Las páginas de precios son fáciles de rebatir. Toda tabla de costos tiene un asterisco y todo benchmark elige una carga de trabajo favorable. Por eso este artículo hace algo más simple: toma una semana real y sin editar de tráfico de producción que se ejecutó en la red de MicroDC.ai — cada trabajo, cada token, directamente del libro de facturación — y plantea una sola pregunta. ¿Cuánto habrían costado exactamente los mismos tokens en AWS?
Es una comparación que AWS facilita de manera inusual en este momento, porque Bedrock aloja dos de los tres modelos de esta carga de trabajo de forma nativa: los mismos pesos, los mismos nombres. No hace falta recurrir a "modelos comparables" para el 90% de la factura.
La carga de trabajo.
Siete días de tráfico de producción, exactamente como se ejecutó. Una mezcla de llamadas de chat y completado en gpt-oss:20b, razonamiento más pesado en qwen3:32b y trabajos de comprensión de imágenes en qwen2.5vl:7b:
| Modelo | Trabajos | Tokens (entrada / salida) |
|---|---|---|
gpt-oss:20b | 9,390 | 5.29M / 0.78M |
qwen3:32b | 4,446 | 2.74M / 1.54M |
qwen2.5vl:7b (visión) | 3,921 | 1.56M (texto de salida) |
| Total | 17,757 | ~11.9M tokens |
MicroDC.ai facturó esta semana en $0.21. Es la cifra que figura en el libro de facturación, no una proyección, a las tarifas por token vigentes esa semana. (Las tarifas del mercado fluctúan con la capacidad y la demanda; más sobre esto en las salvedades.)
Los mismos tokens en Bedrock.
Las tarifas serverless publicadas de AWS Bedrock, aplicadas a los recuentos idénticos de tokens:
| Modelo en Bedrock | Tarifa (por 1M entrada / salida) | Costo | Facturado por MicroDC.ai |
|---|---|---|---|
gpt-oss-20b (nativo) | $0.07 / $0.30 | $0.60 | $0.145 |
Qwen3-32B (nativo) | $0.15 / $0.62 | $1.37 | $0.009 |
| Nova Lite (sustituto para visión) | $0.06 / $0.24 | ~$0.37 | $0.061 |
| Total | ≈ $2.35 | $0.21 |
Los mismos tokens, los mismos modelos abiertos, aproximadamente 11× el precio. Y la diferencia no depende de una sola fila elegida a conveniencia: el modelo de 20B por sí solo es 4× más barato aquí, y el de 32B — el modelo que usted elegiría cuando la calidad importa — es donde la diferencia se vuelve absurda.
¿Y si simplemente se alquilan las GPU?
La réplica habitual es: "serverless es la forma cara de comprar AWS; autoaloje en EC2". Es justo. Registramos el cómputo activo real detrás de la carga de trabajo de esta semana: 69.3 horas-GPU de tiempo de procesamiento efectivo en los tres modelos.
En una g6e.xlarge (una NVIDIA L40S, la opción bajo demanda razonable para modelos de este tamaño, a ~$1.86/h) eso equivale a ~$129, y esa cifra cuenta solo las horas en que la GPU estuvo realmente trabajando. Un despliegue autoalojado real también paga cada hora inactiva entre trabajos, la segunda instancia que se mantiene por disponibilidad y el ingeniero que vigila todo el conjunto. Empíricamente, los despliegues con GPU dedicadas operan a un 15–40% de utilización, lo que multiplica esa cifra inicial por 2–6× antes de que el salario de nadie entre en el cálculo.
Ese tiempo inactivo es toda la historia, y es lo que una red distribuida elimina. Las GPU que ejecutaron estos trabajos no estaban reservadas ni en espera: eran hardware existente con ciclos libres, emparejado con trabajos en cola en el momento en que tenían capacidad. Usted paga por el trabajo realizado, no por la disponibilidad.
Los asteriscos honestos.
Las comparaciones reales merecen salvedades reales, así que aquí están las nuestras:
- La fila de visión es una aproximación.
qwen2.5vl:7bno está en Bedrock, así que calculamos el precio de sus tokens de salida a la tarifa de Amazon Nova Lite, el modelo multimodal pequeño más cercano. Los tokens de entrada de imagen no se registraron en este conjunto de datos, y Bedrock también los factura, por lo que la cifra real de Bedrock para esa fila es algo mayor que $0.37. El error favorece a AWS. - Tokens de razonamiento. Los modelos gpt-oss emiten tokens de razonamiento que Bedrock factura como salida. Nuestro recuento usa los tokens tal como se procesaron; una configuración de razonamiento intensivo ampliaría aún más la diferencia.
- La latencia es distinta. Bedrock es una API en tiempo real; MicroDC.ai es una cola asíncrona (normalmente de 30 s a 5 min de extremo a extremo). A esta carga de trabajo — procesamiento de documentos y enriquecimiento de conjuntos de datos — no le importa. A un chatbot de cara al usuario sí. Sepa cuál es su caso.
- Los precios cambian, en ambos lados. Las tarifas de Bedrock son las publicadas en julio de 2026. Nuestros precios por token tampoco son fijos: fluctúan con la capacidad de la red y la demanda por modelo, así que el multiplicador exacto variará con el tiempo. Las tarifas actuales están siempre en la página de precios; esa es la cifra que debe comparar, no esta instantánea.
Haga este cálculo con su factura.
El multiplicador que importa es el suyo, no el nuestro. La receta es corta: extraiga una semana de sus recuentos de tokens por modelo del informe de facturación de su proveedor, multiplíquelos por las tarifas por millón de la tabla anterior y compárelos con los mismos tokens a nuestras tarifas. Si una parte significativa de su carga de trabajo tiene forma de lote (procesamiento nocturno, enriquecimiento, extracción, cualquier cosa en la que nadie esté mirando un indicador de carga), la diferencia que calcule se parecerá mucho a la de arriba.
Y si prefiere probarlo en lugar de calcularlo: el mismo código con formato OpenAI que ejecuta hoy funciona contra nuestro endpoint compatible cambiando una sola línea, la URL base.