Claude Opus 4.8 vs GPT-5.5 vs Gemini 3.1 Pro: comparación de precios de API para contexto largo

La página de GPT-5.5 de OpenAI indica una ventana de contexto de 1.050.000 tokens y $5 de entrada / $30 de salida por 1M de tokens. Anthropic lista Claude Opus 4.8 a $5 / $25 con contexto de 1M en la Claude API. Google pone precio a Gemini 3.1 Pro Preview en $2 / $12 hasta prompts de 200K tokens, y luego $4 / $18 por encima de 200K.

Esa es toda la batalla del contexto largo en una frase: GPT-5.5 te da la mayor ventana declarada y una tarifa de salida premium, Claude Opus 4.8 iguala el flujo de trabajo de la clase 1M con salida más barata, y Gemini 3.1 Pro Preview tiene la ventaja de precio más marcada, especialmente cuando tus prompts se mantienen por debajo de 200K tokens.

La tabla de precios que los desarrolladores realmente necesitan

Estos son los precios de lista actuales de las API de primera mano según la documentación de los proveedores, comprobados en páginas oficiales el 15 de junio de 2026.

Modelo	Entrada / 1M tokens	Salida / 1M tokens	Contexto máximo	Límite de salida	Escalón de precio
GPT-5.5	$5.00	$30.00	1,050,000	128,000	No se muestra tramo por tamaño de prompt
Claude Opus 4.8	$5.00	$25.00	1M en Claude API	128,000	No se muestra tramo por tamaño de prompt
Gemini 3.1 Pro Preview	$2.00 hasta prompt de 200K, $4.00 por encima	$12.00 hasta prompt de 200K, $18.00 por encima	1M de entrada	64K	El precio de entrada se duplica por encima de 200K

La documentación del modelo de OpenAI describe GPT-5.5 como un modelo de frontera para trabajo profesional complejo y lista $5 de entrada, $0.50 de entrada en caché y $30 de salida por 1M de tokens, además de la ventana de 1.050.000 tokens (OpenAI). La página pública de precios de Anthropic lista Opus 4.8 a $5 de entrada, $25 de salida, $6.25 de escritura en caché y $0.50 de lectura de caché por millón de tokens (precios de Anthropic). Sus notas del modelo Opus 4.8 dicen que el modelo admite contexto de 1M tokens por defecto en la Claude API, Amazon Bedrock y Vertex AI, con 200K en Microsoft Foundry (documentación de Anthropic). La página de precios de Gemini de Google lista gemini-3.1-pro-preview a $2 / $12 para prompts de hasta 200K tokens y $4 / $18 por encima de 200K (precios de Google); la guía de Gemini 3 lista contexto de entrada de 1M y hasta 64K de salida para los modelos Gemini 3 (guía de Google Gemini 3).

La trampa: “por 1M de tokens” hace que los precios parezcan lineales. Gemini no es totalmente lineal. El tramo por tamaño de prompt importa.

El salto de coste: 200K tokens es la línea

Para muchos agentes de desarrollo, 200K tokens no es una cifra grande. Un repo mediano más package-lock.json, unos cuantos archivos generados y un documento de diseño pueden superarla. Un corpus de contratos legales o un archivo de soporte al cliente puede hacer lo mismo aún más rápido.

Ejemplos aproximados de coste de primera mano:

Carga de trabajo	GPT-5.5	Claude Opus 4.8	Gemini 3.1 Pro Preview
100K entrada + 10K salida	$0.80	$0.75	$0.32
250K entrada + 25K salida	$2.00	$1.88	$1.45
1M entrada + 50K salida	$6.50	$6.25	$4.90

Supuestos: solo precios estándar de tokens de texto, sin descuentos por lotes, sin ahorros de caché específicos del proveedor, sin cargos extra por herramientas, y aplicando el tramo superior de Gemini cuando el prompt supera los 200K tokens. Las facturas reales pueden variar si usas caché de prompts, APIs batch, modos de prioridad, modos rápidos, herramientas o reintentos.

La conclusión útil es sencilla. Por debajo de 200K tokens de prompt, Gemini 3.1 Pro Preview es drásticamente más barato a precio de lista. Por encima de 200K, todavía queda por debajo de GPT-5.5 y Opus 4.8 en estos ejemplos, pero la diferencia se estrecha. Claude y GPT tienen superficies de precio más planas, así que prever costes es más fácil cuando el tamaño del prompt varía muchísimo.

Ventana de contexto no es lo mismo que contexto útil

Una ventana de 1M tokens te permite saltarte parte de la ingeniería de recuperación. No elimina la necesidad de selección, compresión y evaluaciones.

Para análisis de repos completos, seguiría evitando volcar todo el repositorio por defecto. Dale primero al modelo un manifiesto: árbol de archivos, metadatos de paquetes, scripts de build, grafo de dependencias, archivos modificados recientemente y fallos de tests. Luego añade los archivos que importan. El contexto largo se aprovecha mejor como margen de maniobra, no como excusa para dejar de diseñar el agente.

Anthropic posiciona explícitamente Claude Opus 4.8 para “razonamiento complejo, programación agéntica de largo horizonte y trabajo de alta autonomía” en sus notas del modelo (documentación de Anthropic). La misma página destaca mejoras en programación agéntica de largo horizonte, activación de herramientas, recuperación tras compactación y calidad en contexto largo. Esos son exactamente los modos de fallo que aparecen en agentes de programación reales después de la segunda hora: restricciones olvidadas, llamadas a herramientas omitidas y mala recuperación tras la sumarización.

OpenAI posiciona GPT-5.5 para “programación y trabajo profesional” y le da la mayor ventana de contexto listada aquí: 1.050.000 tokens (OpenAI). Esos 50K adicionales sobre un 1M nominal no son por sí solos un motivo para elegirlo, pero sí son un margen útil cuando tu capa de orquestación añade mensajes de sistema, esquemas de herramientas, trazas y archivos recuperados.

Google describe Gemini 3.1 Pro Preview como el modelo Pro para amplio conocimiento del mundo, razonamiento avanzado entre modalidades, capacidades agénticas y vibe-coding en la página de precios y la guía de Gemini 3 (precios de Google, guía de Google Gemini 3). También admite una variante gemini-3.1-pro-preview-customtools, que Google sugiere cuando las apps combinan Bash y herramientas personalizadas y necesitan que el modelo priorice las herramientas personalizadas. Es una pista muy específica para quienes construyen agentes.

Elecciones por escenario

Si estás construyendo un agente de programación para repos completos, empieza con Claude Opus 4.8 o GPT-5.5, y luego haz benchmarking de Gemini 3.1 Pro Preview con tus propias trazas. La tarifa de salida de $25 de Claude le da una ventaja directa de coste frente a GPT-5.5 para planificación detallada de parches, revisión de código y bucles de herramientas de varios pasos. GPT-5.5 tiene la mayor ventana declarada y un posicionamiento fuerte para programación/trabajo profesional. Yo elegiría GPT-5.5 cuando el flujo de trabajo se beneficie del ecosistema de la Responses API de OpenAI o cuando tu stack actual ya sea nativo de OpenAI.

Si estás construyendo un agente de análisis intensivo en documentos, Gemini 3.1 Pro Preview es el primer modelo que probaría en coste. Con 100K de entrada y 10K de salida, la estimación a precio de lista es $0.32, menos de la mitad que Claude Opus 4.8 y GPT-5.5 en la tabla anterior. Si tus prompts suelen cruzar los 200K, vigila el salto. El salto no es fatal, pero cambia tu objetivo de optimización: mantén el boilerplate repetido con frecuencia en caché o resumido, y evita adjuntar cada página de PDF cuando basta con un subconjunto enrutado.

Si necesitas previsión de costes estable, Claude Opus 4.8 es el más limpio de los tres. La misma entrada de $5 que GPT-5.5, salida más barata, contexto de 1M y sin tramo de prompt de 200K en los precios listados. Para equipos que venden ejecuciones de agentes como funcionalidad, un coste de salida predecible importa.

Si necesitas el punto de entrada flagship de contexto largo más barato, Gemini gana en precio de lista de primera mano. La contrapartida es el estado preview y el límite de tramo. Trátalo como un candidato serio, no como una elección por defecto para siempre.

Un patrón de enrutamiento práctico

No codifiques de forma rígida un único modelo flagship en tu producto. Enruta por tamaño de prompt, riesgo de salida y tipo de tarea.

Una política inicial razonable:

if prompt_tokens <= 200_000 and task is document-heavy:
    try Gemini 3.1 Pro Preview
elif task is long-running coding agent:
    try Claude Opus 4.8
elif task needs OpenAI-native agent tooling or the largest listed window:
    try GPT-5.5
else:
    run a small eval set across all three

Si quieres probar estos modelos sin cablear tres proveedores, onehop es el camino fácil: cambia una URL base a https://api.onehop.ai/v1, usa llamadas compatibles con OpenAI/Anthropic y enruta Claude, GPT y Gemini desde un único lugar. onehop dice que es más barato que los proveedores de primera mano, da a las cuentas nuevas $10 de crédito gratis y no requiere tarjeta.

Ejemplo con el estilo del SDK de OpenAI:

from openai import OpenAI

client = OpenAI(
    api_key="ONEHOP_API_KEY",
    base_url="https://api.onehop.ai/v1",
)

response = client.chat.completions.create(
    model="claude-opus-4-8",
    messages=[
        {"role": "user", "content": "Review this repo manifest and list the riskiest files."}
    ],
)

print(response.choices[0].message.content)

Lo importante no es el SDK. Es la disciplina: misma tarea, mismos archivos, misma rúbrica de puntuación, tres modelos. Mide el coste por ejecución exitosa, no el coste por token de forma aislada.

Conclusión

Para el 15 de junio de 2026, mis recomendaciones por defecto son:

• Elige primero Gemini 3.1 Pro Preview para cargas de trabajo intensivas en documentos por debajo de 200K tokens de prompt.
• Elige primero Claude Opus 4.8 para agentes de programación de larga duración donde importan el coste de salida y la fiabilidad de herramientas.
• Elige primero GPT-5.5 cuando quieras infraestructura de agentes nativa de OpenAI o la mayor ventana de contexto listada.
• Vuelve a probar por encima de 200K tokens, porque el tramo de precio de Gemini cambia las cuentas.
• Usa caché de prompts y enrutamiento antes de convertir tu prompt optimizado en un blob gigante y caro.

El contexto largo ya es un requisito básico. La verdadera elección es dónde gasta dinero tu agente: volumen de entrada, verbosidad de salida, reintentos o errores con herramientas. Si quieres un único endpoint para compararlos rápidamente, puedes llamar a Claude y otros modelos en onehop, luego registrarte para obtener $10 de crédito gratis y ejecutar tus propias trazas de evaluación antes de comprometerte.