Simon Willison ha publicado la versión 0.35 de llm-gemini, el plugin que conecta su herramienta de línea de comandos LLM con los modelos de Google. El motivo: dar soporte a Gemini 4 Argon, que Google abrió el mismo día por API y para quien tenga el plan de suscripción de cien dólares al mes.
Qué ha pasado
El ritual de siempre: Willison le pide al modelo un pelícano montando en bici dibujado en SVG, en sus tres niveles de esfuerzo —bajo, medio y alto— y los tres salen bien. Él mismo apunta que Google lleva tiempo destacando en esto, y que es el único laboratorio del que le consta que han trabajado el SVG a propósito. La ilustración del nivel alto le costó 17,166 céntimos de dólar.
Los números de la tarifa, que son lo que me interesa:
- Al salir, dos dólares por millón de tokens de entrada y diez por millón de salida.
- Eso lo deja empatado con GPT-6 Sol. Opus 5.5 cobra el doble por lo mismo; Fable 5.1 y GPT-6 Astra, cinco veces más.
- El 1 de diciembre el precio se duplica. A partir de ahí, Argon costará lo mismo que Opus 5.5.
- En el banco de pruebas de Artificial Analysis, que publica lo que cuesta ejecutar su batería completa con cada modelo, Argon se va a 2.407 dólares: cerca de GLM-5.3 y bastante por debajo de lo último de OpenAI, Anthropic y Meta. Incluso con el precio duplicado se quedará un pelín por debajo de GPT-6 Astra.
Y una coletilla que dice mucho del momento: el gráfico comparativo lo retocó con ChatGPT porque una de las cajas de datos se le solapaba con otra. Verificó los datos después.
Por qué importa
La frase clave de la entrada original es esta, y conviene leerla despacio:
Prices like this aren't really comparable these days since what really matters is how many tokens a model takes to achieve a goal within an agentic harness.
Traducido al día a día: el precio por millón de tokens ya no te dice casi nada. Lo que te cobran al final del mes es precio por token multiplicado por tokens consumidos, y la segunda parte varía muchísimo entre modelos. Uno barato que da cinco vueltas antes de acertar te sale más caro que uno caro que acierta a la primera. Por eso el dato de Artificial Analysis —coste total de completar la misma batería— es más útil que cualquier tabla de tarifas.
Si mantienes algo que llama a un modelo en producción, de aquí salen dos deberes concretos:
- Mide coste por tarea, no por token. Coste por factura procesada, por ticket clasificado, por expediente resuelto. Es el único número que sobrevive a un cambio de modelo. Si no lo tienes instrumentado, hoy es buen día: lo que gastas por llamada ya lo devuelve la propia API en los metadatos de uso.
- Pon el 1 de diciembre en el calendario. Cualquier cuenta de rentabilidad que hagas estas semanas con Argon está equivocada por un factor de dos a partir de esa fecha. No es una letra pequeña: es una subida anunciada con nombre y día.
Y un detalle que me gusta de llm-gemini: soporte el mismo día del lanzamiento, en un plugin de una sola persona. Un modelo nuevo deja de ser una integración de tres semanas y pasa a ser cambiar una cadena de texto. Eso es lo que hace que la portabilidad entre proveedores sea real y no un párrafo en una propuesta.
Qué no cambia
Que un modelo dibuje pelícanos preciosos no predice que vaya a leer bien tus albaranes. El test de Willison es un termómetro divertido y honesto —él mismo lo cuenta como tal—, pero lleva años circulando y los laboratorios lo saben: cuando un laboratorio presume de sus pelícanos, el test ha dejado de ser independiente. Ley de Goodhart de manual.
Tampoco cambia que un dato de un benchmark público es un dato de ese benchmark, no de tu carga. Argon queda bien en coste total ahí; en tu caso, con tus prompts, tus herramientas y tus reintentos, puede quedar en otro sitio. Y el precio de salida es justo eso, precio de salida: ya sabemos que caduca en diciembre.
Nuestra lectura
Lo que me parece mal aquí no es la subida, es la forma. Lanzar a mitad de precio con fecha de vencimiento es una promoción de captación, y las promociones de captación funcionan porque sabes que mover un proveedor cuesta. Para cuando llegue diciembre, el que haya montado su cadena de agentes sobre Argon se lo pensará dos veces antes de rehacerla. No es malvado: es el mismo manual del hosting barato el primer año. Pero conviene llamarlo por su nombre y no confundir una oferta con una tendencia.
Dicho eso, me parece mucho más sano anunciar la subida con tres meses de antelación que meterla por sorpresa en una nota de la documentación. Prefiero un proveedor que me dice «esto sube el día 1» a uno que me lo cuenta en la factura.
El patrón ya lo hemos visto este otoño con las bajadas de GPT-6 y Opus 5.5: las tarifas se mueven cada pocas semanas y el que ate su arquitectura a un modelo concreto se come cada vaivén. Lo que yo haría —lo que hago— es tener la llamada al modelo detrás de una capa propia, con el nombre del modelo en configuración, y una batería de veinte o treinta casos reales con su resultado esperado. Cambiar de proveedor pasa a ser una tarde de pruebas en vez de un proyecto.
Esto es justo lo que nos encontramos cuando alguien nos pide meter un modelo dentro de un proceso de empresa: la discusión empieza en qué modelo es mejor y acaba, siempre, en cuántas veces hay que repetir la llamada porque el dato de entrada venía sucio. Ahí es donde se va el dinero, no en la tarifa.
La fuente, con los pelícanos y el gráfico, en el blog de Simon Willison.
Cualquier duda me dices y lo vemos.
Un saludo, Vicente.