Artículo

Amazon Bedrock: Inteligencia vs Costo

El catálogo de Amazon Bedrock no para de expandirse: hoy cuenta con más de 115 modelos en us-east-1. Sin embargo, para cualquier equipo de ingeniería o producto la pregunta clave sigue siendo la misma: ¿cuánta inteligencia compras realmente por cada dólar invertido y en qué punto vale la pena pagar más?

Para responder a esto, este análisis combina los precios oficiales on-demand de Bedrock^[1] con las métricas públicas del Intelligence Index de Artificial Analysis (v4.3.2)^[2]. El estudio abarca 53 modelos activos evaluados en 107 configuraciones (desglosando cada nivel de esfuerzo de razonamiento disponible), con fecha de corte al 20 de septiembre de 2026.

Cómo leer el gráfico

El gráfico enfrenta el costo de entrada frente a la capacidad de cada modelo:

• Eje X (Costo): Precio por millón de tokens de entrada en escala logarítmica (USD, lista on-demand de Bedrock).
• Eje Y (Inteligencia): Puntuación en el Intelligence Index.
• Puntos y variantes: Cada punto representa un modelo. Cuando un modelo ofrece varios niveles de razonamiento (low, medium, high, max), se grafica un punto por cada nivel en la misma coordenada X: en Bedrock el costo por token de entrada no varía según el nivel de razonamiento, por lo que ese incremento vertical representa inteligencia adicional sin sobrecosto en el precio base de entrada.
• Frontera de Pareto: Al activar el interruptor, se traza la línea de eficiencia óptima. Conecta los modelos para los cuales no existe alternativa en el catálogo que sea simultáneamente más barata y más inteligente.

Hallazgos clave en la frontera

De las 107 configuraciones analizadas, solo 9 se sitúan sobre la frontera de Pareto. De este grupo se desprenden tres conclusiones contundentes:

• El esfuerzo de razonamiento aporta más que migrar de modelo. Configurar GPT-5.6 Luna en esfuerzo max alcanza un índice de 37.3 por $0.22/1M tokens —prácticamente a la par de Claude Sonnet 5 en esfuerzo max (índice 38.2), pero a una novena parte del costo ($2.00/1M). La misma versión de Luna sin razonamiento (non-reasoning) apenas marca 15.5: la ganancia al activar el razonamiento dentro de un mismo modelo supera la brecha que existe entre proveedores completos al mismo rango de precio.
• Por debajo de $1.00/1M, dominan las opciones abiertas. Amazon Nova Micro, NVIDIA Nemotron Nano 9B v2 y GLM 4.7 Flash dominan el segmento de bajo costo; nadie ofrece más inteligencia por menos dinero en esa franja. A partir de $0.22/1M, la frontera pasa a manos de OpenAI, Anthropic y xAI, casi siempre en sus niveles máximos de razonamiento (high o max).
• Rendimientos decrecientes en la gama alta. A partir de la barrera de los $2.20/1M (Grok 4.6, GPT-5.6 Terra, Claude Opus 5 y Claude Fable 5.1), multiplicar el precio hasta por 5x ofrece mejoras incrementales relativamente modestas en el índice de inteligencia, delimitando con claridad el punto en que el costo adicional solo se justifica para tareas altamente críticas.

De los benchmarks a producción: ¿por qué modelos empezar?

Ningún benchmark sintético reemplaza las pruebas con tus propios datos y flujos de trabajo. En producción, la métrica definitiva no es el precio por millón de tokens, sino el costo por tarea exitosa:

• Lo “barato” puede salir caro: Un modelo económico que falla con frecuencia, requiere reintentos constantes o prompts excesivamente largos para no alucinar, termina costando más tiempo y dinero.
• Lo más potente suele ser innecesario: Usar el modelo más costoso para tareas repetitivas, clasificación o extracción estructurada es pagar de más sin beneficio real.

Cómo usar esta guía: Probar decenas de modelos contra tus propios datos no es viable. Utiliza la frontera de Pareto como tu shortlist de partida: identifica los 2 o 3 modelos que dominan la relación costo-inteligencia para el nivel de complejidad que necesitas y empieza tus pruebas ahí. Si el más eficiente cumple con el estándar de calidad de tu caso de uso, ya encontraste tu ganador; si no, escala al siguiente escalón de la frontera.

Explora los 77 modelos activos

El gráfico superior se limita a modelos con precio e índice reportados. La siguiente tabla interactiva reúne los 77 modelos en estado ACTIVE en Bedrock^[3] que cuentan con precio por token o benchmark (excluyendo aquellos con tarifas por imagen, segundo de video o consulta). Puedes filtrar por proveedor, soporte multimodal (imágenes), ventana de contexto y tokens máximos de salida para evaluar la alternativa ideal para tu arquitectura:

Referencias