Capítulo 14: Cuándo tiene sentido la inferencia de tarifa plana

Visión general#

Una vez que has eliminado las llamadas innecesarias y elegido modelos adecuados, la pregunta que queda es cómo pagar el trabajo que hace tu aplicación.

Las API de pago por uso se adaptan a cargas de trabajo variables. La capacidad dedicada puede ser económica con una demanda predecible, pero alguien tiene que operarla. Un plan de tarifa plana cobra una cuota mensual fija por un servicio definido, con asignaciones por modelo y límites de operación.

Ningún servicio de inferencia tiene capacidad ilimitada, diga lo que diga un plan. La pregunta útil es si tu carga de trabajo encaja en los modelos, las asignaciones y los rate limits (límites de tasa) de un plan, y si la cuota fija es inferior al gasto de pago por uso que sustituye.

Práctica#

Helmcode ejecuta modelos de pesos abiertos en infraestructura que opera en Europa, detrás de una API compatible con OpenAI. Los modelos Qwen y Gemma no tienen tope mensual de tokens. DeepSeek V4.1 Flash y GLM 5.3 Flash comparten una asignación mensual que depende del plan.

Planes a noviembre de 2026:

Cada API key, incluidas las keys del complemento GLM 5.3, está limitada a 2 millones de tokens por minuto (2M TPM), y también se aplican límites de peticiones por minuto y de concurrencia. GLM 5.3 es un complemento de 150 € por API key habilitada al mes, con su propia asignación mensual, separada de la compartida. Una asignación mensual no se puede ampliar una vez agotada, y no hay cargos por excedente a los que recurrir. Los modelos propietarios disponibles a través de la plataforma no forman parte del plan de tarifa plana.

Toma una empresa hipotética que gasta 1.000 € al mes en inferencia de pago por uso. Si 800 € de ese gasto pueden pasar a modelos cubiertos por Starter y 200 € se quedan con el proveedor original, el total modelado es 399 € + 200 € = 599 €: una diferencia bruta de 401 € al mes antes de los costes de migración, de fallback y otros. Esto supone que la carga de trabajo cumple sus requisitos de calidad y de capacidad con los nuevos modelos.

Es poco probable que una aplicación que gasta solo 120 € al mes vea una factura más baja con un plan de 399 €, salvo que el plan sustituya otros costes o genere valor en otra parte.

Ledgerline. El gasto de pago por uso que le queda a Ledgerline en extracción y soporte es de 897 $ al mes; el agente de investigación sigue con su modelo propietario actual. Antes de plantearse un plan de tarifa plana, el equipo comprobaría que los modelos abiertos que cubre superan los conjuntos de evaluación de extracción y de soporte, que el tráfico pico se mantiene por debajo de 2 millones de tokens por minuto por key, y que un plan Starter de 399 €, convertido al tipo de cambio del día, cuesta menos que la parte de esos 897 $ que de verdad se trasladaría.

En profundidad#

La lógica del punto de equilibrio de Economía de la inferencia en GPU y del despliegue se aplica, con la cuota del plan como coste fijo:

Con 399 € fijos, un coste actual de 0,020 € por tarea aceptada y un coste variable restante de 0,002 €, el punto de equilibrio simplificado es de unas 22.167 tareas al mes. El cálculo deja de valer si la carga de trabajo necesita un nivel superior, cargos adicionales por modelo o capacidad adicional.

Una asignación mensual de tokens dice poco sobre la tasa pico de peticiones. Comprueba por separado las peticiones por minuto, los tokens por minuto, la concurrencia por key y los límites de contexto, frente a tu hora de más actividad y no frente a tu media mensual.

El desarrollador del modelo y el operador de la inferencia son papeles distintos. Helmcode ejecuta sus modelos abiertos en la UE sin registro de prompts; los modelos propietarios a los que se accede a través de la misma API los operan sus proveedores y pueden tener condiciones de tratamiento distintas. Comprueba la ruta de cada modelo en lugar de suponer que una sola API implica un solo conjunto de condiciones de residencia.

Un plan de tarifa plana encaja con cargas de trabajo sostenidas que se mantienen dentro de sus límites. No elimina la necesidad de recortar el trabajo desperdiciado: las llamadas innecesarias siguen consumiendo asignación y rendimiento.

Fuentes: Precios de Helmcode, modelos, rate limits. Precios y límites a noviembre de 2026.