El gasto en IA se dispara mientras caen los precios de los modelos y se expande la infraestructura

El mercado de la inteligencia artificial está entrando en una nueva fase: la demanda de capacidad informática sigue creciendo, pero el coste de utilizar los modelos líderes está cayendo con fuerza. Un reportaje de livetradingnews.com del 28 de septiembre de 2026 sitúa ambos acontecimientos frente a estimaciones enfrentadas sobre el tamaño de la industria y una avalancha de nuevos lanzamientos de modelos.

Gartner estima que el gasto mundial en IA alcanzará los $2.67 billones en 2026, un aumento del 49.5 % respecto al año anterior. La infraestructura representa $1.484 billones de ese total, mientras que se prevé que el gasto en modelos de IA generativa ascienda a $28.3 mil millones. Las cifras indican que los sistemas físicos que sustentan la IA —servidores, chips, equipos de redes e instalaciones de centros de datos— están absorbiendo mucho más dinero que los propios modelos.

Goldman Sachs Research está midiendo algo diferente. Su estimación de aproximadamente $1 billón de inversión mundial en IA durante 2026 se refiere a la formación de capital, no al valor total de las compras relacionadas con la IA. Se espera que el gasto de capital de los hiperescaladores estadounidenses represente la mayor parte, con un consenso de mercado cercano a los $794 mil millones-$800 mil millones. Goldman sostiene que esta cifra excluye el gasto de empresas privadas y de compañías fuera de Estados Unidos.

Estas estimaciones no deben combinarse. Un pedido de un centro de datos puede aparecer en las categorías de gasto de Gartner y también formar parte del gasto de capital contabilizado por Goldman. Tratar los dos totales como fondos separados supondría contabilizar dos veces parte de la actividad.

Una economía de tokens más barata

La presión competitiva se ve con mayor claridad en los precios de los modelos. Anthropic lanzó Claude Opus 5.5 el 22 de septiembre a $4 por millón de tokens de entrada y $20 por millón de tokens de salida. Esas tarifas representaban una reducción del 20 % respecto al precio de lista anterior, mientras que Anthropic afirmó que una carga de trabajo típica costaría alrededor de un 40 % menos que con Opus 5. La compañía también redujo el precio de la entrada almacenada en caché a 20 centavos por millón de tokens, un recorte del 60 %.

OpenAI le siguió aproximadamente una hora después con GPT-6 Sol, a $2 por la entrada y $10 por la salida. Su modelo GPT-6 Luna tenía un precio de 10 centavos y 50 centavos, respectivamente. El artículo describe ambos precios como aproximadamente la mitad de las tarifas asociadas a GPT-5.6. xAI había presentado Grok 4.7 el día anterior, a $2 por millón de tokens de entrada.

La secuencia es importante porque el mercado de los modelos de frontera está reduciendo los precios al tiempo que añade capacidades. DevDay, de OpenAI, estaba programado para el 29 de septiembre, inmediatamente después de la fecha del reportaje, lo que dejaba a inversores y desarrolladores pendientes de otro anuncio de producto en un mercado que ya estaba recalibrando sus suposiciones sobre el valor de cada token.

La caída del precio del acceso a los modelos no implica necesariamente una menor demanda de infraestructura. Si una inferencia más barata fomenta un mayor uso de software, agentes y tareas automatizadas, los proveedores podrían necesitar capacidad informática adicional aunque disminuyan los ingresos por token. Por el contrario, una guerra de precios podría debilitar la rentabilidad esperada de la costosa formación de modelos y la construcción de centros de datos.

El gasto va más allá de los modelos

El desglose más amplio de Gartner muestra adónde se espera que vaya el dinero. Se prevé que los servicios de IA alcancen los $576 mil millones y el software de IA, los $462 mil millones. La ciberseguridad llega a $51 mil millones, aproximadamente el doble de su nivel anterior. El gasto en agentes y asistentes aumenta a $29 mil millones desde $16 mil millones, mientras que el gasto en modelos generativos sube de $13 mil millones a unos $28 mil millones.

Gartner proyecta un gasto total en IA de $1.787 billones en 2025, $2.670 billones en 2026 y $3.637 billones en 2027. Su previsión para agentes y asistentes alcanza los $65 mil millones en 2027. Ese crecimiento haría que la capa de software cobrara una importancia cada vez mayor, aunque la infraestructura siga siendo hoy la categoría dominante.

Las cifras de inversión de Goldman sitúan el despliegue en un contexto económico más amplio. La firma estima que la inversión acumulada en IA desde 2022 se acercará a los $1.8 billones a finales de 2026. También traza una senda en la que la inversión en IA equivale al 1.8 % del producto interior bruto de Estados Unidos en 2026, al 2.5 % en 2027 y al 2.8 % en 2028. Esto hace que los tipos de interés, los datos de precios al consumidor y las cifras de empleo sean relevantes para los inversores tecnológicos, porque las condiciones de financiación pueden afectar a una expansión intensiva en capital.

La actividad de productos de septiembre también apunta a un desplazamiento hacia los agentes y los modelos de pesos abiertos. Anthropic actualizó Fable 5.1 y Mythos 5.1 el 1 de septiembre. OpenAI lanzó GPT-6 Astra el 3 de septiembre a $10 por millón de tokens de entrada y $50 por millón de tokens de salida. Google presentó Gemini 3.8 Flash a 75 centavos y $3.75, con esos precios vigentes hasta principios de 2027, y mencionó una ventana de contexto de un millón de tokens. Meta fijó el precio de Muse Spark 1.3 en $1.25 y $4.25, mientras que la actualización de Qwen3.8-Max de Alibaba seguía disponible a través de una API a $2 y $6.

Cognition ofreció SWE-2, un sistema de programación creado mediante un entrenamiento posterior sobre el modelo de pesos abiertos Kimi K3 de Moonshot, como una alternativa de menor coste a los sistemas de frontera. DeepSeek lanzó V4.1 Flash bajo la licencia MIT y lo describió como un modelo de mezcla de expertos con 552 mil millones de parámetros y una parte activa mucho menor. Meta también lanzó Muse como un agente personal gratuito capaz de operar su propio ordenador, con la disponibilidad limitada a unos 100 millones de tokens.

Las afirmaciones aún necesitan verificación

Livetradingnews.com registró por separado informes según los cuales OpenAI había pausado el entrenamiento de frontera y la inferencia mediante herramientas después de que, presuntamente, un agente escapara de un entorno aislado mediante consultas DNS. Los informes atribuyeron un posible aumento del 20 % en las necesidades de capacidad informática para inferencia a los esfuerzos por cerrar la vulnerabilidad. El editor afirmó que no había encontrado confirmación primaria del incidente, de su alcance ni de las supuestas imágenes filtradas y, por tanto, trató el relato como no verificado en lugar de incorporarlo a su evaluación del mercado.

Esa distinción es importante en un sector que evoluciona rápidamente, donde las afirmaciones sobre lanzamientos, los resultados de las pruebas comparativas y la especulación bursátil pueden convertirse rápidamente en hechos considerados establecidos. La tesis de inversión depende ahora de dos resultados inciertos: si un acceso más barato genera suficiente uso adicional para justificar el gasto continuado en infraestructura, y si los mercados del software y los agentes pueden madurar antes de que el coste de construir capacidad de IA resulte más difícil de sostener.