El preu d'un token ha baixat un 99,7% en tres anys. La meva factura ha pujat. Les dues coses són certes, i aquí és exactament on rau la trampa.

Faig servir aquestes eines diàriament per construir productes i analitzar dades. No escric això des de l'enuig de qui rebutja la tecnologia, sinó des de la frustració de qui revisa la factura detallada de l'API a final de mes. La indústria de la intel·ligència artificial ha executat la maniobra de preus més brillant de la dècada: va reduir dràsticament el cost per unitat mentre prenia el control absolut sobre la quantitat d'unitats necessàries per completar una tasca.

Per entendre la magnitud d'aquesta distorsió, observem la foto del mercat al juliol de 2026. La divergència entre models és abismal, però la constant és la mateixa: la sortida sempre es cobra a preu d'or.

Preus d'inferència al mercat (Juliol de 2026)

Preus expressats en USD per milió de tokens (Entrada / Sortida)

| Proveïdor / Model | Entrada ($/M) | Sortida ($/M) | Ràtio Sortida/Entrada | | :--- | :--- | :--- | :--- | | DeepSeek-V4 | $0,14 | $0,28 | 2x | | Gemini 3.5 Flash-Lite | $0,30 | $2,50 | 8,3x | | Gemini 3.6 Flash | $1,50 | $7,50 | 5x | | Gemini 3.1 Pro | $2,00 | $12,00 | 6x | | Claude Haiku 4.5 | $1,00 | $5,00 | 5x | | Claude Sonnet 5 (Promo fins 31/08/26) | $2,00 | $10,00 | 5x | | Claude Sonnet 5 (Estàndard post-agost) | $3,00 | $15,00 | 5x | | Claude Opus 5 | $5,00 | $25,00 | 5x | | OpenAI GPT-5.6 Luna | $1,00 | $6,00 | 6x | | OpenAI GPT-5.6 Terra | $2,50 | $15,00 | 6x | | OpenAI GPT-5.6 Sol | $5,00 | $30,00 | 6x |

La bretxa entre el model més accessible (DeepSeek-V4) i el més avançat supera un factor de 100x. Quan GPT-4 es va llançar el març de 2023, la inferència costava $30 per milió de tokens d'entrada i $60 per milió de sortida. Avui, una crida a Gemini 3.1 Flash costa amb prou feines $0,10/$0,40. La deflació nominal és del 99,7% en tres anys, amb caigudes mitjanes del sector d'entre el 30% i el 50% anual.

Però hi ha un detall crucial que la taula revela: els tokens de sortida costen entre 4 i 6 vegades més que els d'entrada, amb una ràtio mediana del mercat fixada fermament en 4x. I és aquí on el model de negoci ha canviat de base.

Cop 1: El token invisible i la trampa del raonament

Els models de raonament no responen immediatament. Abans de lliurar una sola paraula, inicien un monòleg intern. Proven hipòtesis, corregeixen els seus propis biaixos i descarten camins lògics. Tot aquest procés genera milers de tokens de "pensament".

El problema no és que pensin; el problema és com es facturen. Aquests milers de tokens invisibles són tokens de generació (sortida). Es cobren a la tarifa més cara de la taula, no els llegeixes, no els pots auditar i, en la majoria dels casos, l'API ni tan sols et mostra el text complet d'aquest monòleg.

Vegem-ho amb un exemple numèric real sobre un cas d'ús corporatiu:

• Consulta: "Analitza aquest contracte de 10 pàgines (4.000 tokens d'entrada) i genera una clàusula de resolució per incompliment d'SLA".
• Model estàndard (sense raonament directe): Consumeix 4.000 tokens d'entrada i genera 500 tokens de resposta directa. En GPT-5.6 Terra, això equival a $0,01 d'entrada + $0,0075 de sortida. Cost total: $0,0175.
• Model de raonament: Consumeix els mateixos 4.000 tokens d'entrada. Per construir la clàusula, genera internament 12.000 tokens de "pensament" no visibles i finalment lliura els mateixos 500 tokens de resposta. Pagues 4.000 tokens d'entrada i 12.500 tokens de sortida. En el mateix model, el cost salta a $0,01 d'entrada + $0,1875 de sortida. Cost total: $0,1975.

La mateixa tasca, amb el mateix model, costa 11 vegades més. El preu per unitat va baixar, però el proveïdor va passar a decidir quantes unitats calen. Importa poc que el milió de tokens caigui un 40% anual si el model decideix unilateralment multiplicar per dotze el volum facturat per cada consulta.

Cop 2: La paradoxa de Jevons no és una curiositat, és el model de negoci

El 1865, l'economista William Stanley Jevons va observar que l'augment de l'eficiència en l'ús del carbó no va reduir el seu consum, sinó que el va disparar. En fer-lo més barat i útil, la indústria el va introduir en processos que abans eren inviables.

En la intel·ligència artificial passa exactament el mateix, amb la diferència que no és un accident de mercat: està descomptat en les valoracions de Silicon Valley. Abaratir el token no és un acte de generositat competitiva. És la palanca indispensable per multiplicar el volum facturat.

Segons estimacions de Goldman Sachs, les millores en el disseny de xips i silici especialitzat mantindran caigudes del cost per token d'entre el 60% i el 70% anual. Al mateix temps, Gartner calcula que per al 2030 el cost d'inferència per als proveïdors caurà més d'un 90% respecte al 2025. No obstant això, el consum global de tokens es multiplicarà per 24 en aquest mateix període.

En baixar el preu, les empreses deixen d'utilitzar la IA per respondre correus i passen a integrar-la en bucles autònoms d'agents (agentic loops). Un agent que treballa en segon pla pot consumir 500.000 tokens en deu minuts intentant resoldre una tasca complexa sense supervisió humana. El token és infinitament més barat per unitat, però el consum corporatiu es dispara exponent a exponent.

Cop 3: Ningú no guanya diners amb això encara (i hauries de preocupar-te)

El preu que veus avui a les pantalles no és un preu d'equilibri de mercat; és un preu de conquesta.

Les xifres financeres filtrades de la indústria mostren tensions severes en la unitat econòmica de la inferència. OpenAI va gastar 8.400 milions de dòlars en inferència durant el 2025 i preveu elevar aquesta xifra a 14.100 milions el 2026. Els seus marges bruts es van situar en el 33%, molt lluny del 46% que la pròpia companyia havia projectat als seus inversors. Anthropic va tancar el 2025 amb un marge del 40%, deu punts per sota de la seva previsió interna, després de registrar costos d'inferència un 23% per sobre del que s'havia pressupostat.

Això demostra que la infraestructura actual està subvencionada pel capital risc i per compromisos de consum garantit amb els grans proveïdors de núvol. Ningú no està assolint les rendibilitats del programari tradicional (70-80% de marge brut). La conseqüència directa per al comprador de tecnologia és clara: els proveïdors buscaran agressivament rendibilitzar cada consulta mitjançant l'empaquetament de raonament complex, augmentant els tokens facturats per protegir els seus marges reals.

El contraargument necessari: L'eficiència existeix, però exigeix disciplina

Seria deshonest qualificar el raonament ocult com un frau. Els tokens de raonament no són fum: resolen problemes lògics, de programació i d'arquitectura legal on els models previs fallaven de manera estrepitosa. La capacitat és real i aporta valor.

A més, la pròpia indústria ha introduït mecanismes de descompte massius que la majoria dels departaments d'IT no estan aprofitant:

1. Prompt Caching: Permet descomptes de fins al 90% en tokens d'entrada quan es reutilitzen contextos llargs (com ara documentació tècnica o bases de codi).
2. Batch API: Ofereix un 50% de descompte directe a canvi de processar peticions de forma asíncrona en una finestra de 24 hores.

El problema no és que els proveïdors menteixin sobre les seves tarifes. El problema és l'asimetria: facturen una unitat de consum que el comprador ni observa en temps real ni pot controlar algorítmicament.

La tesi de l'autor: D'aquí a una dècada, el 70% de la teva factura seran impostos

Aquí va la meva aposta personal sobre cap a on es dirigeix aquest mercat. Crec que el cost tècnic del token acabarà sent marginal i que, d'aquí a deu anys, més del 70% del que pagui una empresa per cada token processat no anirà a OpenAI, Anthropic o Google, sinó a les arques públiques en forma d'impostos directes i indirectes.

El paral·lelisme històric perfecte és la gasolina o el tabac. En la majoria dels països europeus, el consumidor paga per un litre de combustible una xifra on el producte base és un percentatge minoritari; la resta són impostos especials i l'IVA. La societat ho ha acceptat perquè la fiscalitat es va aplicar de forma massiva una vegada que el consum ja era totalment imprescindible per a l'economia.

El token va exactament pel mateix camí, impulsat per tres motius estructurals:

1. És la base imposable perfecta: Un token és una unitat digital discreta, comptable amb precisió mil·limètrica, centralitzada en un grapat de proveïdors d'infraestructura i impossible d'ocultar si s'audita l'API.
2. Substitució de la base fiscal laboral: A mesura que l'automatització erosionarà les cotitzacions socials i la recaptació de l'IRPF procedents de treballadors qualificats, els Estats necessitaran amb urgència una font tributària alternativa per finançar els seus pressupostos.
3. L'argument mediambiental llest per usar: El consum energètic i hídric dels centres de dades proporciona la justificació política perfecta per instaurar un impost pigouvià sobre el còmput, exactament igual que es va justificar el gravamen als carburants per la contaminació.

Això no és especulació teòrica allunyada de la realitat. El debat acadèmic i polític ja ha començat fora del radar del gran públic. El treball de recerca "Token Taxes: Mitigating AGI's Economic Risks" (arXiv 2603.04555, desenvolupat en l'entorn de l'Oxford Martin School) proposa formalment gravar la inferència directament en el punt de venda. La recerca defensa que és tècnicament viable utilitzant la infraestructura de governança de còmput existent, capturant el valor en el lloc exacte on es consumeix la IA i no on s'allotgen físicament els servidors.

En la mateixa línia, figures del sector corporatiu com Mark Cuban han proposat públicament la creació d'una taxa federal sobre els tokens processats pels grans proveïdors de models.

Si aquesta previsió es compleix, el fenomen del token invisible canvia radicalment de naturalesa. Avui discutim que ens facturen tokens de raonament que no podem auditar des del punt de vista del cost operatiu. Demà discutirem que estem pagant impostos calculats sobre tokens que ni tan sols sabem si el model necessitava generar. No existeix cap altre impost sobre el consum en el món civilitzat on el contribuent no pugui verificar la quantitat exacta de producte sobre la qual se li liquida el tribut.

Full de ruta per al comprador de tecnologia

Si gestiones pressupostos de programari o infraestructura, deixa de mirar les taules de preus nominals i aplica aquestes quatre regles immediates:

1. Mesura tokens per tasca completada, no preu per token: L'única mètrica que importa és quant costa resoldre un tiquet de suport o redactar un informe de riscos. El preu unitari és una il·lusió òptica.
2. Abandona l'optimització prematura de preus: El preu per token cau un 40% anual per pura dinàmica de mercat. No perdis hores reescrivint codi per estalviar un 5% en crides estàndard; el mercat et donarà aquesta rebaixa gratis el proper trimestre.
3. Implementa memòria cau i processament per lots abans de migrar de model: Un model avançat com Claude Opus 5 utilitzant Prompt Caching i Batch API resulta significativament més barat que un model intermedi com Sonnet utilitzat de forma sincrònica i sense gestió de context.
4. Exigeix el desglossament estricte de tokens de raonament: Configura les teves crides API amb límits estrictes de tokens de pensament (budgeting) i exigeix als teus proveïdors auditabilitat completa sobre el monòleg intern dels models.

L'eficiència de la intel·ligència artificial és indiscutible, però la forma en què es comercialitza ha canviat les regles del joc financer.

Si un inspector d'Hisenda o un auditor extern revisés avui el teu consum d'inferència, acceptaries pagar un gravamen sobre milions d'unitats de càlcul el volum exacte de les quals no has pogut verificar abans de la compra?