
Lo que cuesta dejar el documento correcto
Ahora supongo que el proceso manual completo tarda cuatro minutos por documento: 1.000 × 4 = 4.000 minutos, o 66 horas y 40 minutos al mes.
Con ambos modelos mantengo medio minuto de revisión por documento: 500 minutos. Supongo además que A deja 50 documentos con un error detectado, un 5%; B deja 10, un 1%. Cada corrección añade tres minutos después de la revisión normal. Son errores detectados; no he valorado el daño de los que pudieran pasar inadvertidos.
| Trabajo humano mensual | Modelo A | Modelo B |
|---|---|---|
| Revisión habitual | 500 minutos | 500 minutos |
| Correcciones adicionales | 50 × 3 = 150 minutos | 10 × 3 = 30 minutos |
| Mantenimiento interno | 60 minutos | 60 minutos |
| Tiempo liberado frente a 4.000 minutos | 3.290 minutos | 3.410 minutos |
B cuesta 5,04 € más en llamadas y libera, bajo estos supuestos, dos horas adicionales. A 25 €/hora de trabajo, serían 50 € de capacidad. Esa comparación favorecería a B solo si la diferencia de errores y tiempos se confirma y esas horas tienen un uso.
Para completar la cuenta, supongo 80 €/mes de herramientas para ambos. El saldo de capacidad valorada sería 3.290 ÷ 60 × 25 − 80 − 0,56 = 1.290,27 € para A y 3.410 ÷ 60 × 25 − 80 − 5,60 = 1.335,23 € para B. Falta el coste inicial de implantación. Estos saldos no son ingresos ni ahorro de caja garantizado.
Qué mediría antes de elegir
Probaría documentos claros y difíciles y mediría desde la entrada hasta el registro revisado. Separaría errores por campo: confundir una descripción y confundir una cuenta bancaria tienen consecuencias distintas. Mediría también esperas largas, reintentos y límites de servicio.
Si A cumple los requisitos con menos coste total, lo elegiría. Si B reduce suficiente trabajo o riesgo, su tarifa superior puede compensar. No tengo esa respuesta sin la prueba.
Fuentes
- Google: contar tokens en Gemini — Consultado el 10-10-2026. El consumo incluye entrada y salida; la documentación explica el conteo y los registros de uso, incluidos otros tipos de tokens. No respalda tarifas ni resultados del ejemplo.
Si ya has medido una tarea, puedes enviarme su volumen y tiempos de revisión para plantear una comparación útil.