OpenAI sopesa recortar precios mientras compite con Anthropic por usuarios

Rentabilidad y modelos de negocio

• Muchos dudan de cómo los laboratorios de frontera llegan a ser rentables cuando el entrenamiento y la infraestructura dominan los costes y los modelos se venden por debajo de coste (“vender un dólar por 50 centavos”).
• Algunos sostienen que la inferencia sí es rentable y que I+D es la principal carga; otros dicen que nunca puedes “dejar de entrenar” sin quedarte atrás, a diferencia de Amazon, que pausó la expansión.
• Se hacen comparaciones con la subvención de cuota de mercado al estilo Uber, no con la reinversión de beneficios de la Amazon temprana.
• Algunos creen que el verdadero objetivo es una gran OPV y el pago de acciones, más que unos beneficios sostenibles.

Recortes de precios y dinámica competitiva

• Los usuarios ven una “carrera hacia el fondo”: bajar precios para ganar cuota pero profundizando las pérdidas, con riesgo de burbuja y posible quiebra.
• Algunos creen que OpenAI está intentando arrastrar a Anthropic a una guerra de consumo de caja que no puede ganar.
• Otros señalan que Anthropic ha subido los precios de los modelos de gama alta (p. ej., variantes de Fable, Opus) incluso mientras competidores más baratos como DeepSeek recortan precios.

Calidad del modelo y experiencia de uso

• Opiniones divididas: algunos consideran que Claude/Fable son claramente superiores para programación y tareas largas “agentic”; otros dicen que Codex/GPT 5.5 ahora son mejores o al menos “suficientemente buenos”.
• Los límites de tokens son un problema recurrente, especialmente con el modelo de suscripción + pago por uso de Anthropic; algunos usuarios nunca los alcanzan, otros se topan con ellos con frecuencia.
• Los modelos más baratos como DeepSeek y Kimi son elogiados por su coste ultrabajo, pero criticados por ser más lentos, menos fiables y aún no seguros para ejecutarlos sin supervisión.

Enfoque empresarial frente a consumidor

• Muchos creen que Anthropic está más centrada en profesionales/empresas, mientras OpenAI busca tanto al gran consumidor como a la empresa, visto como una difusión estratégica.
• Debate sobre si el ámbito empresarial (pago por token, uso intensivo) o el de consumo (suscripciones, enorme base de usuarios) es en última instancia más lucrativo.

Modelos locales/abiertos y commoditización

• Varios esperan que los LLM se conviertan en una mercancía, y que muchos usuarios terminen ejecutando modelos abiertos “suficientemente buenos” localmente o en GPU alquiladas baratas.
• Los proveedores chinos (DeepSeek, Qwen, GLM) se citan como competidores de precio existenciales, especialmente fuera de EE. UU.

Ética, confianza y percepción de la empresa

• Varios comentaristas evitan OpenAI por su supuesto belicismo, sus ambiciones publicitarias o la hipocresía de su liderazgo, y están contentos de verla perder terreno.
• Otros argumentan que elegirán herramientas según capacidad y coste, pero la ética puede inclinar fácilmente las decisiones cuando la calidad es “suficientemente buena”.

Burbuja / perspectiva a largo plazo

• Algunos prevén una burbuja de IA similar a la puntocom: los LLM sobrevivirán, pero quizá no los líderes actuales (analogía con AOL/Yahoo).
• Otros creen que la IA se consolidará como una herramienta imprescindible para desarrolladores y ciberseguridad, con expectativas más moderadas pero con la industria perdurando.