El precio por token ya no dice cuánto le cuesta la IA: lecciones de Fable 5.1, Muse Spark 1.3 y Gemini 3.8 Flash

Entre el 1 y el 2 de septiembre de 2026 se estrenaron tres modelos de IA relevantes: Claude Fable 5.1 (Anthropic), Muse Spark 1.3 (Meta) y Gemini 3.8 Flash junto a su variante Cyber (Google). Tres laboratorios, 48 horas y el mismo titular en casi todos lados: más inteligencia, más capacidad agéntica, mejores benchmarks.

Pero el dato que de verdad afecta a la factura de una pyme o una startup está en la letra chica: el precio por millón de tokens dejó de predecir cuánto cuesta terminar una tarea. Los tres lanzamientos lo demuestran, cada uno a su manera.

Este artículo se queda en lo publicado por Artificial Analysis, Xataka, Unite.AI y la cobertura recogida por The Verge, Ars Technica y VentureBeat. Sin cifras inventadas ni promesas de ahorro que nadie midió.

Qué pasó en 48 horas

Claude Fable 5.1 (Anthropic). Es su modelo más capaz hasta la fecha: 66 puntos en el Artificial Analysis Intelligence Index, por delante de Opus 5 (63) y de GPT‑5.6 Sol y Grok 4.6 (61). Mejora sobre todo en programación, investigación científica y tareas agénticas largas. Con un detalle incómodo: Fable 5.1 y Mythos 5.1 pertenecen a la misma clase de modelo, pero Mythos —con capacidades sensibles de ciberseguridad— queda reservado a socios y organizaciones de confianza.

Muse Spark 1.3 (Meta). Cuarto modelo Muse Spark en cinco meses, publicado el 2 de septiembre en Muse Code y en la Meta Model API. La variante disponible, xhigh, entra con 61 puntos (empatada con GPT‑5.6 Sol max y Grok 4.6 high); la variante max, en preview limitado para socios, llega a 62. Sus ganancias vienen casi todas de trabajo agéntico y capacidades científicas.

Gemini 3.8 Flash y 3.8 Flash Cyber (Google). Tercer Flash en seis semanas. La versión estándar es un modelo «obrero» para tareas agénticas, desarrollo de software y razonamiento multipaso: 59 puntos en el índice, 1 millón de tokens de contexto, 64.000 de salida y niveles de esfuerzo ajustables (bajo, medio, alto). La variante Cyber, afinada para descubrir y parchear vulnerabilidades, no es de acceso general: se entrega a «defensores de confianza» dentro del programa Fairwind, que según The Verge ya cuenta con 650 miembros.

El precio por token ya no dice nada

Aquí está el giro. Artificial Analysis mide el coste por tarea del Intelligence Index, no solo la tarifa por token. Y los números se separan del marketing:

• Fable 5.1 (max): 3,76 USD por tarea. Un 20% más que Fable 5, aunque Anthropic mantuvo el precio base (10/50 USD por millón de tokens de entrada/salida) y recortó un 75% la lectura de caché, de 1 a 0,75 USD. El motivo: el modelo piensa y escribe muchísimo —genera 1,7 veces más tokens de salida—. Es, de lejos, el modelo más caro por tarea del ranking.
• Muse Spark 1.3 (xhigh): 0,55 USD por tarea. Ningún modelo con 59 puntos o más cuesta menos. Sus pares directos en 61 puntos cuestan bastante más: Grok 4.6 (high) 0,94 USD, GPT‑5.6 Sol (max) 0,95 USD y Claude Opus 5 (high) 1,23 USD. Su tarifa: 1,25/4,25 USD por millón, con caché a 0,15.
• Gemini 3.8 Flash: 0,58 USD por tarea con precio introductorio de 0,75/3,75 USD por millón. Ojo: Artificial Analysis calcula que el coste real por tarea sube alrededor de un 40% frente a 3.7 Flash, porque el nuevo modelo consume un 30% más de tokens de salida y da más turnos en evaluaciones agénticas. Google lo admite en sus propias palabras: 3.8 Flash «trabaja más duro».

Y el patrón se repite incluso cuando la tarifa no se toca: Muse Spark 1.3 (xhigh) cuesta más por tarea que Muse Spark 1.2 (0,55 frente a 0,40 USD) con el mismo precio por token, porque consume ~57% más tokens de entrada en evaluaciones agénticas.

La conclusión práctica es simple e incómoda: un modelo puede bajar de precio y subirle la factura. Lo que cambió no es la tarifa, es cuántos tokens y cuántos turnos gasta el modelo para llegar al resultado.

Cómo medir su coste por tarea esta semana

No necesita un equipo de MLOps para hacer esto bien. Necesita tres flujos representativos y disciplina para medir lo mismo en todos:

• Defina la tarea completa, no el prompt. «Clasificar y responder un ticket», «generar la ficha de producto», «revisar un pull request». Si el flujo tiene varios pasos y llamadas a herramientas, la unidad de medida es el flujo entero.
• Registre cuatro columnas por corrida: tokens de entrada, tokens de salida, número de turnos y si la tarea se terminó bien. Sin la última columna, el coste barato es una trampa: un modelo que falla la mitad de las veces duplica su coste real.
• Corra el mismo lote en dos o tres modelos. Veinte casos reales bastan para ver diferencias grandes. Compare coste total por tarea finalizada, latencia y tasa de éxito.
• Aproveche la caché de contexto. Los agentes reutilizan el mismo contexto constantemente. Anthropic estima ahorros del 25% en cargas habituales y de hasta 45% en trabajos agénticos gracias a su rebaja de caché; medir con y sin caché cambia el resultado.
• Ajuste el esfuerzo de razonamiento. En Gemini 3.8 Flash el nivel de esfuerzo es un parámetro (bajo, medio, alto). En Claude, el modo «Max» es justo el que dispara el coste. Muchas tareas rutinarias no necesitan el nivel más alto.

Qué modelo para qué trabajo

Con estos datos, la decisión razonable para una empresa pequeña no es «el mejor modelo», sino repartir por tipo de trabajo:

• Volumen y rutina (clasificar, resumir, redactar fichas, responder consultas frecuentes): modelos de coste por tarea bajo. Muse Spark 1.3 (xhigh) y Gemini 3.8 Flash están justamente ahí, alrededor de 0,55–0,58 USD por tarea del índice.
• Trabajo difícil y puntual (arquitectura, depuración compleja, análisis largo con criterio): tiene sentido pagar un modelo tope como Fable 5.1, pero acotado a esos casos y midiendo lo que gasta.
• Seguridad: las capacidades más fuertes están quedando detrás de puertas. Mythos 5.1 va a socios; 3.8 Flash Cyber se entrega vía Fairwind. Si no está en esos programas, su base sigue siendo lo aburrido y efectivo: dependencias al día, análisis estático y revisión humana.
• Fechas en el calendario: el precio introductorio de Gemini 3.8 Flash (0,75/3,75 USD) vence el 31 de diciembre de 2026 y el 1 de enero de 2027 pasa a 1,50/7,50 USD. Si construye su producción sobre ese modelo, planifique con ese salto a la vista.

Si está montando o rehaciendo su operación digital y quiere que la IA entre por donde deja dinero —catálogo, atención, contenido, automatizaciones— en Presticorp aterrizamos eso según la etapa: pymes, startups y ecommerce. La regla que aplicamos es la misma de este artículo: primero se mide el coste por tarea terminada, después se escala.

La sugerencia del escritor

Tres modelos en 48 horas y ninguno se vende por lo que más importa: lo que cuesta terminar el trabajo. Fable 5.1 es el más inteligente del ranking y también el más caro por tarea; Muse Spark 1.3 (xhigh) es el más eficiente entre los que puntúan 59 o más; Gemini 3.8 Flash bajó de categoría de precio pero subió su consumo real.

Elija esta semana un solo flujo de su negocio, córralo veinte veces en dos modelos y anote coste, tiempo y aciertos. Ese cuaderno vale más que cualquier tabla de benchmarks, porque mide su trabajo, no el de un laboratorio.

Fuentes

• Artificial Analysis. «Muse Spark 1.3: Meta reaches the frontier». 2 de septiembre de 2026. https://artificialanalysis.ai/articles/muse-spark-1-3
• Xataka (Javier Pastor). «Anthropic acaba de lanzar Fable 5.1, su modelo de IA más potente…». 2 de septiembre de 2026. Ver artículo
• Unite.AI. «Meta lanza Muse Spark 1.3, citando mejoras en codificación y tareas agentivas». https://www.unite.ai/es/meta-launches-muse-spark-1-3-citing-gains-in-coding-and-agentic-tasks/
• Geeknetic. «Google presenta Gemini 3.8 Flash y una versión Cyber que detecta vulnerabilidades y genera parches». Ver artículo
• El Ecosistema Startup. «Gemini 3.8 Flash: el modelo “obrero” que Google lanza cada 3 semanas». 2 de septiembre de 2026 (recoge datos de The Verge, Ars Technica, VentureBeat y Unite.ai). Ver artículo

Nota editorial: puntuaciones del Artificial Analysis Intelligence Index, costes por tarea (3,76 / 0,55 / 0,58 / 0,63 / 0,68 / 0,94 / 0,95 / 1,23 USD), tarifas por millón de tokens, la rebaja del 75% en lectura de caché, el +40% de coste real de 3.8 Flash y las fechas de precio introductorio provienen de las fuentes citadas (1–2 de septiembre de 2026). No se estiman ahorros propios ni resultados de adopción.