El 18 de abril de 2026, OpenRouter registró 1,4 billones de tokens procesados por Qwen 3.6 Plus en un solo día. Según OpenRouter, fue el primer modelo en cruzar la barrera de 1 billón de tokens diarios en una plataforma de enrutamiento multi-modelo. En julio, según el CEO de Vercel, el AI Gateway enrutaba más de 1 billón de tokens por día entre OpenAI, Anthropic, Google y DeepSeek. El número impresiona. El contexto asusta. Analizamos los datos y la señal es clara: la inferencia superó al entrenamiento, se convirtió en utilidad pública digital y pasó a exigir arquitectura, no solo capacidad.
La escala: 3.700x en 30 meses
En febrero de 2024, OpenAI procesaba cerca de 100 mil millones de tokens por día. Según IO Fund, la estimación global en julio de 2026 es de 370 billones diarios. Crecimiento de 3.700 veces en 30 meses. Google solo procesó 3,2 mil billones de tokens en mayo de 2026, el mismo Google que procesaba 9,7 billones por mes dos años antes.
No es crecimiento lineal. Es un cambio de régimen. El volumen de inferencia dejó de ser un subproducto del uso de IA y se convirtió en el principal driver de consumo de cómputo del planeta. Y el costo por token se desplomó al mismo tiempo: según BenchLM, el índice de precios frontier cayó 88% desde marzo de 2023, y los modelos de calidad suficiente cayeron 200 a 300 veces. La caída de precio no es solo un beneficio, es lo que hizo financieramente viable el aumento de 3.700x en el volumen. El gasto total, sin embargo, puede seguir creciendo.
La inferencia superó al entrenamiento
En 2026, más de la mitad del cómputo de IA global está dedicado a servir modelos en producción. El entrenamiento es episódico. Según Gartner, la proyección es de 65% o más para inferencia hacia 2029. Estudios de sector estiman que la inferencia representa de 80 a 90% del costo de electricidad del ciclo de vida de un modelo en producción. La inferencia se convirtió en el costo dominante, no el entrenamiento.
Los modelos de reasoning generan de 5 a 10 veces más tokens por query. El reasoning funciona como un dial de latencia: se cambian tokens por calidad, pero el throughput se mantiene estable. Esto cambia la economía de la inferencia. Ya no es una solicitud, una respuesta. Es una solicitud, una cadena de razonamiento, una respuesta. El volumen de tokens por query crece, y el costo marginal de servir cada query crece junto.
Mercado bifurcado: Anthropic, OpenAI y el ascenso chino
El mercado se bifurcó. Según Menlo Ventures, en diciembre de 2025 Anthropic detenía el 40% del gasto corporativo. OpenAI cayó de 50% a 27%. El liderazgo no es estable, se disputa cada trimestre.
Según Presenc AI, los modelos chinos de pesos abiertos saltaron de 1% a 15% del mercado de inferencia en 12 meses. DeepSeek ya enruta el 22,6% de los tokens en el Vercel AI Gateway, casi igualando a Anthropic en volumen. No es un movimiento marginal. Es un cambio estructural de proveedor. Los modelos de pesos abiertos chinos dejaron de ser curiosidad de investigación y se convirtieron en opción de producción a escala.
Concentración extrema y riesgo sistémico
La concentración es extrema. Según StealthCloud Intelligence, cinco empresas controlan el 80% de la capacidad global de entrenamiento. EE. UU. hospeda el 74,5% del cómputo de IA del mundo. El norte de Virginia consume el 26% de la electricidad del estado en data centers. TSMC es el único proveedor a escala de CoWoS advanced packaging.
En junio de 2026, el ESRB europeo clasificó los modelos de IA frontier como riesgo sistémico para el sistema financiero. La misma categoría usada para bancos sistémicamente importantes, y eso no es un advisory. Es una clasificación que conlleva obligaciones regulatorias. El NIST publicó el AI RMF Critical Infrastructure Profile en abril. La UE aplica el Anexo III del AI Act a infraestructura crítica a partir de diciembre de 2027. La inferencia de IA ya se trata como utilidad pública digital, con todo lo que eso implica en términos de resiliencia, soberanía y obligación de servicio continuo.
El 84% de los tokens en 2030 vendrá de agentes autónomos
Según Goldman Sachs, el 84% de los tokens en 2030 vendrá de workloads de agentes autónomos. Los humanos escribiendo prompts serán minoría del tráfico. El tráfico del futuro es de máquina a máquina, programático, stateful, de alto volumen y con expectativa de baja latencia.
Esto cambia la arquitectura. No basta con servir chat interactivo. Hay que diseñar para workloads de inferencia que mantienen estado, hacen llamadas encadenadas y consumen tokens en volumen industrial. El stack que sirve 370 billones de tokens por día no es un endpoint más grande, es arquitectura.
Conclusión: el stack que sirve 370 billones de tokens por día es arquitectura
Lo repetimos: la inferencia de IA ya es utilidad pública digital. Y el stack que sirve 370 billones de tokens por día es arquitectura. En Tech86 diseñamos infraestructura de inferencia con soberanía, resiliencia y costo marginal controlado. Desagregación prefill/decode, KV-cache-aware routing, speculative decoding. Estrategia multi-vendor y multi-region para evitar lock-in. Planificación para workloads de agentes autónomos, no para chat interactivo.
La barrera de 1 billón de tokens diarios fue cruzada. La próxima barrera es de 10 billones. Y quien llegue ahí no será quien compre más GPU, será quien diseñe mejor.