---
title: "API de LLM de visión más barata: costo por imagen y página"
description: "Cuánto cuesta un LLM de visión por imagen y por página: cálculo de tokens para Gemma 4, Qwen3.8 27B y DeepSeek V4.1 Flash, y dónde DeepInfra es más barato."
url: https://broadrouter.com/es/blog/cheapest-vision-llm-api/
lang: es
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Traducido del inglés con ayuda de IA. [Lea el original en inglés](https://broadrouter.com/blog/cheapest-vision-llm-api/) (actualizado el 2026-11-16).

# La API de LLM de visión más barata: costo por imagen y por página

Por el equipo de BroadNet Inference · 5 min de lectura · Publicado 2026-11-14 · Actualizado 2026-11-16

Un LLM de visión cobra la imagen como tokens de entrada, así que 1,000 imágenes de unos 1,000 tokens cada una cuestan el precio de entrada por 1M de tokens. En BroadNet, el más barato es Gemma 4 VL 26B, a $0.10 de entrada y $0.22 de salida por 1M. DeepInfra ofrece Gemma 4 26B A4B de Google con una entrada más barata y una salida más cara.

## Puntos clave

-   Los modelos de visión cobran la imagen como tokens de entrada. Costo por imagen = tokens de la imagen × precio de entrada ÷ 1M, más la respuesta.
-   1,000 imágenes de unos 1,000 tokens cada una son 1M de tokens de entrada: $0.10 en Gemma 4 VL 26B, $0.175 en Qwen3.8 27B y $0.175 en DeepSeek V4.1 Flash.
-   En respuestas largas, la salida decide el orden: $0.22, $0.52 y $2.17 por 1M, respectivamente.
-   Redimensione y recorte las imágenes primero. El número de tokens crece con la resolución.
-   Elija Qwen3.8 27B para documentos en árabe, Gemma 4 VL 26B para el precio más bajo de BroadNet y DeepSeek V4.1 Flash para contexto largo o un plan de tarifa plana.

**En esta página**

1.  ¿Cómo se cobra una imagen en una API de LLM?
2.  ¿Cuántos tokens ocupa una imagen?
3.  ¿Cuánto cuesta cada modelo de visión?
4.  ¿Cuánto cuestan 1,000 imágenes?
5.  ¿Cuánto cuesta una página de documento?
6.  ¿Es BroadNet la API de visión más barata?
7.  ¿Qué modelo de visión elegir?
8.  ¿Cuándo sale mejor un plan de tarifa plana que el precio por imagen?
9.  ¿Cómo reducir los costos de visión?
10.  Dónde encaja BroadNet Inference

Las páginas de precios de las API de visión rara vez dicen “por imagen”. Indican un precio por millón de tokens, y la imagen se convierte en tokens. Este artículo traduce esos precios por token a costo por imagen y por página de documento para los tres modelos de visión de BroadNet Inference, y muestra qué ajustes cambian la cifra.

## ¿Cómo se cobra una imagen en una API de LLM?

Un [modelo de lenguaje de visión](https://broadrouter.com/es/glossary/vision-language-model/) divide la imagen en parches y los convierte en tokens. Usted paga esos tokens al precio de entrada, junto con su prompt de texto. La respuesta se cobra como salida. Así:

```text
cost per image ≈ (image tokens + prompt tokens) × input price / 1M
               + answer tokens × output price / 1M
```

En BroadNet no hay una tarifa aparte por imagen. El número de tokens de la imagen depende del codificador de imágenes del modelo y de la resolución, así que una foto de móvil de 4,000 píxeles cuesta más que la misma foto redimensionada.

## ¿Cuántos tokens ocupa una imagen?

Depende de la familia del modelo:

-   **Gemma 4** trabaja con un presupuesto fijo de tokens por imagen: “70, 140, 280, 560, or 1120 tokens” (Traducción: 70, 140, 280, 560 o 1120 tokens), según la documentación de Gemma de Google. Los presupuestos bajos reducen la imagen y son más rápidos; Google dice que los presupuestos altos conservan el detalle fino y los recomienda para obtener la mejor precisión en tareas visuales.
-   **Qwen3-VL** tiene una relación de compresión de 32, es decir, aproximadamente un token por cada bloque de 32 × 32 píxeles, y su README muestra cómo fijar el presupuesto de tokens visuales por imagen en un rango como 256 a 1,280. Una imagen de 1,024 × 1,024 son unos 32 × 32 = 1,024 tokens.

BroadNet no publica los ajustes de imagen de sus despliegues, así que tome estas cifras como órdenes de magnitud. Envíe una de sus imágenes reales y lea `usage.prompt_tokens`, luego reste la cifra de solo texto. Ese es el costo en tokens de su imagen. La [calculadora de tokens de imagen](https://broadrouter.com/tools/image-token-calculator/) aplica la regla documentada de cada proveedor a cualquier tamaño de imagen.

## ¿Cuánto cuesta cada modelo de visión?

Precios de BroadNet Inference por 1M de tokens, sincronizados el 2026-11-14:

| Modelo | Entrada | Salida | Contexto | Razona primero | Crédito inicial |
| --- | --- | --- | --- | --- | --- |
| [Gemma 4 VL 26B](https://broadrouter.com/es/models/gemma-4-vl-26b/) | $0.10 | $0.22 | 32,768 | No indicado | Sí |
| [Qwen3.8 27B](https://broadrouter.com/es/models/qwen3.8-27b/) | $0.175 | $2.17 | 262,144 | Sí | Tras recargar |
| [DeepSeek V4.1 Flash](https://broadrouter.com/es/models/deepseek-v4.1-flash/) | $0.175 | $0.52 | 1,048,576 | Sí | Tras recargar |

## ¿Cuánto cuestan 1,000 imágenes?

Suponga que cada imagen con su prompt breve suma unos 1,000 tokens de entrada. Entonces 1,000 imágenes son 1M de tokens de entrada, y el costo de entrada por cada 1,000 imágenes es igual al precio por 1M:

| Modelo | Costo de entrada por 1,000 imágenes | Costo de salida por 1M de tokens de respuesta |
| --- | --- | --- |
| Gemma 4 VL 26B | $0.10 | $0.22 |
| Qwen3.8 27B | $0.175 | $2.17 |
| DeepSeek V4.1 Flash | $0.175 | $0.52 |

Calcule sus propios volúmenes con la [calculadora de costos de API de LLM](https://broadrouter.com/tools/llm-api-cost-calculator/) gratuita. Dos cosas cambian el orden:

1.  **La longitud de la respuesta.** Una etiqueta de una palabra es barata en todas partes. Una extracción JSON de 300 tokens en un modelo de razonamiento puede llevar varios cientos de [tokens de razonamiento](https://broadrouter.com/es/glossary/reasoning-tokens/) más, cobrados al precio de salida. El precio de salida de Qwen3.8 27B ($2.17 por 1M) es varias veces el de DeepSeek V4.1 Flash ($0.52), así que en respuestas largas DeepSeek cuesta menos.
2.  **El tamaño de la imagen.** Si sus imágenes ocupan 2,000 tokens cada una, duplique la columna de entrada. Si el presupuesto de 280 tokens de Gemma basta para su tarea, el costo de entrada baja a aproximadamente una cuarta parte.

## ¿Cuánto cuesta una página de documento?

Una página A4 escaneada y renderizada a unos 1,024 × 1,024 píxeles queda cerca de los 1,000 tokens en un codificador de tipo Qwen. Así que una regla aproximada es **1,000 páginas ≈ 1M de tokens de entrada**, antes del prompt y la respuesta. La letra pequeña puede necesitar más resolución, y más tokens.

Consejos prácticos para páginas:

-   Envíe los PDF de texto como texto extraído, no como imágenes. El texto ocupa muchos menos tokens que una imagen del texto.
-   Recorte la zona que necesita, como el recuadro de totales de una factura.
-   Envíe una página por solicitud cuando necesite campos por página, para que un fallo no le cueste el documento entero.

## ¿Es BroadNet la API de visión más barata?

No en todas las partidas. Esta es la misma familia de modelos de visión abiertos en DeepInfra, según su página de precios del 14 de noviembre de 2026, por 1M de tokens:

| Modelo en DeepInfra | Entrada | Salida |
| --- | --- | --- |
| gemma-4-26B-A4B-it | USD 0.07 | USD 0.34 |
| Qwen3-VL-30B-A3B-Instruct | USD 0.15 | USD 0.60 |
| Qwen3-VL-235B-A22B-Instruct | USD 0.20 | USD 0.88 |

El precio de entrada de Gemma 4 en DeepInfra está por debajo de los $0.10 de BroadNet, y su precio de salida, por encima de los $0.22 de BroadNet. Así que para clasificar imágenes con respuestas de una palabra DeepInfra cuesta menos; para extracciones JSON largas, BroadNet puede costar menos. Compare más hosts en la [página de precios de Gemma 4 26B A4B](https://broadrouter.com/es/llm-api-pricing/gemma-4-26b-a4b-it/) y la [página de precios de Qwen3-VL 235B](https://broadrouter.com/llm-api-pricing/qwen3-vl-235b-a22b-instruct/), o lea la página de [alternativa a DeepInfra](https://broadrouter.com/alternatives/deepinfra-alternative/). El ranking de [las API de LLM más baratas](https://broadrouter.com/es/llm-api-pricing/cheapest/) y el [índice de precios de API de LLM](https://broadrouter.com/data/llm-api-price-index/) ponen estos precios en contexto de mercado.

## ¿Qué modelo de visión elegir?

-   **Precio más bajo de BroadNet, tareas sencillas:** Gemma 4 VL 26B. Etiquetas, descripciones, “¿hay una firma?”. Funciona con el crédito inicial de $5. Su contexto de 32,768 tokens limita cuántas imágenes caben en una solicitud.
-   **Documentos y capturas de pantalla en árabe:** Qwen3.8 27B, el modelo que BroadNet probó en árabe. Consulte [leer facturas en árabe con visión](https://broadrouter.com/es/guides/read-arabic-invoices-with-vision/) y [elegir un LLM para árabe](https://broadrouter.com/es/blog/choosing-an-llm-for-arabic/).
-   **Salidas largas, muchas imágenes por solicitud o volumen muy alto:** DeepSeek V4.1 Flash. Su contexto de 1,048,576 tokens admite muchas páginas a la vez, y en un plan de tarifa plana las imágenes forman parte del uso ilimitado.

Páginas comparativas: [Gemma 4 VL 26B frente a Qwen3.8 27B](https://broadrouter.com/compare/gemma-4-vl-26b-vs-qwen3.8-27b/) y [DeepSeek V4.1 Flash frente a Gemma 4 VL 26B](https://broadrouter.com/compare/deepseek-v4.1-flash-vs-gemma-4-vl-26b/).

## ¿Cuándo sale mejor un plan de tarifa plana que el precio por imagen?

Una sesión Luna Llena (Full Moon) cuesta $60 al mes por uso ilimitado de DeepSeek V4.1 Flash, una solicitud a la vez. Con unos 1,000 tokens por imagen, cada 1,000 imágenes cuestan $0.175 de entrada en DeepSeek V4.1 Flash, así que solo la entrada alcanza el precio del plan con $60 ÷ $0.175 miles de imágenes al mes, antes de las respuestas. Si un único proceso trabaja imágenes todo el día, mida su rendimiento en una sesión Meteoro (Meteor) de una hora ($1) y compare, o use la [calculadora de tarifa plana frente a pago por token](https://broadrouter.com/tools/flat-rate-vs-per-token-calculator/). El método completo está en [el cálculo del punto de equilibrio](https://broadrouter.com/es/blog/flat-rate-vs-pay-per-token-llm-api/).

## ¿Cómo reducir los costos de visión?

1.  Redimensione a la resolución más baja que se siga leyendo bien. Pruebe tres tamaños con 20 muestras.
2.  Pida un JSON corto con claves con nombre, no texto en prosa.
3.  Ponga `reasoning_effort` en `low` en los modelos de razonamiento para extracciones sencillas, y mantenga `max_tokens` en 1,000 o más para que la respuesta no se corte. Consulte [por qué las respuestas llegan vacías](https://broadrouter.com/es/guides/reasoning-tokens-empty-response/).
4.  Use el tipo MIME correcto en la data URL (`image/png` para PNG).
5.  Registre `prompt_tokens` por imagen para detectar subidas demasiado grandes.

## Dónde encaja BroadNet Inference

BroadNet ofrece tres modelos de visión con una sola clave, desde Gemma por token hasta un plan de tarifa plana, sin tarifa por imagen y con [retención de datos cero](https://broadrouter.com/es/privacy/) para las imágenes que envía. Es adecuado para facturas, recibos, capturas de pantalla y documentos en árabe. No es el host más barato para trabajos intensivos en entrada, como muestra la tabla de DeepInfra, y no ofrece generación de imágenes, solo comprensión de imágenes. Para la cadena de extracción en sí, consulte [extraer datos de facturas a JSON con un LLM de visión](https://broadrouter.com/es/blog/extract-data-from-documents-with-vision-llm/). [Empiece con el crédito inicial de $5](https://inference.broadnet.ai/pricing?utm_source=broadrouter&utm_medium=referral&utm_campaign=es-blog-cheapest-vision-llm-api&utm_content=body).

Herramientas gratuitas sobre este tema (en inglés)

-   [LLM API cost calculator](https://broadrouter.com/tools/llm-api-cost-calculator/) Price a workload on every model at once, with cache hits, reasoning and a flat-plan check.
-   [Flat-rate vs per-token LLM cost calculator](https://broadrouter.com/tools/flat-rate-vs-per-token-calculator/) Break-even between an unlimited plan and paying per token, per agent.
-   [Prompt caching savings calculator](https://broadrouter.com/tools/prompt-caching-calculator/) Bill with and without caching, by prefix share and hit rate.
-   [Prompt token diff](https://broadrouter.com/tools/prompt-token-diff/) Two prompt versions side by side: changed lines, exact token delta and the monthly cost difference.

[Herramientas gratuitas (en inglés)](https://broadrouter.com/tools/)

## Términos de este artículo

[Token](https://broadrouter.com/es/glossary/token/)

Un token es la unidad de texto que un modelo de lenguaje lee y escribe: una palabra, parte de una palabra, un signo de puntuación o una secuencia de bytes producida por el tokenizador del modelo. Las APIs de LLM cuentan, limitan y normalmente facturan el uso en tokens.

[Modelo de visión y lenguaje (VLM)](https://broadrouter.com/es/glossary/vision-language-model/)

Un modelo de visión y lenguaje (VLM) es un modelo que recibe imágenes y texto a la vez y produce texto, por lo que puede describir imágenes, responder preguntas sobre ellas y leer documentos, gráficos o capturas de pantalla. También se les llama modelos image-text-to-text o multimodales.

[Plan de LLM con tarifa plana (flat-rate LLM plan)](https://broadrouter.com/es/glossary/flat-rate-llm-plan/)

Un plan de LLM con tarifa plana cobra un precio fijo por un periodo, como un mes, por acceder a la API de un modelo de lenguaje, en lugar de facturar por token. Estos planes suelen limitar otra cosa, como la concurrencia, la velocidad, los modelos o las ventanas de uso, así que los topes importan tanto como el precio.

[Llamadas a herramientas (tool calling)](https://broadrouter.com/es/glossary/tool-calling/)

Las llamadas a herramientas (tool calling), también llamadas function calling, son una función de las APIs de LLM en la que el modelo devuelve una solicitud estructurada para ejecutar una función definida por el desarrollador, con argumentos JSON. La aplicación ejecuta la función y devuelve el resultado; el modelo nunca ejecuta código.

[Tokens de entrada y de salida (input and output tokens)](https://broadrouter.com/es/glossary/input-and-output-tokens/)

Los tokens de entrada son los que un modelo de lenguaje lee en una solicitud, incluidos el prompt de sistema, el historial de la conversación, las definiciones de herramientas y las imágenes. Los tokens de salida son los que genera en la respuesta, incluido el razonamiento. Las APIs de LLM suelen cobrarlos por separado, y la salida suele costar más.

[Pago por uso (pay-as-you-go)](https://broadrouter.com/es/glossary/pay-as-you-go/)

El pago por uso es un modelo de precios en el que usted paga solo lo que usa, medido por unidades como tokens, solicitudes o minutos de audio, sin suscripción ni compromiso mínimo. La mayoría de las APIs de LLM cobran así, desde un saldo prepagado o con una factura periódica.

[Tokens de imagen (image tokens)](https://broadrouter.com/es/glossary/image-tokens/)

Los tokens de imagen son los tokens de entrada que un modelo de lenguaje con visión usa para representar una imagen en el prompt. Los proveedores los calculan a partir del tamaño de la imagen, normalmente dividiéndola en parches de tamaño fijo tras redimensionarla, y los cobran como tokens de entrada de texto, así que las imágenes grandes cuestan más.

[Tokens de razonamiento (reasoning tokens)](https://broadrouter.com/es/glossary/reasoning-tokens/)

Los tokens de razonamiento son tokens que un modelo de razonamiento genera para resolver un problema antes de escribir su respuesta visible. Normalmente se facturan como tokens de salida, cuentan para el límite de salida y la ventana de contexto, y la API puede ocultarlos o resumirlos.

## Preguntas frecuentes

### ¿Cuántos tokens ocupa una imagen en un LLM de visión?

Depende del modelo y de la resolución. Gemma 4 usa presupuestos de 70 a 1,120 tokens por imagen. Los modelos VL de Qwen usan aproximadamente un token por cada bloque de 32 × 32 píxeles. Lea prompt\_tokens en el bloque usage para ver la cifra real.

### ¿Cuál es la API de LLM de visión más barata de BroadNet?

Gemma 4 VL 26B, a $0.10 de entrada y $0.22 de salida por 1M de tokens. También funciona con el crédito inicial gratuito.

### ¿Hay una tarifa por imagen?

No. En las claves de pago por uso de BroadNet, las imágenes cuentan como tokens de entrada al precio de entrada del modelo, y las imágenes más grandes usan más tokens.

### ¿Las imágenes están incluidas en el plan ilimitado?

Sí. En un plan de DeepSeek V4.1 Flash, las imágenes y los prompts largos forman parte del uso ilimitado.

### ¿DeepInfra es más barato que BroadNet para Gemma 4 con visión?

Para trabajos intensivos en entrada, sí. El 14 de noviembre de 2026, DeepInfra listaba gemma-4-26B-A4B-it a USD 0.07 de entrada y USD 0.34 de salida por 1M de tokens. BroadNet cobra $0.10 de entrada y $0.22 de salida, así que BroadNet es más barato cuando las respuestas son largas.

### ¿Qué modelo de visión es mejor para facturas en árabe?

Qwen3.8 27B es el modelo que BroadNet probó en árabe, con una redacción fluida y comprensión de los dialectos del Golfo y egipcio. Pruébelo con sus propios documentos.

## Siga leyendo

-   [Precios de la API de LLM: entrada, caché, salida y razonamiento](https://broadrouter.com/es/blog/llm-api-pricing-explained/)
-   [Cómo elegir una API de LLM para árabe: qué probar](https://broadrouter.com/es/blog/choosing-an-llm-for-arabic/)
-   [Tokens de razonamiento: por qué paga más salida de la que ve](https://broadrouter.com/es/blog/reasoning-tokens-cost/)
-   [API de LLM con tarifa plana o pago por token: el punto de equilibrio](https://broadrouter.com/es/blog/flat-rate-vs-pay-per-token-llm-api/)
-   [¿Texto, voz o visión? Empiece por la tarea](https://broadrouter.com/es/blog/text-speech-vision/)
-   [Precios de API de LLM en octubre de 2026: 3 subidas, ninguna rebaja](https://broadrouter.com/es/blog/llm-api-price-changes-october-2026/)
-   [¿Cada cuánto cambian los precios de las API de LLM? 3 años de archivo](https://broadrouter.com/es/blog/how-often-llm-api-prices-change/)
-   [Guía: Lea facturas y recibos en árabe con un modelo de visión](https://broadrouter.com/es/guides/read-arabic-invoices-with-vision/)
-   [Guía: ¿Por qué un modelo de razonamiento devuelve una respuesta vacía?](https://broadrouter.com/es/guides/reasoning-tokens-empty-response/)

Pruébelo con su carga de trabajo real. Las cuentas nuevas empiezan con USD 5 de crédito para Gemma y transcripción. DeepSeek, GLM y Qwen3.8 requieren una recarga.

[Comenzar](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=es-blog-cheapest-vision-llm-api&utm_content=page-cta) ·

**Fuentes**

-   [Precios de BroadNet Inference en formato legible por máquina, pricing.json (consultado el 2026-11-14) (en inglés)](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=es-blog-cheapest-vision-llm-api&utm_content=sources)
-   [Referencia de la API de BroadNet Inference: chat con una imagen, imágenes en los planes (consultado el 2026-11-14) (en inglés)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=es-blog-cheapest-vision-llm-api&utm_content=sources#requests)
-   [Documentación de Gemma de Google, comprensión de imágenes y presupuestos de tokens por imagen (consultado el 2026-11-14)](https://ai.google.dev/gemma/docs/capabilities/vision)
-   [Repositorio de Qwen3-VL, compresión de 32 y ajustes del presupuesto de tokens visuales (consultado el 2026-11-14)](https://github.com/QwenLM/Qwen3-VL)
-   [Precios de DeepInfra: precios por token de Gemma 4 y Qwen3-VL (consultado el 2026-11-14)](https://deepinfra.com/pricing)
