La factura de la API de Mistral no se calcula simplemente como «una llamada, un cobro». Se compone de tokens de entrada, tokens de salida, aciertos de caché y unidades propias de modelos especializados como OCR o voz. Muchos equipos preparan el presupuesto con una sola cifra de la página de precios y, al salir a producción, descubren que la factura es bastante más alta. La causa no suele ser un cambio de tarifa, sino una estructura de entrada, una longitud de contexto y un número de reintentos distintos de los que se usaron en la estimación.

Este artículo descompone la facturación de la API de Mistral en partes calculables: qué unidades se cobran, cómo se suman entrada y salida, por qué el contexto hace crecer el costo con cada ronda, cómo afectan la caché y los reintentos y cómo usar registros reales para presupuestar y conciliar con la factura. Las tarifas concretas se rigen por la página oficial de precios de Mistral y por los precios de modelos de este sitio; este artículo no fija ninguna tarifa unitaria.

Nota: Mistral y Mistral AI son marcas de sus titulares. Este artículo toma como referencia la documentación pública de octubre de 2026; los nombres de modelos, las unidades de cobro y los precios pueden cambiar. Antes de comprar, verifica de nuevo la documentación oficial de Mistral y los precios de modelos de este sitio.

1. Primero, distingue las unidades de cobro: no todos los modelos cobran por tokens

Los modelos de lenguaje de Mistral cobran por tokens, pero los modelos especializados de OCR, voz y embeddings tienen sus propias unidades. Sumar directamente costos expresados en unidades distintas es la primera fuente de un presupuesto inexacto.

Objeto facturado Unidad de cobro Escenario habitual Qué revisar al presupuestar
Modelo de lenguaje Tokens de entrada y salida Conversación, extracción, código, agentes La salida suele costar más que la entrada; la entrada en caché tiene descuento
OCR Páginas, incluidas las páginas en caché Documentos escaneados, PDF a texto Se contabiliza aparte de los tokens
Transcripción de voz Minutos, incluida la duración en caché Grabaciones de reuniones, llamadas de atención al cliente Se mide por duración, no por número de palabras
Síntesis de voz Caracteres Anuncios, locuciones La entrada y la salida se etiquetan por separado
Embeddings Tokens de entrada Búsqueda, agrupamiento, deduplicación Normalmente solo se cobra la entrada
Moderación de contenido Tokens Seguridad de contenido, control de riesgos Si se cobra depende de lo que indique la página de precios

La página de precios también suele distinguir niveles como Standard, Batch y Priority. Están orientados a distintas exigencias de tiempo, y la posibilidad de usar Batch depende de si la tarea puede esperar.

2. Entrada y salida: en una misma conversación se cobran ambos lados

En una solicitud, todo lo que entra en el contexto del modelo cuenta como entrada: el system prompt, los mensajes anteriores, la pregunta del usuario, las definiciones de herramientas, los documentos recuperados y la parte que se convierte de las entradas multimodales. Lo que genera el modelo cuenta como salida, incluido el texto, los campos estructurados y el proceso de razonamiento si el modelo devuelve contenido de pensamiento.

Esto produce dos errores de apreciación frecuentes:

  • Contar solo la pregunta del usuario y no el contexto. El usuario escribe veinte palabras, pero el system prompt, el esquema de herramientas y las cinco rondas anteriores pueden ser la mayor parte del consumo.
  • Comparar solo la tarifa de entrada sin mirar la proporción de salida. En atención al cliente hay mucha entrada y salida corta; en generación de textos largos hay poca entrada y mucha salida. El costo por solicitud de ambos casos no se puede estimar con el mismo promedio.

La forma de convertir las entradas multimodales y si el contenido de razonamiento se cuenta como salida deben confirmarse en la documentación oficial y en el criterio de facturación; no apliques directamente la experiencia de otros proveedores.

3. Longitud del contexto: cada ronda paga por «lo dicho antes»

El modelo de lenguaje no conserva memoria de la conversación. Para que un diálogo de varias rondas tenga continuidad, el cliente reenvía el historial en cada ronda. Por eso, cuanto más largo es el contexto, más tokens de entrada lleva cada solicitud, y el costo se acumula con el número de rondas en lugar de crecer solo por la frase recién añadida.

Un ejemplo intuitivo: la primera ronda solo envía el system prompt y la pregunta; la quinta ronda debe incluir las cuatro respuestas anteriores; la vigésima ronda debe incluir todo lo anterior. Aunque cada ronda añada poco contenido, la entrada de la vigésima puede ser varias veces la de la primera.

Los métodos de control no son complicados:

  • Conserva solo las últimas rondas como mensajes originales y resume lo anterior.
  • Recupera únicamente fragmentos relevantes; no introduzcas un manual completo en el contexto.
  • Coloca el contenido estable al principio y el variable al final para facilitar la caché.
  • Procesa los documentos largos por partes y resume después, en lugar de repetir el texto completo en cada ronda.

4. Caché, procesamiento por lotes y reintentos: tres variables que se subestiman

Entrada en caché. Mistral ofrece un precio de entrada en caché para modelos de texto, normalmente muy inferior al de la entrada normal. Que la caché acierte depende de que el prefijo de la solicitud sea estable. Incluir marcas de tiempo, identificadores aleatorios o nombres de usuario al inicio del system prompt, o reordenar las definiciones de herramientas en cada llamada, invalida la caché. Además, la caché suele funcionar como mejor esfuerzo; el presupuesto debe calcularse con aciertos parciales, no suponiendo que siempre acierta.

Nivel de procesamiento por lotes. Las tareas que no exigen respuesta en tiempo real, como etiquetado, resúmenes, clasificación sin conexión o traducción masiva, pueden evaluarse en el nivel Batch. Se sacrifica tiempo de espera a cambio de un nivel de precio distinto; el descuento y las restricciones concretas figuran en la página de precios.

Reintentos. Los reenvíos tras un 429, un tiempo de espera agotado o una conexión interrumpida aumentan el volumen real de solicitudes. Si las solicitudes fallidas se cobran y si un reintento duplica el cobro deben confirmarse en la factura y en las indicaciones oficiales. En ingeniería conviene usar espera exponencial, fijar un número máximo de reintentos y hacer idempotentes las operaciones de creación, para evitar «pagar dos veces y obtener un solo resultado».

5. Estimar con usage y registros reales

No adivines los tokens contando palabras. Lee el campo usage de la respuesta después de cada llamada y registra los datos durante una semana; así obtendrás la estructura real de tu negocio. El siguiente código llama a través de una interfaz compatible con OpenAI y lee el nombre del modelo desde una variable de entorno, para no fijar nombres que cambian.

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["ZSQH_API_KEY"],
    base_url="https://ai.zhongshangqihang.com/v1",
)

resp = client.chat.completions.create(
    model=os.environ["MISTRAL_MODEL"],  # consulta el nombre en la página de precios
    messages=[
        {"role": "system", "content": "Eres un asistente de atención al cliente. Responde en no más de tres frases."},
        {"role": "user", "content": "¿Se puede cambiar la dirección de envío después del despacho?"},
    ],
    max_tokens=256,
)

u = resp.usage
print("Entrada", u.prompt_tokens)
print("Salida", u.completion_tokens)
print("Total", u.total_tokens)

Los campos que conviene registrar incluyen, como mínimo: fecha, proyecto, modelo, tokens de entrada, tokens de salida, si hubo acierto de caché, número de reintentos y si la respuesta fue en streaming. El importe se calcula a fin de mes con la tarifa de la página de precios; los indicadores de proceso deben revisarse todos los días.

6. De la estimación a la factura: qué margen dejar en el presupuesto

Al presupuestar, conviene estimar por separado cuatro bloques y luego sumarlos: consumo base, consumo en picos, reintentos y fallos, y fallos de caché.

Al conciliar, presta atención a tres diferencias de criterio:

  • El saldo prepago suele descontarse sobre importes con impuestos, mientras que el límite de gasto suele calcularse sobre importes antes de impuestos; ambos pueden no coincidir.
  • El límite de gasto mensual de la organización afecta a todos los workspaces, y el límite de un workspace no puede superar el de la organización.
  • Si el saldo es insuficiente, las solicitudes que exceden el consumo incluido en el plan pueden devolver HTTP 402; no es un fallo del modelo, sino un estado de facturación.

El panel de facturación de Mistral ofrece una lista de facturas y descarga en PDF; la recarga prepaga, las tarifas del plan y los cargos por uso aparecen por separado. Para reembolsos empresariales, archiva juntas la factura, el número de pedido, el comprobante de pago y el detalle de consumo. El proceso concreto de emisión puede consultarse en la guía de recarga de la API de Mistral de este sitio.

7. El orden de reducción de costos no debe invertirse

  1. Cuantificar primero: calcula con usage y registros la estructura de entrada y salida de cada función, sin guiarte por impresiones.
  2. Mejorar después los aciertos de caché: fija el system prompt, las definiciones de herramientas y el prefijo de conocimiento, y mueve el contenido dinámico al final.
  3. Reducir luego la entrada: resume el historial, recupera solo fragmentos relevantes y conserva únicamente los campos necesarios de la salida de herramientas.
  4. Limitar la salida: configura un max_tokens razonable, pide campos fijos o JSON y reduce las explicaciones repetidas.
  5. Enrutar por modelo: usa modelos ligeros para clasificación, extracción y reescritura, y escala a modelos mayores solo para razonamiento complejo.
  6. Evaluar el procesamiento por lotes: envía a cola las tareas que no requieren tiempo real a cambio de un nivel de precio distinto.
  7. Supervisar y alertar: revisa el consumo por proyecto, modelo y escenario, y configura límites de presupuesto y avisos de saldo.

Si se invierte el orden, el resultado habitual es este: se cambia a un modelo más barato, pero la entrada no se ha ordenado ni la caché acierta, la factura apenas baja y la calidad se deteriora primero.

Preguntas frecuentes

¿La API de Mistral cobra por número de llamadas o por tokens?

Los modelos de lenguaje cobran por tokens de entrada y de salida, no por número de llamadas. Los modelos especializados de OCR, transcripción de voz y síntesis de voz usan unidades independientes como páginas, minutos o caracteres; consulta la página oficial de precios.

¿Por qué la factura crece más rápido cuanto más largo es el contexto?

Porque cada ronda reenvía el historial y los tokens de entrada se acumulan. Aunque la pregunta nueva sea muy corta, si el historial no se recorta, el costo sigue subiendo.

¿Por qué no funciona la entrada en caché?

La causa habitual es un prefijo inestable: marcas de tiempo, identificadores aleatorios o datos de usuario al inicio, o un reordenamiento de herramientas y documentos en cada llamada. Mueve primero el contenido variable al final de la solicitud y observa durante un tiempo.

¿Se cobran las solicitudes reintentadas?

Depende de si el fallo ocurre antes o después del cobro y del criterio de facturación vigente del proveedor. En ingeniería conviene limitar el número de reintentos, aplicar espera progresiva e idempotencia en las operaciones de escritura para evitar consumo duplicado.

¿Qué hago si la estimación no coincide con la factura?

Revisa primero si faltan el historial de mensajes, las definiciones de herramientas, los reintentos, los fallos de caché o las diferencias de nivel de procesamiento por lotes; después compara el identificador de solicitud con los registros de consumo. Si la diferencia persiste, revisa juntos el detalle de la factura y los registros de uso.

Próximos pasos

Crea primero una clave de prueba en el gateway de IA de ZSQH, ejecuta tareas reales durante una semana y registra entrada, salida y aciertos de caché. Después convierte el consumo en presupuesto con los precios de modelos. La disponibilidad y las tarifas de los modelos se rigen por la página de precios.

Lecturas relacionadas: