Ir al contenido principal
Plataforma

Te presentamos el Databricks AI Index: El estado de la tokenomía de la IA empresarial

Un índice dinámico con datos reales sobre la adopción de modelos de IA empresariales, los patrones de gasto y el rendimiento de los agentes de código

por The Databricks AI Product and Engineering Team

Los desarrolladores tienen más modelos de IA y agentes de código para elegir que nunca. Desde mayo de 2026, se ha lanzado un nuevo modelo estrella propietario o de pesos abiertos aproximadamente cada semana, o cada 3,7 días si se incluyen laboratorios regionales. Con tantas opciones, saber qué modelos rinden mejor, cuánto cuestan y cuándo cambiar es cada vez más difícil.

En Databricks, tenemos una perspectiva única sobre este panorama en rápida evolución. Miles de empresas utilizan Unity Gateway para acceder a los modelos de IA y gobernarlos, lo que nos aporta información sobre la adopción y el gasto en modelos en el mundo real. Databricks también aprovecha intensamente la IA de forma interna entre nuestros más de 12 000 empleados, y hemos invertido una investigación sustancial en evaluar la calidad y el costo de los nuevos modelos de frontera en tareas empresariales.

Hoy lanzamos el Databricks AI Index, un recurso público que reúne toda esta información. Los clientes nos han preguntado repetidamente cómo se comparan los nuevos modelos y qué estamos viendo en la adopción de IA empresarial para ayudar a fundamentar sus propias inversiones. Ahora, por primera vez, hacemos que nuestra suite de evaluación interna sea pública de forma permanente, con actualizaciones semanales a medida que evaluamos nuevos lanzamientos de modelos propietarios y de pesos abiertos.

Lo que mide el Databricks AI Index

El Index combina dos fuentes de datos complementarias:

Uso y gasto en IA empresarial. Datos agregados y anonimizados de más de 10 000 empresas que utilizan Unity Gateway, que abarcan desde nativos digitales hasta empresas de la lista Fortune 500 y Global 2000, incluido el tráfico hacia proveedores externos como Anthropic y OpenAI. El Index realiza un seguimiento de la adopción de modelos a través de la cuota de tokens y gasto entre modelos propietarios y de pesos abiertos, así como de los patrones de gasto en IA semanales para usuarios individuales.

Evaluaciones de agentes de código actualizadas continuamente. Tomando como base el benchmark de agentes de código que publicamos en julio, nuestras evaluaciones más recientes se basan en flujos de trabajo reales de agentes de código de los ingenieros de Databricks, capturados a través de Unity Gateway. Estos flujos de trabajo abarcan la creación y revisión de pull requests, la investigación de incidencias y la resolución de tareas de desarrollo complejas. Utilizar tareas de nuestra base de código privada y pruebas reservadas ayuda a reducir el riesgo de contaminación de los benchmarks a la vez que permite realizar comparaciones coherentes de las combinaciones de modelos y harnesses en términos de tasas de éxito de las tareas y costo por tarea completada.

En conjunto, estas fuentes de datos muestran qué modelos están adoptando las empresas, cómo rinden las diferentes combinaciones de modelos y harnesses, y cuánto cuestan. Aquí te presentamos algunos aspectos destacados:

Las preferencias de los modelos de IA están cambiando más rápido que nunca

Las empresas están cambiando cada vez más las cargas de trabajo entre versiones de modelos y proveedores. A mitad de año, la mayoría de las organizaciones confiaban en un puñado de modelos de Anthropic para la mayor parte de su trabajo. Hoy en día, la adopción está mucho más fragmentada entre versiones de modelos y proveedores por igual. La cuota de tráfico de tokens empresariales de OpenAI creció significativamente durante este periodo, impulsada en gran medida por sus modelos de la serie 6 Sol y Astra. Sin embargo, la calidad del modelo sigue influyendo fuertemente en la cuota de mercado del proveedor; cuando se lanzó Claude Opus 5.5, el impulso volvió a favor de Anthropic. En apenas seis semanas, Opus 5.5 pasó del 7,2 % al 37,9 % de los tokens de modelos propietarios, elevando la cuota general de Anthropic del 57,6 % al 68,8 %.

Modelo de IA

El patrón de cambio de cargas de trabajo entre modelos y proveedores coincide de manera agresiva con nuestra propia estrategia de IA en Databricks, donde evaluamos y desplegamos rápidamente nuevos modelos. Hace dos meses, presentamos un proceso interno de despliegue de modelos para el Día 1 que nos permite evaluar los nuevos lanzamientos en cuestión de días. Este proceso nos ha ayudado a gestionar los costos a la vez que aumentaba la calidad de los esfuerzos de IA internos. Por ejemplo, descubrimos que Opus 5.5 ofrecía una calidad mejorada con un costo por sesión un 29 % menor que su predecesor, lo que ayudó a fundamentar nuestra decisión de convertirlo en el modelo predeterminado para Claude Code.

Las empresas están adoptando modelos multi-AI y de pesos abiertos

Las empresas van más allá de un único proveedor de IA cada vez más. A fecha de julio, aproximadamente el 64 % de las empresas que utilizaban Unity Gateway dependían de un solo proveedor de modelos. Para el 2 de noviembre, esa cifra había bajado al 28 % a medida que más organizaciones adoptaban modelos de 2 o más proveedores.

Modelos multi-AI y de pesos abiertos

Los modelos de pesos abiertos están ganando terreno junto con este cambio. Su cuota de tráfico de tokens empresariales creció del 7,3 % en julio al 30,9 % en noviembre, multiplicándose por más de cuatro en menos de cuatro meses. Los modelos de pesos abiertos también son cada vez más competitivos frente a las alternativas propietarias. En nuestro benchmark de calidad de código, tres modelos de pesos abiertos se sitúan entre los 10 primeros, incluidos DeepSeek V4.1 y GLM 5.3, que ocupan el tercer puesto con una tasa de acierto del 93,1 %. En nuestra investigación sobre los modelos de pesos abiertos, encontramos que sus crecientes capacidades, su eficiencia de costos y su flexibilidad los están convirtiendo en una opción cada vez más atractiva para las empresas.

Modelos de pesos abiertosModelos de pesos abiertos

Ningún modelo o harness individual domina la frontera entre costo y calidad

Elegir el agente de código adecuado implica evaluar tanto el modelo como el harness que lo ejecuta. Nuestro benchmark de agentes de código más reciente evalúa modelos de nueve laboratorios de IA utilizando Claude Code y Codex. Cinco modelos de cuatro laboratorios (OpenAI, DeepSeek, Meta y Anthropic) se sitúan en la frontera de costo-calidad, ofreciendo las mejores compensaciones entre las tasas de éxito de las tareas y el costo.

OpenAI

Los resultados muestran por qué las clasificaciones de modelos por sí solas no cuentan toda la historia. Las empresas necesitan evaluar las combinaciones de modelos y harnesses frente a sus propias cargas de trabajo, utilizando datos de uso reales y trazas para comprender las compensaciones entre rendimiento y costo.

Utilizamos este enfoque internamente en Databricks. Al evaluar si debíamos actualizar de Opus 4.8 a Opus 5, analizamos la frontera de Pareto de costo-calidad y reprodujimos trazas de nuestras propias cargas de trabajo. Los resultados demostraron que la actualización no valía el costo adicional para nuestros casos de uso, por lo que decidimos mantenernos en la versión 4.8.

Los precios de los tokens no cuentan toda la historia de los costos de codificación con IA

Dos modelos pueden ofrecer un rendimiento en benchmarks casi idéntico a costos drásticamente diferentes. En nuestro benchmark de código, GPT-6 Luna y Claude Opus 5.5 alcanzaron una tasa de éxito de tareas del 89,1 %. Sin embargo, Luna promedió solo 0,05 $ por tarea en comparación con los 1,62 $ de Opus 5.5, lo que supone una diferencia de aproximadamente 32 veces.

El costo por tarea depende tanto de los precios de los tokens como de la cantidad de trabajo que un modelo debe realizar para llegar a una respuesta. Los turnos adicionales, las salidas largas y los intentos fallidos aumentan el costo. Gemini 3.8 Flash tiene un precio de token bajo, pero promedió 140 turnos por tarea y terminó siendo uno de los modelos más caros del benchmark con 11,97 $ por tarea. Para los agentes de código, unos precios de tokens más bajos no garantizan costos más bajos cuando los modelos requieren más trabajo para completar una tarea.

El modelo de IA con mejor rendimiento rara vez ofrece el mejor valor

Un mayor rendimiento en los benchmarks suele tener un precio elevado, y hasta las pequeñas mejoras en calidad pueden conllevar costos altos. Claude Fable 5.1 encabeza nuestro benchmark con una tasa de éxito de tareas del 96,0 % a un costo de 7,47 $ por tarea, mientras que Muse Wonder obtiene una puntuación del 94,9 % por solo 1,53 $. Ese 1,1 punto porcentual de rendimiento adicional cuesta casi cinco veces más. Las empresas parecen estar de acuerdo, y pudimos ver cómo la cuota de tokens propietarios de Fable 5.1 caía del 5,5 % al 0,6 % en 6 semanas desde su lanzamiento.

La pregunta para las empresas es cuánta calidad adicional requiere realmente una tarea. Los modelos prémium pueden valer la pena por el costo que suponen en trabajos complejos y de gran repercusión, pero alternativas menos costosas pueden ser suficientes para tareas rutinarias. El enrutamiento inteligente de modelos, como Smart Routing en Unity Gateway, puede ayudar a asignar las tareas a los modelos adecuados según la calidad y el costo.

El gasto en IA sigue estando muy concentrado

El gasto en IA varía enormemente entre los usuarios empresariales. Un desarrollador que ejecuta agentes de código durante todo el día tiene patrones de consumo muy diferentes a los de un empleado que le hace algunas preguntas a un asistente de IA al día. Nuestros datos destacan la marcada diferencia: el usuario mediano gastó solo $2.49 en IA, mientras que el usuario en el percentil 99 gastó $699.74, aproximadamente 281 veces más.

Gasto en IA

El gasto semanal medio más que se duplicó, pasando de $1.10 durante seis semanas, mientras que el gasto en los percentiles 90 y 99 se mantuvo relativamente estable. Esto sugiere que el consumo de IA está creciendo entre los usuarios típicos, pero un grupo pequeño todavía representa la mayor parte de la factura de IA.

Para las empresas, la tendencia hace que la visibilidad de la distribución del gasto sea especialmente importante. Comprender esas diferencias ayuda a las organizaciones a establecer presupuestos y controles de gasto más específicos sin restringir innecesariamente el uso.

Lleva estos conocimientos a la práctica con Unity Gateway

El Databricks AI Index revela tendencias en toda la industria sobre el uso de modelos, el rendimiento y los costos. Databricks Unity Gateway ayuda a las empresas a responder a estas tendencias en sus propias cargas de trabajo de IA:

Accede y cambia de modelo sin ataduras. Obtén acceso centralizado a modelos de vanguardia, de pesos abiertos y personalizados a través del servicio de modelos alojado en Databricks o conexiones con proveedores externos. Con la Unity Gateway CLI, los desarrolladores también pueden usar modelos aprobados en entornos de código compatibles como Claude Code y Codex.

Analiza tu propia tokenómica de IA. Utiliza los paneles de control de uso y las trazas unificadas de Unity Gateway para comprender el consumo de modelos, el gasto y la actividad de los agentes de código entre usuarios, equipos y aplicaciones. Puedes analizar y reproducir trazas para comparar el rendimiento y los costos de los modelos en tus propias cargas de trabajo, tal como lo hace Databricks internamente.

Optimiza la selección de modelos y los costos. Utiliza Smart Routing para asignar tareas de agentes de código a modelos rentables según la calidad y el rendimiento, y aplica presupuestos y límites de gasto para mantener el gasto en IA bajo control.

image1.png

Acerca de los datos

El Databricks AI Index combina datos de uso agregados y anonimizados de miles de empresas que utilizan Unity Gateway con puntos de referencia de agentes de código basados en solicitudes de incorporación de cambios (pull requests) reales del código base privado de Databricks. El gasto en modelos se estima utilizando los precios de los proveedores publicados públicamente, y los resultados de las pruebas comparativas se evalúan frente a pruebas ocultas en lugar de un juez de LLM. Los resultados reflejan las cargas de trabajo y los modelos evaluados y pueden variar según la organización. El conjunto de datos actual abarca del 21 de septiembre al 7 de noviembre de 2026.

Explora el índice completo

Explora el Databricks AI Index para ver las últimas tendencias de uso de modelos, puntos de referencia de agentes de código y comparaciones de costos. Continuaremos actualizando el índice con las últimas tendencias de uso empresarial y evaluaciones de agentes de código, brindando a los desarrolladores y a las empresas un recurso continuo para comparar modelos, rendimiento y costos.

¿Quieres analizar tu propio uso de IA, comparar modelos y optimizar costos? Comienza con la guía de inicio rápido de Unity Gateway.

Preguntas frecuentes

¿Qué es el Databricks AI Index?

El Databricks AI Index es un recurso público que realiza un seguimiento de la adopción de modelos de IA empresariales, las tendencias de gasto y el rendimiento de los agentes de código. Combina datos de uso agregados y anonimizados de miles de empresas que utilizan Databricks Unity Gateway con puntos de referencia de agentes de código basados en tareas de desarrollo reales. El índice se actualiza semanalmente a medida que se evalúan nuevos modelos.

¿Cómo se comparan los modelos de IA para tareas de programación?

Los modelos de IA para programación deben compararse según la tasa de éxito de las tareas, el costo por tarea y el rendimiento en diferentes entornos de agentes de código. El Databricks AI Index evalúa combinaciones de modelos y entornos utilizando flujos de trabajo de programación reales del código base privado de Databricks y pruebas ocultas para medir la calidad y el costo. Los resultados pueden variar según la carga de trabajo, por lo que las empresas también deben evaluar los modelos frente a sus propias tareas de desarrollo.

¿Por qué los modelos de IA más baratos pueden costar más de usar?

Los precios más bajos de los tokens no siempre se traducen en costos más bajos porque los modelos varían en la cantidad de trabajo que necesitan para completar una tarea. Los modelos que requieren más turnos de razonamiento, generan resultados más largos o realizan intentos repetidos pueden consumir más tokens en general. El costo por tarea completada suele ser una medida de la eficiencia de la IA más útil que el precio de los tokens por sí solo.

¿Son competitivos los modelos de IA de pesos abiertos con los modelos propietarios?

Sí, los modelos de IA de pesos abiertos son cada vez más competitivos con los modelos propietarios en cuanto a rendimiento de programación y eficiencia de costos. En la prueba comparativa de programación del Databricks AI Index, tres modelos de pesos abiertos se encuentran entre los 10 primeros en cuanto a tasa de éxito de tareas, incluido DeepSeek V4.1 con un 93.1%. La mejor opción depende de la carga de trabajo, la calidad requerida y el costo.

¿Cómo pueden las empresas optimizar la selección de modelos de IA y el gasto?

Las empresas pueden optimizar los costos de IA comparando la calidad y el costo de los modelos en sus propias cargas de trabajo, supervisando el uso y seleccionando modelos según los requisitos de las tareas. Databricks Unity Gateway proporciona acceso centralizado a modelos, paneles de control de uso, trazas unificadas y presupuestos para ayudar a las organizaciones a administrar el gasto en IA. Su capacidad de Smart Routing también puede asignar tareas de agentes de código a modelos rentables según la calidad y el rendimiento.

(Esta entrada del blog ha sido traducida utilizando herramientas basadas en inteligencia artificial) Publicación original

Etiquetas relacionadas:

Investigación de IA y Unity Gateway

Recibe las últimas publicaciones en tu bandeja de entrada

Suscríbete a nuestro blog y recibe las últimas publicaciones directamente en tu bandeja de entrada.