Eres un team lead mirando cuatro facturas de herramientas de IA para programar — ese software que escribe código junto a tus desarrolladores, como un junior muy rápido pero carísimo. Una factura dice "seats". Otra dice "tokens". Una tercera dice "session-hours". La cuarta dice "créditos". Tu hoja de cálculo no tiene ni una columna en común. Tu equipo de finanzas te hace preguntas que no puedes responder.

No debería ser tan difícil. Solo quieres saber cuál herramienta cuesta menos por desarrollador al mes. Pero ningún vendor en este planeta te va a dar ese número — porque la confusión es el producto.

Solo en los últimos cuatro días, el caos de precios se volvió terminal. El 18 de abril, Anysphere, la empresa detrás de Cursor, cerró una ronda de $2B con una valoración de $50B — el tipo de billetera que te permite quemar efectivo en experimentos de pricing indefinidamente. La empresa vende créditos de uso equivalentes a dólares entre $20 y $200/mes. El 20 de abril, GitHub directamente pausó los nuevos registros de Copilot para su modelo de tarifa plana por puesto, citando "sustentabilidad" — una palabra que las empresas usan cuando la unit economics se les desangra. Esto viene después de semanas de sillas musicales con modelos de facturación: el 4 de abril, OpenAI pasó Codex a créditos basados en tokens, Anthropic lanzó Managed Agents el 8 de abril a $0.08 por session-hour más tarifas por token más $10 por cada mil búsquedas web, y Windsurf ya había implementado cuotas diarias desde el 12 de marzo. Seis vendors, seis modelos de facturación, cero coincidencias.

Ahora, la parte donde tu billetera se prende fuego y nadie te manda una notificación. Cada unidad de facturación esconde una trampa de costos diferente — y la más perversa vive dentro de los modelos de razonamiento. La serie o de OpenAI y los modos de extended thinking de Anthropic generan reasoning tokens ocultos: cadenas de pensamiento internas que el modelo produce antes de responder. No los ves. Los pagas. Un estudio de Stanford y UC Berkeley publicado el 25 de marzo encontró que la generación de reasoning tokens varía hasta 9.7× entre ejecuciones del mismo prompt — y que el ranking de costos entre modelos puede invertirse por un factor de 28 dependiendo de qué ejecución midas. (Cubrí el estudio en detalle en mi análisis del 20 de abril — la versión corta es que tu estimación de presupuesto no está equivocada, es un generador de números aleatorios.) Por separado, el tokenizer de Opus 4.7 de Anthropic produce más tokens para texto idéntico que su predecesor — mismo precio por token, más tokens por request, como exploré en el análisis de model-swap de ayer. El sistema de créditos de Cursor les corta la velocidad a los power users a mitad de sesión cuando queman sus fast requests. ¿Y la tarifa plana de Copilot? Subsidia al developer que lo usa dos veces al día a costa del que vive pegado a la herramienta.

Cuando intentas normalizar todo al costo por output real — digamos, costo por pull request mergeado (un cambio de código completado que pasa code review) — el panorama cambia drásticamente. Los benchmarks Q1 2026 de GetDX, publicados el 15 de abril, con 64,680 desarrolladores muestran a los usuarios de Cursor en 4.1 PRs/día versus 3.61 de Copilot. La diferencia de 10× en precio de etiqueta se comprime a aproximadamente 2–4× cuando mides por resultado. Pero el vendor más barato cambia dependiendo de si tu equipo escribe 50 líneas al día o 500.

Cada modelo de pricing también modifica cómo trabajan los desarrolladores en la práctica. Las tarifas planas incentivan la experimentación — prueba lo que quieras, ya está pagado. La facturación por token castiga la exploración — cada tecla tiene un precio. Las session-hours premian a los agentes rápidos y penalizan el debugging. Las cuotas diarias crean barrancos donde tu herramienta simplemente se detiene a media tarde.

¿Entonces qué haces? Tu equipo de procurement necesita una métrica: costo mensual estimado por desarrollador según tu patrón de uso. Ninguna página de pricing te va a dar eso. El único camino honesto es una prueba paralela de dos semanas con tu codebase real y tus humanos reales.

El mercado de IA para programar le tiró la tarea de matemáticas al comprador. El primer vendor que publique una calculadora transparente de costo por resultado se lleva la siguiente ola de contratos enterprise. Los demás están apostando a que no vas a hacer la tarea. La mayoría de ustedes no la va a hacer.