Cuando se busca «precios de Dify», las respuestas suelen mezclar dos niveles distintos: cuánto cuesta la suscripción de Cloud, cuánto cuesta llamar a los modelos y cuánto cuesta el servidor del autoalojamiento. Son tres facturas que deben calcularse por separado; de lo contrario es fácil llegar a conclusiones equivocadas como «la nube es cara» o «el autoalojamiento es gratis».

Dify es una capa de orquestación y no produce modelos. Tanto en Cloud como en autoalojado, el costo de las llamadas al modelo existe aparte. A continuación separamos la tarifa de plataforma, la de modelo y la de operación, y proponemos un orden de estimación. Los precios y las cuotas cambian; este artículo no fija cifras y remite a las páginas del proveedor y a los precios de modelos del sitio.

Nota: Dify es una marca de su titular, LangGenius, Inc. Este artículo es una explicación técnica independiente y no guarda relación de afiliación ni de representación con el equipo de Dify. Los nombres de otros productos mencionados pertenecen a sus respectivos titulares.

1. Divide la factura en cuatro capas

Capa de costo Dify Cloud Autoalojado Dónde se suele olvidar
Plataforma Suscripción con miembros, funciones y cuota La edición comunitaria no tiene suscripción, pero está sujeta a las condiciones de la licencia La suscripción es mensual o anual; revisa la licencia para uso comercial
Modelo AI credits incluidos o clave de proveedor propia Clave de proveedor propia o pasarela unificada Se cobra por token, imagen o número de llamadas
Infraestructura Incluida en la suscripción Servidor, base de datos, base vectorial, almacenamiento de objetos y ancho de banda Aparece línea por línea en la factura del cloud
Operación La asume la plataforma Actualizaciones, copias, monitoreo, seguridad y guardias El costo de personal es el que más se tiende a contar como cero

Cloud empaqueta la infraestructura y la operación en la suscripción; el autoalojamiento te devuelve esas dos capas. Para comparar, usa el mismo criterio en las cuatro: costo total a tres años o gasto mensual de caja. Comparar solo el precio de la suscripción con el del servidor no lleva a ninguna conclusión útil.

2. Dify Cloud: la suscripción compra cuota y tranquilidad

La suscripción de Cloud se factura por espacio de trabajo y determina el límite de miembros, las funciones y la cuota. Según la documentación de octubre de 2026, hay tres niveles: Sandbox, Professional y Team; Sandbox es gratuito, incluye AI credits de una sola vez y no se repone al agotarse; los otros dos tienen cuotas mayores. Consulta la página de precios de Dify para los detalles.

Dos tipos de cuota se confunden con facilidad con la suscripción:

  • AI credits: se usan con los modelos integrados de la plataforma; al agotarse puedes cambiar a tu propia clave de proveedor y el costo pasa a tu cuenta de modelo.
  • Almacenamiento de la base de conocimiento: se calcula por el espacio que ocupan los vectores, no por el tamaño del archivo; solo el índice de alta calidad consume almacenamiento y el índice económico no ocupa cuota.

El consumo de un mismo documento depende del tamaño de los fragmentos, de la segmentación padre-hijo y de la dimensión del Embedding. Cada fragmento hijo bajo un padre es un vector, y un modelo de dimensión alta puede ocupar el doble por fragmento que uno de dimensión baja. Cuando la cuota se llena, se bloquean los documentos nuevos, la edición de fragmentos y la reconstrucción del índice; las bases existentes siguen siendo consultables, pero hay que recortar o ampliar el plan.

Cloud encaja cuando no quieres administrar servidores y el equipo es pequeño; el riesgo está en la cuota: el crecimiento de la base de conocimiento, la incorporación de miembros o el agotamiento de credits pueden obligar a subir de plan.

3. Autoalojado: sin suscripción no significa barato

La edición comunitaria puede autoalojarse y no tiene tarifa de suscripción, pero la licencia no es un Apache 2.0 sin condiciones: no se puede operar un SaaS multinquilino sin permiso escrito; al usar su frontend no se pueden eliminar ni modificar el logo y los avisos de copyright; el uso comercial general sí está permitido. Si vas a empaquetar Dify como un SaaS que vendes a terceros, evalúa primero la licencia.

Un autoalojamiento completo incluye al menos api, worker, web, plugin_daemon, PostgreSQL, Redis, base de datos vectorial, nginx y servicios de sandbox. La configuración mínima del proveedor es de 2 núcleos de CPU y 4 GiB de memoria, suficiente solo para pruebas; en producción hay que dimensionar según la concurrencia, el volumen documental y el tamaño del índice.

Los costos incluyen:

  • Cómputo: aplicación, plugins y servicios de sandbox.
  • Base de datos: almacenamiento de PostgreSQL, copias y alta disponibilidad.
  • Base vectorial: memoria y disco son la partida principal, y ampliar no es barato.
  • Almacenamiento y red: almacenamiento de objetos, copias, ancho de banda, balanceador y certificados.
  • Personal de operación: actualizaciones, compatibilidad de plugins, parches, monitoreo, alertas y guardias.
  • Réplicas de entorno: una para pruebas, otra para preproducción y otra para producción.

Las dos últimas partidas son las que más se olvidan. El «ahorro» del autoalojamiento se paga con trabajo humano; si no hay un responsable de operación, el dinero ahorrado puede volver en forma de fallas y horas extra.

4. Llamadas al modelo: la parte que de verdad crece con el uso

Las llamadas al modelo se cobran por uso y crecen de forma lineal con el volumen del negocio. En Dify, cada ejecución de un nodo LLM, cada llamada a herramientas de un Agent y cada Rerank o Embedding generan costo en el upstream.

Tres factores que amplifican la factura:

  1. Orquestación de varios pasos: los agentes y flujos arrastran el prompt del sistema, el historial y los fragmentos recuperados a los pasos siguientes; cuantos más pasos, más rápido crecen los tokens de entrada.
  2. Contexto largo: meter un documento entero o muchos fragmentos recuperados en el prompt puede pesar más que el precio unitario del modelo.
  3. Reintentos y fallos: los tiempos de espera, los 429 y los 5xx pueden provocar reintentos; si se cobran dos veces depende del upstream, así que presupuesta con el peor caso.

El control no es complicado: usa modelos pequeños para clasificar, reescribir y extraer, y uno potente para la generación final; limita el número de fragmentos recuperados y la longitud de cada uno; fija un máximo de salida; deduplica solicitudes iguales. La salida en streaming solo mejora la espera, no reduce el cobro de tokens de salida.

5. RAG y base de conocimiento: costo único más costo continuo

El costo de la base de conocimiento se divide en construcción y consulta.

En la construcción, el Embedding se cobra por token de entrada; el solapamiento de fragmentos, los encabezados y pies de página y las plantillas repetidas también se facturan. Cambiar de modelo, modificar la dimensión o alterar la regla de segmentación suele exigir volver a generar todos los embeddings, un gasto único que puede ser grande. En la consulta, cada pregunta implica al menos la vectorización de la consulta y la búsqueda vectorial, y puede añadir Rerank y una entrada larga para generar.

El orden para reducir costos debería ser: limpiar primero el texto, segmentar después por semántica con un solapamiento suficiente, construir luego un índice incremental y solo al final evaluar un modelo de Embedding más barato. Si se invierte el orden, el resultado típico es que el modelo cuesta un poco menos, pero el texto sucio y los índices duplicados siguen igual, la factura apenas cambia y la recuperación empeora.

El índice económico no ocupa almacenamiento vectorial, pero su forma de recuperar es distinta; valida el resultado con tu propio conjunto de preguntas. En atención al cliente, contratos o normativa, donde la recuperación es sensible, no cambies solo para ahorrar almacenamiento.

6. Flujos, caché y límites de presupuesto

No presupuestes por «número de ejecuciones». Dos ejecuciones pueden diferir decenas de veces en llamadas al modelo: una solo pasa por clasificación y una respuesta de plantilla; otra puede activar varias rondas de recuperación, Rerank y generación extensa. La unidad de estimación debe ser «tokens promedio por ejecución» multiplicada por «ejecuciones mensuales».

La caché suele ahorrar más que cambiar de modelo:

  • Reutiliza respuestas para preguntas idénticas con una caducidad razonable.
  • Cachea los resultados de recuperación de consultas frecuentes e invalídalos cuando se actualice la base de conocimiento.
  • Cachea los embeddings del mismo texto para evitar vectorizar dos veces.
  • No caches respuestas muy sensibles al tiempo, personalizadas o con información confidencial.

Los límites de presupuesto se colocan en tres puntos: la cuota y las alertas de facturación de Cloud, los límites de uso del proveedor (si existen) y las estadísticas por clave y las alertas de la pasarela. Asigna una clave independiente a cada aplicación o entorno para poder atribuir la factura al negocio; de lo contrario, a fin de mes solo verás una cifra global. Puedes fijar umbrales en 50, 80 y 90 por ciento y, al alcanzarlos, degradar primero los flujos no críticos antes de cambiar de modelo.

7. Un marco de estimación reutilizable

Estima en este orden.

  1. Enumera las aplicaciones y flujos, y marca cuáles llaman al modelo y cuáles solo recuperan.
  2. Toma de los logs el consumo real de tokens de las últimas dos semanas y calcula la entrada y la salida promedio por ejecución.
  3. Estima las ejecuciones mensuales, separando picos y valles.
  4. Anota aparte el plan de construcción y regeneración de índices; no lo mezcles con el costo mensual de inferencia.
  5. Añade la factura de infraestructura: servidor, base de datos, base vectorial, almacenamiento y ancho de banda.
  6. Suma el personal de operación y un margen de al menos veinte por ciento; corrige con la factura real del primer mes.
# Marco de estimación: deja los precios vacíos y tómalos de la página y la factura
runs_per_month = 30_000
input_tokens_per_run = 3_000
output_tokens_per_run = 500
embed_tokens_per_index = 20_000_000
reindex_times_per_month = 1

input_price_per_1k = 0.0   # Precio por mil tokens de entrada
output_price_per_1k = 0.0  # Precio por mil tokens de salida
embed_price_per_1k = 0.0   # Precio por mil tokens de Embedding

model_cost = (
    runs_per_month * input_tokens_per_run / 1000 * input_price_per_1k
    + runs_per_month * output_tokens_per_run / 1000 * output_price_per_1k
)
embed_cost = embed_tokens_per_index * reindex_times_per_month / 1000 * embed_price_per_1k
print(model_cost + embed_cost)

Este marco solo calcula modelo y Embedding; la infraestructura y el personal se añaden aparte. No copies los precios de una página promocional: toma los datos de los precios de modelos y de la factura del cloud.

Preguntas frecuentes

¿Dify cobra por las llamadas al modelo?

Dify es una plataforma de orquestación y las llamadas al modelo las factura el proveedor. Cloud puede incluir credits internos y, al agotarse, usas tu propia clave; el autoalojado trabaja con tu cuenta de modelo. La referencia es la página de facturación.

¿Autoalojar Dify es completamente gratis?

La edición comunitaria no tiene suscripción, pero el servidor, la base de datos, la base vectorial, el ancho de banda, las copias y la operación corren de tu cuenta. Sumando el personal, en proyectos pequeños puede no ser más barato que Cloud.

¿La suscripción de Dify Cloud se descuenta de la API del modelo?

Normalmente no se descuenta de forma directa. La suscripción cubre funciones y cuota de la plataforma, mientras que el modelo se liquida en la cuenta del proveedor, y los credits internos tienen un alcance limitado. Antes de comprar, confirma las dos facturas por separado.

¿Por qué el almacenamiento de la base de conocimiento es mucho mayor que el archivo original?

Porque se cobra por número de vectores, no por tamaño de archivo. Cuanto más finos sean los fragmentos, más segmentos padre-hijo haya y mayor sea la dimensión del Embedding, más espacio se ocupa; el índice económico no consume almacenamiento, pero recupera de otra forma.

Si el presupuesto es limitado, ¿qué recorto primero?

Primero el contexto inútil y las llamadas duplicadas: comprime prompts, limita los fragmentos recuperados, fija un máximo de salida y aplica deduplicación y caché; después evalúa modelos más pequeños o cambiar de plan. Bajar directamente la calidad del modelo es lo que más daña la experiencia.

Siguiente paso

Con las cuatro capas de la factura claras, la decisión es más sencilla: estima los tokens mensuales con logs reales y compara la suscripción de Cloud, la operación autoalojada y el pago por uso de la pasarela. Si necesitas una entrada unificada y pago por uso, puedes registrarte en ZSQH AI Gateway; el catálogo y los precios se rigen por la página de precios de modelos.

Lecturas relacionadas: