Más uso de la IA, precios más altos y una espera más larga para empezar
El consumo diario de tokens de inteligencia artificial en China alcanzó unos 500 billones en junio de 2026, casi cuatro veces el nivel registrado en diciembre de 2025, según la Academia China de Tecnología de la Información y las Comunicaciones (CAICT). Los precios subieron junto con la demanda: el precio interno promedio, ajustado a una base común para facilitar la comparación, pasó de 6,8 yuanes en el segundo semestre de 2025 a 13,46 yuanes en 2026, un aumento de alrededor del 98 %.
Contenido
- Más uso de la IA, precios más altos y una espera más larga para empezar
- Qué consume China a esta escala
- Qué analizó el seguimiento
- Los precios repuntan tras dos años de recortes
- Las respuestas llegan más rápido una vez que comienza la generación
- Por qué tarda más la primera respuesta
- Los modelos pueden procesar mucha más información de una vez
- El mismo modelo ofrece resultados distintos según la plataforma
- Qué significan los cambios para los clientes
- Puntos clave
El informe de CAICT sobre el seguimiento del rendimiento de los servicios de tokens de modelos grandes (2026), publicado el 23 de octubre, también registra un cambio que los usuarios pueden notar directamente. En agosto, los modelos nacionales generaban texto aproximadamente el doble de rápido que el promedio de 2025, pero tardaban más en producir el primer token. Una vez que comenzaba la respuesta, llegaba más rápido; antes de que empezara, la espera era más larga.
Los resultados reflejan un mercado que se recupera tras dos años de competencia de precios, un consumo en rápido crecimiento y servicios capaces de procesar mucha más información. También muestran por qué elegir un servicio de IA requiere algo más que fijarse en el nombre del modelo: distintas plataformas que ejecutaban el mismo modelo ofrecían resultados muy diferentes.
Qué consume China a esta escala
Un token es una pequeña unidad de información que un modelo de IA procesa o genera. En un texto puede ser una palabra, parte de una palabra o un signo de puntuación. Los tokens ofrecen una forma común de medir cuánto trabajo procesa un modelo, aunque su relación con las palabras varía según el idioma y el sistema.
Por tanto, la cifra de CAICT, de unos 500 billones de tokens al día, describe el volumen de actividad de los modelos. El aumento de casi cuatro veces desde diciembre de 2025 equivale a un crecimiento de alrededor del 300 %, por lo que el total de junio fue casi cuatro veces superior al nivel anterior.
Ahora hay más proveedores que venden acceso a través de plataformas de modelo como servicio, conocidas por la sigla MaaS. Los clientes envían solicitudes mediante una interfaz de programación de aplicaciones (API) de nube pública, una conexión que permite que un programa pida a otro que realice una tarea. Las empresas pueden recurrir a esta vía para integrar la IA en sus productos sin operar por sí mismas el modelo subyacente.
Qué analizó el seguimiento
El Instituto de Investigación de Inteligencia Artificial de CAICT publicó el informe junto con el laboratorio clave de evaluación de modelos grandes y hardware y software del Ministerio de Industria y Tecnología de la Información, y la Alianza de la Industria de Inteligencia Artificial. El seguimiento abarca de enero a agosto de 2026.
La evaluación examina las tasas de éxito de las solicitudes, la velocidad de generación, el tiempo de espera antes de que comience la respuesta, la estabilidad, los precios y las ventanas de contexto. Compara las plataformas oficiales de los modelos con servicios de terceros que ofrecen DeepSeek, Qwen, GLM y Kimi, cuatro familias de modelos de código abierto.
CAICT señala que a los usuarios a menudo les resulta difícil evaluar el rendimiento de los servicios de tokens y elegir un proveedor. Sus mediciones abordan ese problema práctico al distinguir varios aspectos del servicio que una sola cifra de precio o velocidad no permitiría apreciar.
Las fechas principales muestran cómo se desarrollaron los cambios:
- Diciembre de 2025: punto de comparación para el posterior aumento de casi cuatro veces en el consumo diario nacional de tokens.
- De enero a agosto de 2026: período de seguimiento del informe.
- Mayo de 2026: el seguimiento incorporó nuevas versiones de las cuatro familias de modelos de código abierto.
- Junio de 2026: el consumo diario nacional de tokens alcanzó unos 500 billones.
- Agosto de 2026: la velocidad de generación nacional promedió 78,23 tokens por segundo.
- 23 de octubre de 2026: se publicó el informe.
Los precios repuntan tras dos años de recortes
Los servicios de modelos nacionales llegaron a 2026 tras dos años de competencia de precios. El aumento de 6,8 a 13,46 yuanes representa 6,66 yuanes más según la medida de precios normalizada de CAICT, casi el doble del promedio anterior.
La normalización consiste en convertir distintos esquemas de precios a una base común para poder compararlos. No se especifica la cantidad de facturación en la que se basan las cifras expresadas en yuanes, por lo que los clientes no pueden calcular directamente cuánto costaría una solicitud concreta a partir del promedio del informe.
Los modelos típicos lanzados fuera de China en 2026 promediaron unos 117,8 yuanes según la misma medida normalizada. Esto equivale aproximadamente a 8,8 veces el promedio nacional de 13,46 yuanes. La comparación describe los grupos analizados, mientras que los clientes siguen encontrando precios específicos para cada modelo y plataforma.
Las respuestas llegan más rápido una vez que comienza la generación
En agosto, los modelos nacionales generaron un promedio de 78,23 tokens por segundo, frente al promedio de 38,25 durante 2025. El aumento fue de alrededor del 105 %, lo que significa que la velocidad de generación se duplicó con creces.
Esta medida, conocida como rendimiento o tokens por segundo (TPS), indica la rapidez con la que un servicio genera una respuesta. Una cifra más alta puede reducir el tiempo necesario para entregar una respuesta larga una vez iniciada la generación.
En agosto, los modelos típicos de fuera de China promediaron 112,82 tokens por segundo, alrededor de un 44 % más que la cifra nacional. Su velocidad de generación también había aumentado con fuerza: pasó de 51,35 tokens por segundo en diciembre de 2025, un alza de aproximadamente el 120 %.
Los períodos de comparación son distintos: la cifra nacional se compara con el promedio de todo 2025, mientras que la extranjera se compara con diciembre. Ambas series muestran una gran mejora en la velocidad de generación, aunque los modelos extranjeros analizados mantuvieron un promedio más alto en agosto.
Por qué tarda más la primera respuesta
En agosto, los modelos nacionales tardaron un promedio de 1,26 segundos en producir el primer token, frente a 0,78 segundos durante 2025. El aumento de 0,48 segundos equivale a alrededor del 62 %.
Este período de espera se conoce como tiempo hasta el primer token (TTFT). Para quien usa un chatbot, es la pausa entre el envío de una solicitud y el comienzo de la respuesta. El rendimiento mide la velocidad después de esa pausa, de modo que un servicio puede mejorar en una medida y empeorar en la otra.
En agosto, los modelos extranjeros típicos tardaron un promedio de 2,08 segundos en empezar a responder, frente a 1,04 segundos en abril. Por tanto, en agosto los modelos nacionales comenzaron a generar texto, en promedio, 0,82 segundos antes, aunque luego generaron texto a menor velocidad.
CAICT atribuye el aumento de los tiempos de espera iniciales a varios cambios simultáneos: modelos más grandes, contextos más extensos y un mayor número de solicitudes. Los modelos más grandes requieren más capacidad de cálculo; los contextos más extensos les proporcionan más información que procesar, y un tráfico más intenso aumenta la demanda del servicio.
Los modelos pueden procesar mucha más información de una vez
Entre los modelos analizados, el 47,8 % admitía ventanas de contexto de 1 millón de tokens. Una proporción mucho mayor, el 95,7 %, podía procesar al menos 200.000 tokens, un aumento de más de 76 puntos porcentuales respecto del cierre de 2025.
Una ventana de contexto es la cantidad de información con la que un modelo puede trabajar durante una solicitud. Puede incluir instrucciones, conversaciones anteriores y documentos enviados para su análisis. Una ventana más amplia permite proporcionar más información de una vez, en lugar de dividirla en varias solicitudes.
Las cifras muestran la rapidez con la que se extendieron los contextos más extensos entre los modelos analizados. Casi la mitad ofrecía una capacidad de 1 millón de tokens, mientras que solo el 4,3 % se mantenía por debajo de los 200.000. El aumento de más de 76 puntos porcentuales significa que, a finales de 2025, la proporción que admitía al menos 200.000 tokens era inferior al 19,7 %.
Para una empresa que procesa documentos extensos, esta mayor capacidad cambia la cantidad de información que puede incluirse en una sola tarea. También ayuda a explicar por qué el informe examina la capacidad junto con el tiempo de espera: un modelo puede estar procesando mucha más información antes de que aparezca la primera respuesta visible.
El mismo modelo ofrece resultados distintos según la plataforma
Los servicios de DeepSeek, Qwen, GLM y Kimi presentaron diferencias de rendimiento, tiempo de respuesta inicial y tasas de éxito de las solicitudes según el proveedor. Para un mismo modelo, la diferencia de velocidad de generación entre plataformas se acercó a un factor de dos.
Algunos servicios de terceros tuvieron mejores resultados que las plataformas oficiales. CAICT atribuye las variaciones a diferencias en la aceleración de la inferencia, las estrategias de optimización y el control de costos. La inferencia es el proceso informático mediante el cual un modelo entrenado produce una respuesta; los proveedores pueden organizar y optimizar ese proceso de distintas maneras.
Los cambios de versión también fueron importantes. En agosto, DeepSeek-V4-Pro alcanzó el doble de rendimiento que DeepSeek-V3.2. Tras las actualizaciones de mayo, los modelos analizados experimentaron en general un aumento inicial del tiempo de espera, seguido de un descenso a medida que los proveedores introdujeron optimizaciones. Los retrasos se fueron acercando a los niveles anteriores a las actualizaciones.
Por tanto, los clientes que eligen un servicio deben tomar dos decisiones relacionadas: qué modelo usar y qué plataforma debería ejecutarlo. Los resultados del informe muestran que el rendimiento del proveedor es un aspecto concreto que debe tenerse en cuenta al elegir.
Qué significan los cambios para los clientes
Las empresas que compran acceso a la IA se enfrentan ahora a precios nacionales promedio más altos, junto con una generación más rápida y ventanas de contexto mucho más amplias. La comparación más útil depende del trabajo: en un chat interactivo es fundamental empezar a responder con rapidez, mientras que para generar una respuesta extensa cobra más importancia la velocidad de generación sostenida.
Un servicio de análisis de documentos puede necesitar una ventana de contexto amplia, mientras que una aplicación que atiende solicitudes repetidas de clientes también depende de que las llamadas se completen correctamente y de un rendimiento estable. CAICT incluye todas estas medidas porque cada una afecta a una parte distinta de la experiencia del usuario.
En conjunto, el informe describe un mercado cuyo volumen y capacidad se expanden, mientras suben los precios según la medida normalizada. Los servicios nacionales mantuvieron una ventaja de precio considerable frente a los modelos extranjeros analizados y, en promedio, comenzaron a responder antes en agosto. Los modelos extranjeros generaron tokens más rápido una vez iniciada la respuesta. En ambos grupos, la creciente espera hasta el primer token refleja la presión que acompaña a los modelos más grandes y al uso más intenso.
Puntos clave
- China consumió unos 500 billones de tokens de IA al día en junio de 2026, casi cuatro veces el nivel de diciembre de 2025.
- Los precios nacionales normalizados subieron alrededor del 98 %, de 6,8 a 13,46 yuanes.
- La velocidad de generación nacional promedió 78,23 tokens por segundo en agosto, más del doble del promedio de 2025.
- La espera nacional hasta el primer token aumentó de 0,78 a 1,26 segundos.
- El 95,7 % de los modelos analizados admitía ventanas de contexto de al menos 200.000 tokens.
- La velocidad de generación de un mismo modelo variaba casi por un factor de dos entre plataformas, y algunos proveedores externos superaban a los servicios oficiales.
