La API de Qwen es la interfaz de llamada a los modelos Tongyi Qianwen que ofrece Alibaba Cloud Model Studio (Bailian). Los desarrolladores suelen llamar DashScope a la capa de API y SDK de este servicio. Hay tres nombres, pero una sola lógica de facturación: se cobra por uso real y la entrada y la salida se calculan por separado.

Este artículo no fija precios unitarios, porque las versiones de modelo, los niveles de contexto y las promociones cambian. Explicamos dónde se va el dinero, por qué el contexto largo tiende a salirse del presupuesto, cómo usar caché y Batch, y cómo estimar el gasto mensual con registros reales. Los precios vigentes se rigen por la página de precios de modelos de este sitio y por la página de precios oficial de Alibaba Cloud Model Studio.

Nota: Qwen, Tongyi Qianwen, Alibaba Cloud, Bailian, Model Studio y DashScope son marcas comerciales de sus titulares. Este artículo solo tiene fines técnicos y no implica relación de subordinación ni agencia con Alibaba Cloud. Las reglas de facturación y los precios pueden cambiar; verifica la documentación oficial antes de contratar.

1. Primero, aclara los nombres: Bailian, Model Studio y DashScope

Estos tres nombres se usan a menudo como sinónimos, pero no se refieren a la misma capa:

  • Alibaba Cloud Bailian (Model Studio): nombre de producto y consola en chino; aquí se gestionan la habilitación de modelos, las API Keys, el uso y la facturación.
  • Alibaba Cloud Model Studio: nombre de producto en inglés que se usa en el sitio internacional; sus capacidades corresponden a Bailian, aunque la región y la moneda de facturación pueden variar.
  • DashScope: nombre de la capa de API y SDK; aparece en la Base URL, en la variable de entorno DASHSCOPE_API_KEY y en documentación antigua.

Al llamar, lo que realmente hay que confirmar son tres cosas: la región (Pekín, Singapur, etc.), la Base URL y el ID del modelo. Si los tres no coinciden, el error más común no es saldo insuficiente, sino fallo de autenticación o modelo inexistente.

2. El nivel del modelo determina el techo de costo

Los modelos de texto Qwen suelen dividirse en tres niveles; en 2026 los representantes habituales son Qwen-Max, Qwen-Plus y Qwen-Flash:

Nivel ID de modelo representativo Posición Tareas adecuadas Orden de costo
Max qwen3.8-max Razonamiento complejo y tareas de varios pasos Código, agentes, análisis profundo Alto
Plus qwen3.7-plus Equilibrio entre capacidad, velocidad y costo Atención al cliente, redacción, procesamiento de documentos Medio
Flash qwen3.8-flash Baja latencia y bajo costo Clasificación, extracción, reescritura, enrutamiento Bajo

Los ID de modelo se actualizan; al comprar, no memorices nombres rígidos. Es más seguro vincular el «tipo de tarea» con el «nivel»: Flash por defecto para tareas simples, Plus para tareas cotidianas y Max solo cuando de verdad haga falta razonamiento de varios pasos. Usar Max en todo el sitio no garantiza mejores resultados, pero sí una factura más alta.

3. Unidad de facturación: entrada, salida y multimodalidad

Los modelos de texto cobran por separado los tokens de entrada y los de salida; las tablas de precios oficiales suelen mostrarlos por millón de tokens. El costo de una solicitud se puede expresar así:

costo por solicitud =
  tokens de entrada sin caché × precio de entrada
+ tokens con acierto de caché × precio de acierto de caché
+ tokens de salida × precio de salida

La multimodalidad se analiza aparte: la generación de imágenes suele cobrarse por cantidad de imágenes generadas correctamente, el audio se prorratea por duración y los modelos Omni y Realtime tienen precios distintos por modalidad (texto, imagen, audio). Si mezclas estos costos en el presupuesto de texto, a fin de mes las cuentas no cuadrarán.

Además, modelos de traducción como Qwen-MT-Uni solo cobran tokens de entrada; en algunos modelos, el modo de razonamiento factura los tokens de salida con un criterio distinto al de una respuesta normal. Para cada modelo, revisa primero la columna de «conceptos facturables» de la tabla de precios y no apliques el precio de otro modelo.

4. Contexto largo: el nivel se aplica a toda la solicitud

Esta es una de las reglas más fáciles de pasar por alto en la facturación de Qwen. La tabla oficial de precios divide por niveles según el total de tokens de entrada de cada solicitud. Los niveles habituales son:

  • 0 < tokens ≤ 32K
  • 32K < tokens ≤ 128K
  • 128K < tokens ≤ 256K
  • 256K < tokens ≤ 1M

La clave está en que el nivel se aplica a «toda la solicitud»: todos los tokens de esa solicitud (incluida la salida) se liquidan al precio del nivel en el que cae, y no se acumulan los primeros 32K a precio bajo y el excedente a precio alto. Es decir, pasar de 31K a 33K de entrada puede no costar solo 2K más, sino cambiar el precio de toda la solicitud.

Por eso el contexto largo debe usarse con criterio. Al procesar contratos, artículos académicos o repositorios de código, hazte tres preguntas: ¿de verdad hace falta meter todo el contenido de una vez? ¿Se puede recuperar primero y luego concatenar? ¿Se puede procesar por segmentos y resumir al final? Muchas tareas se resuelven con «recuperación + resumen» a un costo muy inferior al de enviar todo el corpus. Si de verdad necesitas contexto largo, elige un modelo que admita el nivel correspondiente y comprueba la factura con una solicitud real.

5. Caché y Batch: ahorran, pero no se acumulan

La caché de contexto solo aplica descuento a los tokens de entrada. Puede ser explícita o implícita: la caché explícita requiere crear manualmente un punto de caché, y la creación puede facturarse a un precio superior al de entrada estándar, mientras que los aciertos se cobran con descuento; la caché implícita la detecta automáticamente la plataforma a partir de prefijos repetidos y está activada por defecto en algunos modelos. En los ejemplos oficiales, la creación de caché cuesta alrededor del 125 % del precio de entrada estándar y el acierto alrededor del 10 %, pero las proporciones varían según el modelo; rige la documentación de caché.

Batch es adecuado para tareas fuera de línea. Con los modelos compatibles, las llamadas Batch suelen calcular entrada y salida al 50 % del precio de inferencia en tiempo real, a cambio de mayor latencia y de la necesidad de orquestar tareas. Atención: el descuento de caché y el de Batch normalmente no se aplican a la vez; no los sumes en el mismo modelo de presupuesto.

Que la caché acierte depende de que el prefijo sea estable. Si el prompt de sistema, las definiciones de herramientas y los fragmentos de la base de conocimiento cambian de orden en cada llamada, la tasa de acierto será muy baja. La optimización básica consiste en poner el contenido estable al principio y el cambiante al final.

6. Reintentos, fallos y costos ocultos

La página oficial de facturación indica que las solicitudes fallidas no se cobran. Pero «fallida» significa que el servidor devolvió un error explícito; no incluye una nueva solicitud que el cliente lanza tras un tiempo de espera. Un reenvío por timeout, un usuario que hace clic varias veces o una cola que consume el mismo mensaje dos veces generan nuevas solicitudes facturables.

Los reintentos ante límites de tasa y errores 5xx deben ser contenidos: reintenta solo errores reintentables, usa retroceso exponencial, fija un número máximo de intentos y usa el ID de solicitud para la idempotencia. Cuando se interrumpe una conexión en streaming, si la parte ya generada se cobra o no se rige por la factura y las indicaciones oficiales; no tomes «los fallos son gratis» como excusa para reintentar sin límite.

Hay otro costo que suele ignorarse: el esfuerzo humano invertido en ahorrar en llamadas. Registros, monitoreo, evaluación y revisión manual también cuestan. Para reducir costos hay que mirar el costo total, no solo el precio unitario.

7. Estimar el presupuesto mensual con registros reales

No improvises el presupuesto. Sigue este orden:

  1. Exporta los registros de solicitudes de los últimos 7 días desde el gateway o la factura de Model Studio; deben incluir al menos ID de modelo, tokens de entrada, tokens de salida, acierto de caché y uso de Batch.
  2. Agrupa por modelo y nivel de contexto, y calcula el número de solicitudes y el promedio de tokens de cada grupo.
  3. Aplica la fórmula con los precios de la página vigente; recuerda que el contexto largo se cobra por el nivel de toda la solicitud.
  4. Multiplica por 30 días y añade un margen del 10 % al 20 % por reintentos y variaciones.
  5. Revisa una vez al mes y vuelve a estimar cuando actualices modelos o cambies los prompts.

Si el equipo llama a varios modelos, puede registrarse en ZSQH AI Gateway para consultar saldo y uso de forma unificada; los precios unitarios concretos siguen rigiéndose por la página de precios de modelos.

8. Orden para reducir costos

Ordenado por esfuerzo y retorno, suele ser así:

  1. Cuantificar primero: sin registros a nivel de solicitud, toda optimización es una conjetura.
  2. Elegir bien el nivel: baja las tareas simples a Flash; no uses Max para clasificar.
  3. Comprimir la entrada: recuperación, resumen y recorte del historial son más eficaces que cambiar de modelo.
  4. Limitar la salida: define max_tokens y pide salidas estructuradas.
  5. Estabilizar el prefijo: mejora la tasa de acierto de caché, pero confirma antes el costo de crearla.
  6. Usar Batch fuera de línea: para etiquetado, resumen o limpieza sin prisa, usa Batch.
  7. Controlar los reintentos: retroceso, idempotencia y deduplicación para que un fallo no se convierta en una factura doble.
  8. Configurar alertas de presupuesto: umbrales por proyecto, clave y modelo.

9. Preguntas frecuentes

¿Qué relación hay entre Qwen API, Bailian y DashScope?

Bailian es la plataforma de modelos de Alibaba Cloud, Model Studio es su nombre en el sitio internacional y DashScope es el nombre de la capa de API y SDK. Cuando se dice «llamar a Qwen API», normalmente se refiere a llamar a los modelos mediante la interfaz compatible de DashScope o la interfaz compatible con OpenAI de Bailian.

¿Por qué el contexto largo encarece toda la solicitud?

Porque el nivel de precio lo determina el total de tokens de entrada de la solicitud; al caer en un nivel alto, toda la entrada y la salida se liquidan a ese precio, no solo el excedente. Dividir 33K de entrada en dos solicitudes de 16K puede salir más barato que una de 33K, pero antes confirma que la división no degrade el resultado.

¿Se pueden usar caché y Batch al mismo tiempo?

Normalmente no se acumulan. La página oficial de precios indica que se elige una u otra. Para tareas fuera de línea, prioriza Batch; para tareas en línea frecuentes con prefijos estables, prioriza caché.

¿Se cobran las solicitudes fallidas?

La documentación oficial indica que no. Pero un reenvío tras un timeout del cliente, un envío duplicado o una reanudación después de una interrupción del streaming pueden generar nuevas solicitudes facturables. Usa el ID de solicitud y una clave de idempotencia para distinguir un «reintento» de una «solicitud nueva».

¿Por qué la factura de la consola no coincide con mi estimación local?

Hay cuatro causas habituales: no se aplicó el nivel de contexto, no se contó el costo de creación de caché, se sumaron Batch y caché, o no se incluyeron las solicitudes reintentadas. Concilia con el campo usage y el ID de solicitud; normalmente la diferencia se puede localizar en una solicitud concreta.

Siguiente paso

Exporta primero el uso real de la última semana, agrupa por modelo y nivel, y aplica los precios vigentes. Si necesitas recargar en yuanes y ver el consumo de varios modelos en un solo panel, regístrate en ZSQH AI Gateway; los precios concretos se rigen por la página de precios de modelos.

Lecturas relacionadas: