Resumen de datos de octubre de 2026
Los tókenes aumentaron un 37 % en octubre
Nuestro análisis de lo más destacado de la IA del mes pasado. Los tokens se dispararon, el precio por token siguió bajando y el tráfico de agentes ya representa la mayor parte de lo que pasa por OpenRouter.
Aspectos destacados
- El volumen de tókenes siguió aumentando: un 37 % más que en septiembre y casi 25 veces el de enero.
- El precio efectivo por token cayó: el precio medio combinado por token siguió bajando, y el mes pasado fue entre un 57 y un 70 % inferior a los promedios de enero.
- Los modelos de decisión ya reciben el 21 % de todas las solicitudes: aunque la categoría solo lleva unas semanas en existencia, los modelos de decisión ya reciben más solicitudes que cualquier modalidad salvo los modelos de texto.
790 billones de tókenes en octubre
Octubre fue el mes de mayor volumen en la historia de OpenRouter: 790 billones de tokens, un aumento del 37 % respecto a septiembre y un sorprendente volumen 25 veces mayor que en enero.
El aumento fue generalizado, pero la actualización de DeepSeek V4.1 Flash, junto con la introducción de Haiku 5.5 y el resto de la familia Claude 5.5, contribuyó de forma importante.
Volumen mensual, de enero a octubre
OpenRouterLos agentes consumen el 76 % de todos los tókenes
El predominio de los agentes no ha dejado de aumentar a lo largo de 2026. Clasificamos cada clave de API como agéntica, humana o mixta mediante un clasificador ponderado de siete señales, entre ellas la frecuencia de llamadas a herramientas, el número de turnos y los tiempos de las solicitudes.
Hace un año, las claves de agentes representaban el 8 % de los tókenes. En octubre representaron el 76 %, unos 600T tókenes.
Tókenes mensuales por tipo
OpenRouterUna característica distintiva del uso por agentes es el reenvío del mismo contexto, a menudo extenso, en cada turno, por lo que el almacenamiento de instrucciones en caché importa más para los agentes que para el uso humano. La mayoría de los proveedores sirvieron prefijos almacenados en caché para entre el 85 y el 97 % de los tókenes de entrada de los agentes en octubre. La mediana de la tasa de aciertos de caché ha aumentado considerablemente, del 76,1 % en junio a más del 90 % en octubre.
Tasa de aciertos de caché de agentes por proveedor de inferencia
OpenRouterEl tamaño de las burbujas representa los tokens servidos a agentes. El color indica el intervalo de la tasa de aciertos de caché.
- Tasa de aciertos de caché inferior al 70 %
- 70–90%
- Más del 90 %
Los modelos de pesos abiertos se recuperaron
La proporción de tókenes de pago de modelos de pesos abiertos cayó al 52 % en la semana del 28 de septiembre, cuando se lanzaron Claude Opus 5.5, Sonnet 5.5 y GPT-6.1 Sol . Dos semanas después volvió a superar el 70 %, principalmente gracias a DeepSeek V4.1 Flash.
Los modelos de pesos abiertos representan alrededor de una cuarta parte del gasto de pago, frente al 11 % de enero, y esa proporción apenas ha variado durante el último trimestre aproximadamente.
Proporción semanal de tókenes y gasto correspondiente a modelos de pesos abiertos
OpenRouterEl precio efectivo por token bajó entre un 57 y un 70 % desde enero
El precio combinado por millón de tokens bajó de 1,21 $ a 0,52 $ para los modelos de pesos cerrados y de 0,28 $ a 0,084 $ para los de pesos abiertos. La diferencia entre ellos aumentó de 4,3× a 6,2×.
Este precio efectivo puede variar por muchos motivos: los precios de lista de los modelos, la propia combinación de modelos o la tasa de aciertos de caché por sesión. La mayor parte de la caída de agosto en los precios de los modelos de pesos cerrados se debió a un cambio en la combinación: GPT-5.6 Luna, a unos 0,07 $ por millón de tokens, se convirtió en el modelo cerrado de pago más utilizado en los días posteriores a su lanzamiento.
Precio efectivo por 1M de tókenes
OpenRouterCuota de modelos por laboratorio
Por lo general, el tráfico de cada laboratorio se concentra en unos pocos modelos, y la versión más reciente suele pasar a dominar en el plazo de un mes. Elija un laboratorio para ver cómo cambió su distribución de tókenes y gasto a lo largo del año.
Distribución de modelos dentro de cada laboratorio
OpenRouterLos seis modelos principales por volumen de tókenes en octubre, más todos los demás.
- Claude Opus 5.5
- Claude Sonnet 5.5
- Claude Haiku 5.5
- Claude Opus 5
- Claude Sonnet 5
- Claude Fable 5.1
- Other
Proporción de tokens
Proporción del gasto
Los laboratorios de modelos de pesos abiertos lideran el crecimiento
Desde mayo, los tókenes mensuales de Z.ai se multiplicaron aproximadamente por veinte y los de DeepSeek aproximadamente por doce. En cuanto al gasto, el de Z.ai se multiplicó aproximadamente por seis, el de Anthropic aumentó un 76 %, y el de MiniMax disminuyó un 20 % pese al crecimiento sustancial de sus tókenes.
El crecimiento de cada laboratorio rara vez es lineal. En un calendario de lanzamientos cada vez más competitivo, el momento en que se lanza un nuevo modelo puede alterar drásticamente el crecimiento de un laboratorio en un solo mes.
Crecimiento desde mayo por laboratorio
OpenRouterTókenes o gasto mensuales de cada laboratorio, con base mayo = 100.
La clasificación de tareas destaca dos modelos
Clasificamos una muestra de solicitudes en las categorías de tareas de nuestra página de clasificaciones . Por volumen de tókenes, DeepSeek V4.1 Flash lidera la mayoría de las tareas de programación y de agentes. Cambie a la vista de gasto y Claude Opus 5.5 lidera la mayor parte de la clasificación.
Otros modelos que hacen acto de presencia incluyen Jev 1.13, el modelo de decisión de TypeSafe, y GLM 5.3 Flash, con resultados destacados tanto en extracción de datos como en transformación de datos.
Mejor modelo por tarea, octubre
OpenRouterLas cinco tareas principales de cada categoría por tokens. La taxonomía de las clasificaciones incluye dos tareas de datos.
General
Clasificación
TypeSafe Jev 1.1314 % de los tokens de tareas
Preguntas y respuestas y conocimiento
Step 5 Preview33 % de los tokens de tareas
Juegos de rol y ficción
DeepSeek V4 Flash
11 % de los tokens de tareas
Redacción de contenido
GLM 5.3 Flash21 % de los tokens de tareas
Generación de resúmenes
Step 5 Preview67 % de los tokens de tareas
Programación
Generación de código
DeepSeek V4.1 Flash
23 % de los tokens de tareas
Depuración
DeepSeek V4.1 Flash
19 % de los tokens de tareas
Entrada/salida de archivos
DeepSeek V4.1 Flash
17 % de los tokens de tareas
Revisión de código
DeepSeek V4.1 Flash
17 % de los tokens de tareas
Ejecución de shell
DeepSeek V4.1 Flash
24 % de los tokens de tareas
Agente
Ejecución de flujos de trabajo
DeepSeek V4.1 Flash
16 % de los tokens de tareas
Planificación en varios pasos
DeepSeek V4.1 Flash
18 % de los tokens de tareas
Asignación de herramientas
DeepSeek V4.1 Flash
17 % de los tokens de tareas
Extracción de memoria
MiMo V2.6 Flash17 % de los tokens de tareas
Búsqueda web
DeepSeek V4.1 Flash
15 % de los tokens de tareas
Datos
Extracción de datos
GLM 5.3 Flash12 % de los tokens de tareas
Transformación de datos
GLM 5.3 Flash29 % de los tokens de tareas
Los laboratorios de pesos cerrados (y DeepSeek) lideran la retención de usuarios
Hay muchas formas de medir la retención de un modelo o un laboratorio. Aquí tomamos las cuentas que enviaron al menos 100 solicitudes de pago en un mes a modelos de un laboratorio determinado y comprobamos cuántas volvieron a utilizar ese mismo laboratorio el mes siguiente. El umbral excluye las pruebas puntuales, y el orden de los laboratorios fue muy similar con umbrales inferiores y superiores.
De septiembre a octubre, Google conservó el 78 % de esas cuentas, Anthropic el 74 % y OpenAI el 74 %. Los principales laboratorios de modelos con pesos abiertos suelen tener una menor retención de un mes a otro, y octubre no fue la excepción.
Retención mes a mes por creador de modelos
OpenRouterAnthropic
OpenAI
DeepSeek
Z.ai
Qwen
MiniMax
Los modelos de decisión alcanzaron el 21 % de las solicitudes
Los modelos de decisión (o modelos System One, según la nomenclatura de TypeSafe) evalúan una cuestión específica, como el enrutamiento, la moderación o una comprobación de sí o no. Surgieron como categoría apenas a mediados de septiembre y alcanzaron el 21 % del total de solicitudes en la semana del 26 de octubre.
Aquí, el término «modelos de texto» se refiere a todas las solicitudes a la API de Chat Completions, incluidas las solicitudes con imágenes de entrada. Si se midiera en tókenes o gasto en lugar de solicitudes, los modelos de decisión representarían una proporción mucho menor del tráfico semanal.
Proporción semanal de solicitudes por tipo de solicitud
OpenRouterProveedores de inferencia de modelos de pesos abiertos: Together asciende al primer puesto
Entre los proveedores que sirven modelos con pesos abiertos, Together pasó del puesto 18 en junio al primero en octubre por el total de tokens servidos. DeepSeek cayó al noveno puesto en septiembre y volvió al segundo con V4.1 Flash, e InferenceNet entró entre los diez primeros en el cuarto puesto.
Clasificación de proveedores de modelos de pesos abiertos por tokens
OpenRouterLos diez primeros de cada mes, de junio a octubre. Pase el cursor sobre una línea para seguir a un proveedor.
Cada semana analizamos las tendencias clave de este conjunto de mil billones de tókenes. Suscríbase a Inferred, nuestro boletín de datos, para recibir todos nuestros principales informes de investigación directamente en su bandeja de entrada.
Notas sobre la metodología
- Los datos abarcan las solicitudes a través de la API de OpenRouter del 1 de enero al 31 de octubre de 2026; el gráfico de agentes comienza en septiembre de 2025. Los gráficos semanales utilizan semanas que comienzan el lunes.
- Los tokens son la suma de los tokens del prompt y de la respuesta. El gasto es el uso facturado. Los laboratorios son los creadores de modelos, y un modelo es de pesos abiertos cuando sus pesos se publican.
- Cada clave de API se clasifica mensualmente a partir de siete señales ponderadas: tasa de llamadas a herramientas, proporción entre entrada y salida, turnos por solicitud, tasa de aciertos de caché, herramientas ofrecidas por solicitud, tiempo entre solicitudes y tasa de cancelación. Una puntuación de 0,50 o más indica uso por agentes, de 0,25 a 0,49 indica uso mixto y menos de 0,25 indica uso humano.
- El tráfico de pago excluye las variantes gratuitas de los modelos.
- El precio efectivo, la tasa de aciertos de caché y la clasificación de proveedores excluyen el tráfico con claves propias (BYOK) y los modelos ocultos. La tasa de aciertos de caché es la proporción de tokens de entrada en caché respecto al total de tokens de entrada en el tráfico de claves de agentes, para proveedores con al menos 1 billón de tokens de agentes ese mes.
- Los líderes por tarea se obtienen de una muestra de solicitudes clasificadas según la taxonomía de tareas de las clasificaciones y ponderadas por la tasa de muestreo.
- La retención cuenta las cuentas con al menos 100 solicitudes de pago a los modelos de un laboratorio en un mes y considera retenida una cuenta si envió alguna solicitud de pago a ese laboratorio el mes siguiente. Se excluyen las cuentas bloqueadas.
- Los modelos de decisión son solicitudes a la API de decisiones. Los modelos de texto son solicitudes a la API de Chat Completions, incluidas las solicitudes con imágenes de entrada.