El stack multimodelo: cómo las startups están recortando un 85% sus costes de programación con IA en 2026

El 7 de julio de 2026, Paul Graham publicó un experimento mental de una sola línea que se adueñó del Twitter tecnológico: «Imagina cómo será si dentro de 5 años los modelos han mejorado respecto a Fable tanto como Fable ha mejorado respecto a GPT-3». Las citas se dividieron como siempre: la mitad asombro, la mitad escepticismo. Pero la conversación más útil no iba de 2031 en absoluto. Estaba en las respuestas, donde desarrolladores en activo publicaron sus facturas.

$200 al día. $350 al día. $500 al día en bucles intensivos de agentes. No eran casos aislados: era un goteo constante de fundadores e ingenieros diciendo lo mismo. Los últimos modelos frontera son asombrosos, y pasar todo tu flujo de desarrollo por ellos se está convirtiendo, sin hacer ruido, en una de las mayores partidas del presupuesto de una startup pequeña. Esa misma semana, un patrón alternativo se hizo viral en Reddit y en X: el stack multimodelo, y sus números merecen la atención de cualquier fundador.

El problema: precios de frontera por trabajo rutinario

Estas son las cuentas incómodas. Los modelos frontera actuales cuestan, a precio de lista, unos $10 por millón de tokens de entrada y $50 por millón de tokens de salida. Los modelos de gama media de los mismos laboratorios cuestan una quinta parte o menos. Y para buena parte de lo que realmente hace un flujo de desarrollo (renombrar variables, escribir código repetitivo, generar pruebas a partir de una especificación clara, corregir errores de lint, iterar sobre CSS), el modelo de gama media produce esencialmente el mismo resultado.

Cuando lo pasas todo por el modelo frontera, pagas la prima el 100% del tiempo por un trabajo que la necesita quizá el 20% del tiempo. Así es como un fundador en solitario acaba con una factura de IA de $6,000/mes antes de tener un solo cliente de pago.

El patrón: planificar → ejecutar → revisar

El stack multimodelo que se hizo viral esta semana tiene tres fases, y cada una se dirige al modelo mejor preparado, y mejor de precio, para esa tarea:

• Planifica con el modelo más listo. Las decisiones de arquitectura, dividir una funcionalidad en pasos, detectar los casos límite en los que no habías pensado: aquí es donde el razonamiento de frontera se gana su precio. El resultado es un plan detallado, que es corto. Una salida corta en el modelo caro es exactamente el orden correcto.
• Ejecuta con el modelo más barato que funcione. Con un buen plan en la mano, generar código es sobre todo transcribir. Los modelos de gama media y los rápidos lo resuelven con un coste entre 5 y 10 veces menor, y la salida larga y cargada de tokens cae en el contador barato, no en el caro.
• Revisa con un modelo distinto. Un segundo modelo de otra familia detecta una clase de errores diferente a la del que escribió el código, por la misma razón por la que funciona la revisión de código entre personas. Los bucles de depuración que se atascan con un modelo a menudo se desbloquean en cuanto pasas la traza a otro.

Por qué esto importa más a las startups que a nadie

Una gran empresa puede absorber una factura de IA inflada. Una startup en fase pre-seed no puede y, más importante aún, el hábito se acumula. Los equipos que tratan pronto el enrutamiento de modelos como una disciplina de ingeniería terminan con tres ventajas estructurales:

• Una economía unitaria que sobrevive a la escala. Si tu producto llama a LLM, la misma lógica de enrutamiento que te ahorra dinero en desarrollo se convierte en tu historia de márgenes en producción. En 2026 los inversores preguntan por los costes de inferencia; «enviamos el 80% de las peticiones a modelos que cuestan una décima parte» es una buena respuesta.
• Sin dependencia de un único proveedor. Un flujo multimodelo obliga a crear abstracciones limpias alrededor de las llamadas a modelos. Cuando cambian los precios (y este año han cambiado cada mes), cambias un valor de configuración, no una arquitectura.
• Mejores resultados, no solo más baratos. La revisión entre modelos detecta de verdad más bugs. Los equipos que adoptan el stack por coste se quedan con él por calidad.

Cómo montarlo esta semana

• Primero, instrumenta. Dedica dos días a registrar cuánto gastas realmente por tipo de tarea. La mayoría de los equipos descubre que entre el 60% y el 80% de los tokens se van en salidas de la fase de ejecución que nunca necesitaron razonamiento de frontera.
• Divide tu flujo en la frontera del plan. Haz que el modelo frontera produzca un plan explícito y por escrito: archivos que tocar, funciones que escribir, casos límite que cubrir. Ese artefacto es lo que hace fiable la ejecución barata.
• Elige un ejecutor barato y un revisor. No montes una orquesta de cinco modelos el primer día. Un planificador, un ejecutor y un revisor de otra familia cubren el 95% del beneficio.
• Escala ante el fallo, no por defecto. Cuando el modelo barato falle dos veces en la misma tarea, súbela de nivel. Esa única regla mantiene alta la calidad sin volver a inflar la factura.

La foto completa: probablemente Graham tiene razón, y ahí está la clave

Es difícil exagerar la distancia entre GPT-3 y los modelos frontera actuales, y si los próximos cinco años la repiten, la mayoría de los debates actuales sobre flujos de trabajo parecerán pintorescos. Pero ese futuro corta en las dos direcciones: todos los modelos frontera del pasado acabaron convertidos en modelos de consumo masivo. El buque insignia de hoy a $50 por millón de tokens será el ejecutor barato del año que viene. Un stack multimodelo no es una apuesta contra el progreso de la IA: es la arquitectura que se beneficia de él automáticamente, porque cada nuevo lanzamiento entra en tu tabla de enrutamiento en el nivel que justifique su precio.

Las startups que ganen este ciclo no serán las que más gasten en tokens. Serán las que construyan la disciplina de gastar exactamente lo que vale cada tarea, y que lancen más rápido gracias a ello.

Si estás construyendo un producto de IA y quieres ayuda para diseñar una arquitectura de enrutamiento de modelos que mantenga tu gasto predecible, reserva una llamada de descubrimiento gratuita: es exactamente el tipo de sistema que entregamos a fundadores cada mes.

Related Posts

Integración vertical de IA para empresas: ser dueño de las capas de GPU, modelo y aplicación en 20267 de julio de 2026

El stack vertical de SLM: GPU, entrenamiento y capa de aplicación para una IA de dominio específico en 20266 de julio de 2026

El comando /loop de Claude Code: cómo usarlo para flujos de programación más inteligentes en 20263 de julio de 2026