Cómo optimizar el uso de tokens en Claude, GPT-4 y otros LLMs: inglés vs otros idiomas, embedded images, markdown, prompt caching y chunking. Con ejemplos reales y números concretos.
Si llevas un tiempo usando Claude, GPT-4 o cualquier otro LLM de forma profesional, en algún momento habrás mirado la factura de tu proveedor y te habrás preguntado: ¿por qué estoy pagando tanto? La respuesta casi siempre está en los tokens. No en cuántos usas, sino en cómo los usas.
Esta guía no es para principiantes que quieren entender qué es un token. Es para profesionales que ya tienen flujos de trabajo con IA y quieren exprimir cada euro invertido. Vamos al grano.
Un token equivale, de forma aproximada, a 0,75 palabras en inglés o entre 0,5 y 0,6 palabras en español. Pero más importante que la definición es entender lo que cuesta en dinero real.
| Modelo | Input (1M tokens) | Output (1M tokens) | Con caché (input) |
|---|---|---|---|
| Claude Haiku 4.5 | $1,00 (~0,92€) | $5,00 (~4,60€) | $0,10 |
| Claude Sonnet 4.6 | $3,00 (~2,76€) | $15,00 (~13,80€) | $0,30 |
| Claude Opus 4.7 | $5,00 (~4,60€) | $25,00 (~23,00€) | $0,50 |
| GPT-4o | $2,50 (~2,30€) | $10,00 (~9,20€) | — |
| Gemini 1.5 Pro | $1,25 (~1,15€) | $5,00 (~4,60€) | — |
Nota: Los precios en dólares se convierten a euros aproximadamente con un factor de 0,92 según el cambio medio de 2025. Las tarifas pueden variar; consulta siempre la página oficial de cada proveedor.
Imagina una empresa que procesa 200 informes de ventas mensuales. Cada análisis implica:
Con Claude Sonnet 4.6 y 200 llamadas al mes:
Input: (800 + 3.200) × 200 = 800.000 tokens × $3,00/1M = $2,40
Output: 600 × 200 = 120.000 tokens × $15,00/1M = $1,80
Total mensual: $4,20 (~3,87€)
Parece poco, ¿verdad? Ahora escala ese mismo pipeline a 5.000 documentos, añade historial de conversación acumulado y un prompt de sistema redactado sin cuidado de 2.400 tokens, y el coste se multiplica por 15 o 20 fácilmente. La optimización no es urgente cuando gastas 4€ al mes; se vuelve crítica cuando gastas 400€.
Este es uno de los puntos más infrautilizados por equipos que trabajan en español. Los modelos de lenguaje, en especial los basados en GPT y Claude, fueron entrenados mayoritariamente en inglés. Su tokenizador —el componente que convierte texto en tokens— es significativamente más eficiente con inglés que con otros idiomas.
Hemos tokenizado la misma frase semántica en varios idiomas usando el tokenizador cl100k_base de OpenAI (el mismo que usa GPT-4):
Frase: "The quarterly sales report shows a 12% increase compared to the previous period"
| Idioma | Texto | Tokens |
|---|---|---|
| Inglés | "The quarterly sales report shows a 12% increase compared to the previous period" | 15 |
| Español | "El informe de ventas trimestral muestra un incremento del 12% respecto al periodo anterior" | 19 |
| Francés | "Le rapport de ventes trimestriel montre une augmentation de 12% par rapport à la période précédente" | 21 |
| Alemán | "Der vierteljährliche Umsatzbericht zeigt eine Steigerung von 12% gegenüber dem Vorjahreszeitraum" | 18 |
| Japonés | "四半期の売上レポートは前期比12%増を示しています" | 28 |
Conclusión directa: el español consume aproximadamente un 20-27% más de tokens que el inglés para expresar el mismo contenido. En textos técnicos largos, esta diferencia se acentúa.
La respuesta no es siempre obvia. Aquí tienes un árbol de decisión práctico:
Escribe en inglés cuando: - El prompt de sistema es largo (más de 500 palabras) y se repite en muchas llamadas - Estás usando prompt caching (más sobre esto en la sección 5) - El procesamiento es puramente técnico (clasificación, extracción de datos, análisis estructurado) y la respuesta se convierte después a otro formato - El volumen de llamadas es alto (más de 1.000 al día)
Escribe en español cuando: - La respuesta final va directamente al usuario final en español - La calidad lingüística es crítica (comunicaciones comerciales, contenido editorial) - El contexto cultural importa (referencias locales, tono formal/informal en castellano) - Estás usando modelos con soporte nativo potente en español como algunos modelos de Mistral
Estrategia híbrida recomendada: prompt de sistema en inglés + datos de usuario en español + instrucción final en inglés indicando que la respuesta debe ser en español.
# SYSTEM PROMPT (en inglés - más eficiente)
You are a financial analyst assistant. Analyze the provided sales data
and generate a structured summary. Always respond in Spanish.
## Task
- Extract key metrics
- Identify trends
- Flag anomalies above 15% variance
# USER INPUT (en español - tal como llega)
[Datos del informe en español]
Este enfoque ahorra entre un 15% y un 22% en tokens de sistema sin sacrificar la calidad de la respuesta.
Los modelos multimodales como GPT-4o y Claude Sonnet 4.6 pueden procesar imágenes, pero el coste varía enormemente según cómo las envíes y qué resolución tienen.
En OpenAI (GPT-4o):
Las imágenes se dividen en tiles de 512×512 píxeles. Cada tile cuesta 170 tokens, más 85 tokens de base. Una imagen de 1024×1024 en modo high cuesta aproximadamente 765 tokens (~0,004€ por imagen con GPT-4o).
En Anthropic (Claude): Claude usa un sistema similar. Una imagen de 1092×1092 píxeles cuesta aproximadamente 1.334 tokens de input. Una imagen de baja resolución (menos de 200×200) puede costar solo 65 tokens.
| Escenario | Imagen directa | Descripción textual |
|---|---|---|
| Dashboard con gráficos complejos | ✅ Preferible | ❌ Difícil de reproducir fielmente |
| Tabla con datos numéricos | ❌ Costoso | ✅ Mucho más eficiente |
| Logotipo o elemento visual simple | ❌ Innecesario | ✅ Describe en 10 tokens |
| Infografía con relaciones visuales | ✅ Necesario | ⚠️ Solo si el texto captura la estructura |
| Screenshot de interfaz para debugging | ✅ Necesario | ❌ No viable |
Este es un escenario habitual en equipos de datos. Tienes un dashboard con 6 gráficos y quieres que el modelo genere un comentario ejecutivo.
Opción A: Enviar el screenshot completo del dashboard - Imagen de 1920×1080 píxeles en modo high: ~2.833 tokens - Coste en Claude Sonnet 4.6: ~0,0085€ por análisis
Opción B: Exportar los datos subyacentes como CSV o JSON y enviarlos como texto - Los mismos datos en formato CSV estructurado: ~800-1.200 tokens según el volumen - Coste en Claude Sonnet 4.6: ~0,0036€ por análisis - Ahorro: ~58% - Ventaja adicional: el modelo comete menos errores de lectura visual al trabajar con datos numéricos directamente
Opción C: Técnica híbrida para dashboards complejos Exporta los datos como texto pero envía la imagen en baja resolución para que el modelo entienda la estructura visual:
# Reducir imagen a resolución mínima útil antes de enviarla
from PIL import Image
def optimize_dashboard_image(image_path, max_size=(512, 512)):
img = Image.open(image_path)
img.thumbnail(max_size, Image.LANCZOS)
# En baja resolución, Claude procesa a ~85 tokens base + mínimos tiles
return img
Regla práctica para Power BI: si el dashboard tiene datos exportables, usa siempre los datos. Si el valor está en el layout visual (por ejemplo, para detectar anomalías en la disposición de un mapa de calor), entonces la imagen justifica su coste.
Los LLMs modernos fueron entrenados con enormes cantidades de texto en Markdown (documentación, GitHub, StackOverflow, Reddit). Esto tiene una consecuencia práctica: el modelo asocia la estructura Markdown con contenido de alta calidad y bien organizado.
No es magia: es estadística de entrenamiento. El modelo ha visto miles de millones de ejemplos donde los encabezados (##) preceden a secciones importantes, donde las listas (-) indican elementos enumerables y donde el código (```) contiene instrucciones precisas. Cuando estructuras tu prompt así, reduces la ambigüedad y, por tanto, mejoras la respuesta.
❌ Prompt sin estructura:
Analiza el contrato adjunto y dime si hay cláusulas problemáticas especialmente
en términos de responsabilidad y penalizaciones también dime el plazo y si hay
renovación automática y si puedes dame un resumen ejecutivo para presentar al CEO
Este prompt mezcla instrucciones, tiene ambigüedad en las prioridades y no deja claro el formato esperado. El modelo tendrá que inferir la estructura de la respuesta.
✅ Prompt bien estructurado en Markdown:
# Análisis de contrato
## Contexto
Soy el director legal de una empresa SaaS. Necesito analizar este contrato
de servicios antes de firmarlo mañana.
## Tareas (por orden de prioridad)
1. **Cláusulas de riesgo**: Identifica y cita textualmente cualquier cláusula
problemática en materia de:
- Limitación de responsabilidad
- Penalizaciones económicas
- Propiedad intelectual
2. **Condiciones temporales**:
- Plazo del contrato
- Condiciones de renovación automática (si las hay)
- Preaviso para rescisión
3. **Resumen ejecutivo**: Máximo 150 palabras, sin tecnicismos legales,
apto para presentar al CEO.
## Formato de respuesta
Usa el mismo esquema de encabezados que esta solicitud. Para cada cláusula
problemática, incluye: cita textual → riesgo identificado → recomendación.
Resultado práctico: el segundo prompt genera respuestas más completas, mejor organizadas y con menos tokens desperdiciados en que el modelo "entienda" qué se le pide. En pruebas internas, los prompts estructurados en Markdown reducen los tokens de output en un 10-18% porque el modelo no genera texto de transición innecesario.
Esta es probablemente la técnica de mayor impacto para equipos con flujos de trabajo repetitivos.
Cuando envías una llamada a la API, el proveedor procesa cada token del input. El prompt caching permite que el proveedor guarde en caché la representación interna de una parte del prompt (generalmente el prefijo) y la reutilice en llamadas posteriores sin tener que reprocesarla.
Claude implementa prompt caching explícitamente con el parámetro cache_control. Los tokens marcados para caché tienen un coste de escritura del 25% más que el normal, pero las lecturas posteriores cuestan un 90% menos.
import anthropic
client = anthropic.Anthropic()
# Llamada con prompt caching habilitado
response = client.messages.create(
model="claude-3-5-sonnet-20241022",
max_tokens=1024,
system=[
{
"type": "text",
"text": """Eres un asistente especializado en análisis financiero para
empresas del sector retail español. Tu función es analizar KPIs
de ventas y generar reportes ejecutivos...
[... 2.000 tokens de instrucciones detalladas ...]
""",
"cache_control": {"type": "ephemeral"} # Marca para caché
}
],
messages=[
{"role": "user", "content": "Analiza estas cifras de ventas: [datos]"}
]
)
La caché tiene una duración de 5 minutos (se renueva con cada uso). Para flujos de trabajo continuos, esto es prácticamente permanente.
OpenAI implementó el Automatic Prompt Caching en octubre de 2024. No requiere configuración explícita: el sistema detecta automáticamente cuando un prefijo de más de 1.024 tokens se repite entre llamadas y aplica un descuento del 50% en esos tokens. El requisito es que el prefijo sea idéntico byte a byte.
Escenario: asistente de atención al cliente con un prompt
Responde 5 preguntas y te recomendamos exactamente qué usar según tu perfil y presupuesto.
Hacer el quiz gratis →