Presentación
VolverCuarenta y tres años era el precio del mes pasado
Una calculadora dice que un Mac de $3,499 para ejecutar modelos abiertos en local se amortiza en 43.6 años. Cada cifra se reproduce con sus datos publicados. Pero solo dos entradas la mueven —el precio de la API y cuánto la uses— y ese precio tiene ya 39 días.
Explicación · precios consultados el 12 de octubre de 2026
¿Se paga sola la IA local?
Cómo funciona la calculadora Sunk Cost, las ideas que hay detrás y de qué depende realmente su cifra.
Para principiantes y profesionales1 / 16
La pregunta
¿Comprar una máquina o alquilar la IA por palabras?
Comprar: ejecutarla en casa
Pagas el hardware una vez y después solo la electricidad. Como comprar un coche.
Alquilar: usar una API en línea
Pagas una pequeña tarifa por cada trozo de texto que el modelo lee y escribe. Como coger un taxi.
La única pregunta
¿Cuánto tarda la compra en recuperar su precio?
2 / 16
La herramienta
Sunk Cost es una calculadora de amortización gratuita y de código abierto
La hizo un desarrollador para poner a prueba una idea popular: compra un Mac, ejecuta los modelos en local y se paga solo. Su README dice para qué sirve: “Está dispuesta a decir ‘esto no se amortiza’. Ese es el producto.”
- 39modelos abiertos actuales, de 55 en sus datos
- 56máquinas: Mac, tarjetas gráficas y más
- 15 seppublicada en Hacker News, 2026
Los datos, la fórmula y las carencias están publicados3 / 16
El resultado del titular
43.6 años para amortizar un Mac de $3,499
Un Mac Studio con M5 Max y 64 GB, ejecutando Qwen3.8 27B, a 500,000 tokens al día. El ahorro es de solo unos $0.22 al día.
- 43.6años hasta amortizar, con los ajustes por defecto
- 13 / 13cifras publicadas que se recalculan exactamente
- 3 sepel día en que se comprobaron sus precios de API
Aritmética correcta, con precios de un día declarado4 / 16
Concepto 1 · Tokens
La IA lee y escribe en tokens, y pagas por token
¿Qué es un token?
Un trozo pequeño de texto, a menudo parte de una palabra. Los modelos cuentan y cobran en ellos.
Entrada y salida
La entrada es lo que envías: la pregunta, ficheros, el historial. La salida es lo que el modelo escribe.
Precio por millón
Tal como la herramienta lo anotó el 3 de septiembre: Qwen3.8 27B a $0.32 por millón de entrada y $2.50 por millón de salida. Escribir cuesta más que leer.
5 / 16
El método
Todo el cálculo son tres pasos
- 1Factura diaria de APItokens de entrada × precio de entrada + tokens de salida × precio de salida
- 2Electricidad diaria en casahoras escribiendo la salida × vatios de la máquina × precio de la electricidad. Nada más en el lado local.
- 3Días hasta amortizarprecio de la máquina ÷ (factura de API − electricidad). Si el ahorro es cero o menos: nunca.
La fórmula está publicada en el README del proyecto6 / 16
Ejemplo resuelto
Del ajuste por defecto a 43.6 años
Paso Cálculo Por día Entrada de API 468,750 tokens × $0.32 por millón $0.150 Salida de API 31,250 tokens × $2.50 por millón $0.078 Electricidad en casa 0.35 h × 145 W × $0.17/kWh $0.009 Ahorro 0.228 − 0.009 $0.22 Amortización $3,499 ÷ 0.2196 = 15,936 días 43.6 yr La electricidad apenas cuenta
Es el 3.8% de la factura de API. Los 145 W son un valor provisional del propio proyecto, porque Apple no publica el consumo de las máquinas de 2026; con electricidad gratis, la respuesta sigue siendo 42 años.
7 / 16
Concepto 2 · Ancho de banda de memoria
La velocidad en casa la limita lo rápido que se lee la memoria
Para escribir cada palabra, la máquina vuelve a leer el libro entero. Un tubo más ancho, o un libro más fino, significa escribir más rápido.
- 614 GB/sancho de banda de memoria del M5 Max
- 18.6 GBleídos por token: pesos más caché KV
- 24.8 tok/s614 ÷ 18.6 × 0.75 de eficiencia: una estimación
- 0 / 98filas de velocidad medida que cubren alguna máquina M5
8 / 16
Concepto 3 · Ventana de contexto y caché KV
Las conversaciones largas necesitan más memoria y van más lentas
Ventana de contexto
Cuánto texto mantiene el modelo a la vista a la vez, como 32k tokens. Su memoria a corto plazo.
Caché KV
Notas que el modelo guarda de cada token leído para no recalcularlo. Crecen con cada token: 2.15 GB a 32k para este modelo.
La prueba de encaje
Pesos más caché KV deben caber en la memoria utilizable. Un Mac de 64 GB ofrece 48 GB a la GPU, y 27 de los 39 modelos actuales caben a 32k.
9 / 16
Concepto 4 · Prellenado y decodificación
Leer el prompt es rápido; escribir es lento
Prellenado: leer
Todo el prompt se procesa a la vez, en paralelo, limitado por la potencia de cálculo.
Decodificación: escribir
Un token cada vez, releyendo la memoria para cada uno, limitado por el ancho de banda. Decenas de tokens por segundo en casa.
La simplificación
La herramienta solo cronometra la decodificación y trata la entrada como gratuita. Su README dice que el techo diario real es plausiblemente un 20–30% más bajo con mucha entrada.
10 / 16
Concepto 5 · Caché de prompts
El texto reenviado suele facturarse con un gran descuento
Cuando el inicio de un prompt coincide con uno que el proveedor vio hace poco, reutiliza el trabajo guardado —un acierto de caché— y cobra menos por esos tokens.
Proveedor Entrada en caché, frente al precio normal OpenAI 0.25–0.50× Gemini, Moonshot AI 0.25× DeepSeek; Alibaba Qwen, si se solicita 0.1× No se modela
Sunk Cost cobra toda la entrada a precio completo. Para agentes que sobre todo releen su contexto, alquilar es más barato de lo que muestra, así que la amortización es aún más larga.
Precios de caché según OpenRouter, consultados el 15 de octubre de 202611 / 16
Qué cambia la respuesta
El uso mueve la fecha, no la meta
- 436 yr50,000 tokens al día: charla personal ligera
- 43.6 yr500,000 tokens al día: el ajuste por defecto
- 13 months20 millones de tokens al día: agentes sin parar
La meta
La máquina equivale a unos 8 mil millones de tokens de gasto de API ahorrado. Úsala más rápido y llegas antes. Las bajadas de precio de API alejan la meta.
Mac Studio por defecto con Qwen3.8 27B, precios del 3 de septiembre12 / 16
El precio bajo la cifra
“El precio de la nube” no es una sola cifra
Veinte proveedores sirven este modelo. Misma máquina, mismo modelo, mismo día, con precios del 12 de octubre:
Precio de API Esta carga Amortización La cifra anotada por la herramienta, 3 sep $6.94/mo 43.6 yr El proveedor activo más barato, 12 oct $1.85/mo 182.9 yr Mediana de 20 proveedores activos $5.24/mo 58.5 yr El proveedor activo más caro, 12 oct $15.54/mo 19.1 yr Vieja, no falsa
Por la propia regla de la herramienta —el proveedor activo más barato—, 39 días después la respuesta se acerca más a 180 años que a 44. La opción que deja bajar los precios de API viene desactivada, así que 43.6 es la respuesta más amable de los ajustes por defecto.
13 / 16
Recepción
La prensa repitió la cifra; la comunidad la cuestionó
Medios
Los 43.6 años viajaron y llegaron a TechBang, en Taiwán, el 11 de octubre, casi cuatro semanas después del lanzamiento.
Hacker News
La estimación de velocidad es “al menos 2x” demasiado baja; se amortiza rápido con uso 24/7; la privacidad importa más que el dinero.
Los cambios del autor
Un campo para tu propia velocidad medida y una página de mejores compras, ambos el día del lanzamiento; el 18 de septiembre el control de uso subió a 100 millones de tokens al día.
14 / 16
Limitaciones
Qué deja fuera la calculadora y hacia dónde empuja
Lo que queda fuera Si se incluyera, el hardware en casa parecería… Valor de reventa, otros usos, privacidad mejor Decodificación especulativa, MTP, caché KV de 8 bits más rápido, pero el ahorro apenas cambia Muchos agentes en lote en una máquina mejor, con volumen muy alto Descuentos de caché de prompts en la API peor Tiempo de prellenado, consumo en reposo, depreciación peor 15 / 16
Conclusiones
Compra por privacidad o por agentes intensivos, no por ahorrar
- Usa tus dos números. Los tokens reales al día desde el panel de tu proveedor y el precio del proveedor que usarías de verdad. Juntos mueven la respuesta diez veces o más.
- Introduce una velocidad medida, con llama.cpp o vLLM, en lugar de fiarte de la estimación: decide tu tiempo de espera, aunque no tu factura.
- Descuenta la caché. El trabajo con agentes y muchos aciertos de caché abarata aún más el alquiler.
- Comprueba la calidad del modelo. La herramienta compara modelos abiertos; una suscripción a un modelo puntero es otro equilibrio.
La calculadora: sunkcost.ai16 / 16