Precios de la API de Ollama: costo local vs. pago por token

Qué significa realmente "precios de la API de Ollama"

Cuando la gente escribe ollama api pricing en un cuadro de búsqueda, a menudo buscan una lista de tarifas, y con el software local no hay ninguna. Ollama es un programa que instalas y que ejecuta modelos de pesos abiertos en tu propia computadora, sirviéndolos a través de una API HTTP local. No cuenta tokens ni te envía una factura por ellos. Ollama también ofrece sus propias opciones alojadas; para esas, consulta su página de precios actual, ya que este artículo no habla por ellas.

Eso no hace que la inferencia local sea gratis. El costo se traslada de una tarifa por token a cosas que ya pagas o tienes que comprar: una máquina con suficiente memoria, electricidad, tu tiempo para la configuración y actualizaciones, y el costo de oportunidad de una GPU que está ocupada. La pregunta útil no es "cuál es el precio" sino "a mi volumen, qué configuración cuesta menos y funciona lo suficientemente bien". El resto de este artículo te da los números del lado alojado para que puedas responderlo.

El costo de ejecutar Ollama tú mismo

Hay cuatro líneas en el lado local del libro mayor.

• Hardware. Los modelos más grandes necesitan más memoria GPU o mucha RAM del sistema. Si ya posees una máquina adecuada, este costo es hundido. Si tendrías que comprar o alquilar una, es el ítem más grande.
• Energía. Multiplica el consumo de la máquina en kilovatios por las horas de uso y por tu tarifa de electricidad. Una GPU de escritorio bajo carga consume mucho más que una inactiva, por lo que contar solo las horas de actividad es justo.
• Capacidad inactiva. Un servidor que está sin uso la mayor parte del día todavía tiene que existir. La facturación por token te cobra solo cuando llamas.
• Tu tiempo. Descargar modelos, actualizar el entorno de ejecución, vigilar la memoria, reiniciar después de fallos.

Mide tus propios números en lugar de confiar en una cifra genérica. Registra cuántos tokens usa realmente tu carga de trabajo durante una semana. Esa única medición también es lo que necesitas para valorar con precisión la alternativa alojada.

Tarifas alojadas y aritmética

La API alojada en este sitio cobra dos medidores. Los tokens de entrada (tu prompt, incluyendo cualquier historial de chat que reenvíes) cuestan $0,15 por cada 1M. Los tokens de salida (el completado) cuestan $0,50 por cada 1M. No hay suscripción; agregas crédito y este se consume por petición. Las peticiones fallidas o rechazadas no se cobran, y el crédito no caduca.

La fórmula es corta:

cost = input_tokens x 0.15 / 1,000,000 + output_tokens x 0.50 / 1,000,000

Aquí hay formas comunes de trabajo con los cálculos realizados.

Trabajo	Tokens de entrada	Tokens de salida	Costo
Una respuesta de chat	2,000	500	$0.0003 + $0.00025 = $0.00055
1.000 de esas respuestas	2,000,000	500,000	$0.30 + $0.25 = $0.55
Resumir un documento largo	50,000	1,000	$0.0075 + $0.0005 = $0.008
Poblar el contexto completo	100,000	4,000	$0.015 + $0.002 = $0.017
Lote de 10,000 peticiones	8,000,000	3,000,000	$1.20 + $1.50 = $2.70

La fila del lote asume 800 tokens de entrada y 300 tokens de salida por petición. Observa que la salida es la medición cara por token, pero la entrada suele dominar la cantidad, por lo que los prompts largos y los historiales de chat largos son donde se va el dinero.

Un chat que crece turno a turno

Las APIs de chat son sin estado, por lo que cada turno reenvía todo el historial. Esto hace que el costo crezca más rápido que el número de turnos. Toma una conversación de 20 turnos donde cada mensaje de usuario tiene 150 tokens y cada respuesta tiene 250 tokens, por lo que cada turno añade 400 tokens al historial.

1. El turno 1 envía 150 tokens de entrada. El turno 2 envía 150 + 400 = 550. El turno k envía 150 + 400 x (k - 1).
2. A lo largo de 20 turnos, el total de entrada es 150 x 20 + 400 x (0 + 1 + ... + 19) = 3,000 + 400 x 190 = 79,000 tokens.
3. El total de salida es 20 x 250 = 5,000 tokens.
4. Costo: 79.000 x 0,15 / 1M = $0,01185, más 5.000 x 0,50 / 1M = $0,0025, por un total de $0,01435.

Aproximadamente un centavo y medio por una conversación larga. Si duplicas la conversación a 40 turnos, la entrada se cuadruplica aproximadamente, porque el historial sigue creciendo. Recortar o resumir los turnos antiguos es la principal forma de controlar el costo en aplicaciones de chat.

Crédito, bonificaciones y la prueba

Recargas con cualquier cantidad entera desde $20 hasta $500. Las recargas mayores tienen una bonificación: +5% desde $50, +10% desde $100 y +15% desde $200. En la práctica, eso significa:

• $50 compra $52,50 de crédito.
• $100 compra $110,00.
• $200 compra $230,00.

El pago es con tarjeta (Visa, Mastercard, Apple Pay, Google Pay) o cripto (USDT en TRC20, USDC en Base). La página de precios tiene los detalles actuales.

Los nuevos usuarios pueden probar antes de pagar. Después de que te registras con Google, o con correo electrónico y contraseña, la página de clave de API tiene un botón que reclama $0,50 de crédito de prueba, uno por persona, válido por 7 días, sin necesidad de tarjeta. Con el tamaño de respuesta de 2.000 entradas y 500 salidas anterior, $0,50 cubre aproximadamente 900 respuestas, lo cual es suficiente para juzgar si la salida se adapta a tu proyecto. Una clave de prueba está limitada a 2 peticiones simultáneas y 60 peticiones por minuto. Puedes obtener tu clave de API en unos minutos.

Comparando los dos para tu volumen

Usa tus conteos de tokens registrados y haz la suma para un mes. Digamos que un proyecto usa 50M de tokens de entrada y 10M de tokens de salida por mes. Costo alojado: 50 x $0,15 = $7,50, más 10 x $0,50 = $5,00, por lo tanto $12,50. Ahora pon tu cifra local junto a ella: la parte mensual del hardware que no poseerías de otra manera, más la energía para las horas de actividad, más el valor de tu tiempo de mantenimiento. Si ese total es claramente superior a $12,50, alojar gana en costo. Si ya posees hardware inactivo que maneja bien el modelo, local gana en costo.

El costo no es el único eje. Local mantiene los datos en tu máquina y funciona sin conexión. Alojado elimina la necesidad de una GPU, ofrece una ventana de contexto de 100.000 tokens y permite que varios servicios compartan un backend. El modelo alojado es un único modelo de pesos abiertos ajustado para responder sin rechazos de contenido para uso adulto lícito, por lo que también depende de si ese modelo se adapta a tu tarea. Los prompts no se usan para entrenamiento.

Un límite honesto: no hay capa gratuita ilimitada. Después de la prueba de $0,50, pagas por token desde crédito prepago. Si tu trabajo necesita llamadas gratuitas ilimitadas y posees el hardware, Ollama local es la herramienta adecuada.

Errores que distorsionan la comparación

Algunos errores aparecen una y otra vez cuando la gente valora una carga de trabajo LLM, y cada uno puede cambiar la respuesta.

• Olvidar los tokens de salida. Un prompt corto con una respuesta larga es principalmente una factura de salida. Una pregunta de 300 tokens que produce una historia de 3.000 tokens cuesta 300 x $0,15 / 1M + 3.000 x $0,50 / 1M = $0,000045 + $0,0015 = $0,001545.
• Ignorar el historial reenviado. Como muestra el ejemplo de 20 turnos, el costo del chat escala con el contexto acumulado, no con la longitud del último mensaje.
• Contando palabras en lugar de tokens. El texto en inglés generalmente toma un poco más de tokens que palabras, y el código o los scripts no latinos toman aún más. Lee los números de uso devueltos con cada respuesta y úsalos, no una estimación.
• Valorar el hardware local en cero. Una GPU que ya posees aún se desgasta y aún consume energía, incluso si no emites un cheque por ella.
• Comparando modelos diferentes. Un modelo local pequeño y uno alojado más grande no producen la misma calidad. Más barato por token no es más barato por buena respuesta si necesitas muchos reintentos.

El último punto merece una prueba en lugar de una opinión. Toma veinte prompts reales de tu proyecto, ejecútalos en ambas configuraciones y juzga las respuestas. Luego cotiza al ganador a tu volumen real.

Vigilar el gasto

Cada respuesta de la API alojada lleva un encabezado X-Balance-USD con tu crédito restante, más X-Request-Id para preguntas de soporte. Puedes leerlo en código y alertarte antes de que se agote el saldo.

Copyimport requests

r = requests.post(
    "https://api.ollamaapi.cc/v1/chat/completions",
    headers={"Authorization": "Bearer YOUR_API_KEY"},
    json={
        "model": "uncensored",
        "messages": [{"role": "user", "content": "Say hello."}],
        "max_tokens": 20,
    },
    timeout=60,
)
print(r.json()["choices"][0]["message"]["content"])
print("Balance:", r.headers.get("X-Balance-USD"))

Configurar max_tokens es opcional, ya que un completado puede usar el resto de la ventana, pero es una protección barata contra una salida descontrolada. La documentación cubre los otros encabezados y los límites de peticiones.

Más guías

• API de Ollama en Python y una alternativa alojada
• API de Ollama frente a OpenRouter: ¿cuál se adapta a ti?
• Guía de la clave API de Mistral