Calculadora de costes de agentes de investigación con IA
Estima gratis y online el coste operativo de tu agente de investigación con IA. Modela el volumen de consultas de búsqueda, los costes de scraping web, las iteraciones de razonamiento del LLM y la generación del informe, y compara entre 11 LLM con previsiones de gasto diario, mensual y anual.
Estimate the operating cost of an AI research agent. Model search query volume, web scraping, multi-step LLM reasoning loops, final report generation, and optional embedding deduplication - then forecast daily, monthly, and yearly spend.
Multi-angle topic investigation with synthesis
Search & Web Scraping (per task)
Full results API - $5/1K queries
LLM Reasoning Loop (per task)
Final Report / Summary
Model & Overhead
Monthly Research Agent Cost - GPT-4o mini
Cost / Task
$0.1329
LLM Cost
$0.0108
Search Cost
$0.0500
Scrape Cost
$0.0600
Cost Breakdown per Research Task
Forecast Summary
Daily
$3.99
30 tasks
Monthly
$119.59
900 tasks
Yearly
$1,455.04
10,950 tasks
LLM Model Comparison
Sorted by lowest cost| Model | Cost/Task | Monthly Total |
|---|---|---|
GPT-4o miniOpenAIBudget Selected $0.15/M in · $0.60/M out | $0.1329 | $119.59 |
DeepSeek-V3DeepSeekBudget $0.27/M in · $1.10/M out | $0.1426 | $128.32 |
Gemini 2.5 FlashGoogleBudget $0.30/M in · $2.50/M out | $0.1576 | $141.87 |
Claude 3.5 HaikuAnthropicBudget $0.80/M in · $4.00/M out | $0.1923 | $173.05 |
o4-miniOpenAIBudget $1.10/M in · $4.40/M out | $0.2081 | $187.31 |
Mistral LargeMistral $2.00/M in · $6.00/M out | $0.2596 | $233.64 |
Gemini 2.5 ProGoogleCapable $1.25/M in · $10.00/M out | $0.2695 | $242.55 |
o3OpenAICapable $2.00/M in · $8.00/M out | $0.2794 | $251.46 |
GPT-4oOpenAICapable $2.50/M in · $10.00/M out | $0.3190 | $287.10 |
Claude 3.7 SonnetAnthropicCapable $3.00/M in · $15.00/M out | $0.3883 | $349.47 |
Grok 3xAI $3.00/M in · $15.00/M out | $0.3883 | $349.47 |
* Search, scraping, and embedding costs are identical across all models. Only LLM costs vary.
Las cuatro capas de coste de un agente de investigación
El coste de un agente de investigación es la suma de búsquedas, descargas de páginas, iteraciones de razonamiento e informe final. Cambiar cualquiera de esos factores puede multiplicar el gasto por tarea, así que conviene modelarlos por separado.
Introduce el número de consultas por tarea, las páginas por consulta, las iteraciones del LLM, los tokens por iteración y la longitud del informe para ver el coste por tarea y la previsión del periodo.
- API de búsqueda: coste por consulta según el proveedor elegido.
- Scraping: coste por página descargada y volumen por consulta.
- Bucle de razonamiento: tokens de entrada y salida por cada iteración del LLM.
- Informe final: contexto grande con salida larga al precio de tokens de salida.
- Deduplicación con embeddings para omitir páginas casi idénticas.
Cómo reducir el coste por tarea
Las mayores palancas suelen ser el número de iteraciones y el modelo elegido, no el proveedor de búsqueda. Profundizar una iteración más cuesta más que decenas de consultas adicionales de búsqueda.
- Limita las iteraciones de razonamiento al mínimo necesario para la calidad exigida.
- Usa modelos pequeños y baratos para clasificar y extraer, y otro mejor solo para el informe.
- Recorta el contexto por iteración resumiendo el contenido scrapeado en lugar de arrastrarlo entero.
- Activa la deduplicación por embeddings si descargas muchas páginas por consulta.
Diseñar el presupuesto del agente
Separa el coste variable por tarea del coste fijo de la plataforma y multiplica por tu volumen esperado. Así ves si el cuello de botella del presupuesto está en el modelo o en el volumen.
- Calcula el coste por tarea y multiplícalo por las tareas diarias previstas.
- Deja un margen para reintentos, páginas que fallan y variaciones de longitud.
- Compara varios LLM con el mismo flujo antes de fijar el modelo por defecto.
- Revisa los precios de los proveedores cada trimestre: cambian con frecuencia.
Preguntas frecuentes
Es una herramienta que estima el gasto operativo total de un agente autónomo que busca en la web, lee páginas y sintetiza información con un LLM. Tiene en cuenta el coste de las consultas de búsqueda, el scraping web, los bucles de razonamiento del LLM en varios pasos y la generación del informe final, y te da una previsión realista por tarea y mensual antes de construirlo o escalarlo.
El coste total tiene cuatro componentes principales: (1) el coste de API de búsqueda por consulta, (2) el coste de scraping por página descargada, (3) el coste de tokens del LLM en cada iteración de razonamiento, incluyendo el contexto de entrada y los tokens de salida del razonamiento, y (4) los tokens de generación del informe final. Un quinto componente opcional es la deduplicación por embeddings, que añade un pequeño coste de API de embeddings pero puede ahorrar tokens al omitir páginas casi duplicadas.
La calculadora incluye costes predefinidos para la API de Brave Search (5 $/1000), Bing Search v7 (7 $/1000), Serper.dev (1 $/1000), SerpAPI (5 $/1000), la búsqueda neuronal de Exa.ai (10 $/1000) y Tavily Research API (4 $/1000). También puedes introducir un coste personalizado por consulta si usas otro proveedor o has negociado precios.
Durante el bucle de razonamiento, el agente envía contextos de entrada grandes (contenido scrapeado + borrador de trabajo) y genera salidas intermedias más cortas: notas de análisis, ranking de fuentes y extracciones estructuradas. El paso del informe final usa un contexto de entrada similar pero genera una salida mucho más larga (el informe completo), facturada a la tarifa de tokens de salida, habitualmente mayor. La calculadora separa estas dos bolsas de coste del LLM para estimar con precisión.
Los costes varían mucho según la configuración. Una verificación rápida con 3 consultas, 2 páginas cada una y 2 iteraciones del LLM en GPT-4o mini cuesta normalmente 0,01-0,05 $ por tarea. Una investigación profunda con 10 consultas, 3 páginas cada una y 5 iteraciones en GPT-4o suele costar 0,20-1,00 $ por tarea. La cifra exacta depende sobre todo del número de páginas, la profundidad de las iteraciones, la longitud del informe y el modelo elegido.
La deduplicación por embeddings tiene sentido económico cuando tu ratio de páginas por consulta es alto (3 o más) y hay un solapamiento temático importante entre las páginas scrapeadas. Si el agente descarga muchas páginas que repiten el mismo contenido, omitirlas por similitud de embeddings reduce los tokens de entrada del LLM, que normalmente cuestan mucho más que el propio embedding. Con poco volumen de páginas o contenido muy original, la deduplicación añade coste sin ahorro relevante.
Sí. La calculadora funciona íntegramente en el lado del cliente, en tu navegador. No se envía a ningún servidor ningún parámetro de uso, cifra de coste ni detalle de configuración. Todo se calcula localmente en tu dispositivo y no hace falta cuenta ni registro. Tus estimaciones permanecen 100 % privadas.
Las estimaciones se basan en las tarifas públicas estándar de las API en el momento de su publicación. Los costes reales pueden variar por actualizaciones de precios de los proveedores, descuentos por volumen, facturación regional o planes empresariales personalizados. La calculadora está pensada para planificar y presupuestar: contrasta siempre con la página de precios actual de tu proveedor antes de comprometer un presupuesto.