Token mata aplicaciones de IA

Autor: Li Nan, Huang Xiaoyi, Yoky, Sun Rui, Silicon Star

Editor | Wang Zhaoyang

A mediados de 2026, la startup de generación de videos AI OiiOii tenía aún nueve cifras en efectivo, pero aún así inició una nueva ronda de financiamiento.

Anteriormente, firmó un acuerdo marco anual con la plataforma de servicios en la nube Volcano Engine, que pertenece a ByteDance: OiiOii debe pagar 50 millones de RMB a Volcano Engine para finales de 2026.

Esto ha puesto algo de presión sobre el efectivo de OiiOii. Los 50 millones de RMB se utilizarán para comprar la "versión pura" del API del modelo de generación de videos multimodal más exitoso de ByteDance: Seedance 2.0.

La llamada "versión pura" se refiere al API de Seedance proporcionado a través del canal oficial de Volcano Engine, que ofrece permisos completos.

Después de que Seedance 2.0 impresionara a la industria de la IA y a todo el sector de la producción cinematográfica, el mercado se inundó de APIs de Seedance de origen complejo. Algunos proveedores de servicios intermedios, de procedencia dudosa, mezclan Seedance 2.0 con sus versiones de menor calidad, como Seedance 2.0 mini y Seedance 2.0 fast, y las venden a precios relativamente bajos. Los usuarios que desean generar una película de calidad terminan recibiendo solo un producto defectuoso.

El API "versión pura" de Seedance 2.0 es la línea de vida de las aplicaciones de generación de videos AI. Al igual que los modelos de lenguaje de gran tamaño dependen de la potencia de cálculo de alta gama de las GPU de Nvidia, el API de los mejores modelos y los tokens generados al invocar el API determinan fundamentalmente las capacidades básicas de las aplicaciones de IA, que a menudo se conocen como Agentes de IA.

Por lo tanto, los tokens de los mejores modelos se han convertido en una moneda escasa y costosa. Y Seedance 2.0 es, sin duda, el modelo de video más poderoso del planeta en este momento.

Según información oficial, el precio de Seedance 2.0 para generar un video de 720p sin entrada de video es de 46 RMB por millón de tokens, lo que equivale a aproximadamente 0.99 RMB por segundo de video. En comparación, el costo de generar un video de 720p con Ling 3.0 es de 0.6 RMB, y con Vidu Q3-pro es de aproximadamente 0.68 RMB, lo que hace que Seedance 2.0 sea significativamente más caro.

OiiOii, que se especializa en la generación de dramas y cortometrajes, necesita un Seedance 2.0 potente, pero gastar casi el 40% de su flujo de efectivo en la compra de tokens suena un poco loco.

Sin embargo, esto ya es algo común para las startups de aplicaciones de IA hoy en día. En comparación con las startups de modelos de lenguaje de gran tamaño (incluyendo OpenAI y Anthropic), que suelen destinar del 70% al 80% de sus fondos de financiamiento directamente a la compra o alquiler de GPUs y al pago de potencia de computación en la nube, esto ya no parece nada.

Lo que OiiOii está comprando no es la cantidad de tokens basada en necesidades comerciales reales, sino el derecho de lanzamiento exclusivo del API de Seedance 2.0.

Pocos se han dado cuenta de que el 2 de abril de 2026, cuando OiiOii finalizó su prueba interna y se lanzó oficialmente, fue también el día en que Seedance 2.0 abrió su beta pública para empresas. Esto parece indicar que Volcano Engine anunció a OiiOii como uno de los primeros distribuidores de Seedance 2.0, en lugar de que OiiOii lanzara su propio Agente de video ese día.

Esto no es importante; lo más importante es ofrecer primero la "versión pura" de Seedance 2.0.

La "versión pura" de Seedance 2.0 se vende como un paquete completo de derechos, como permisos de base de datos de rostros, número máximo de concurrencias, etc. Esto determina directamente si el producto de una startup puede funcionar sin problemas.

Si una aplicación de generación de videos AI se dirige al consumidor final y necesita generar contenido en tiempo real, debe tener un número suficientemente alto de concurrencias. Cuando el modelo se lanza, la potencia de cálculo es limitada; si no se puede obtener el soporte de concurrencia de Volcano Engine, los usuarios del Agente tendrán que hacer fila, experimentar tiempos de espera, o incluso no podrán generar videos.

Un profesional de aplicaciones de video AI nos reveló: un marco anual de 10 millones de RMB de Seedance 2.0 corresponde aproximadamente a 400 concurrencias, mientras que un marco de 5 millones de RMB corresponde a aproximadamente 200 concurrencias. La diferencia de precio se traduce en una diferencia en la experiencia del usuario.

Los usuarios pueden acceder a más recursos de rostros almacenados, en lugar de las inquietantes "caras AI" que se repiten, lo que también sigue el precio del marco anual de Seedance. La diferencia entre comprar o no comprar es la diferencia entre la vida y la muerte del producto; parece que no hay otra opción.

"Tasa de pérdida bruta"

Dado que la capacidad de los mejores modelos determina el límite superior de las capacidades de las aplicaciones de IA, y después de que los altos precios "estrangulan" a las aplicaciones de IA, cobrar a los usuarios tarifas de suscripción ancladas en el precio de los tokens se convierte en un negocio de "subarrendamiento", un problema matemático que nunca se puede resolver, una función variable en la lista de precios de un modelo.

Aun así, el derecho de lanzamiento de Seedance 2.0 que OiiOii obtuvo no es exclusivo. Varias empresas competidoras de OiiOii, como LibTV y Flova, también han obtenido el derecho de "lanzamiento" de Seedance 2.0, y casi al mismo tiempo anunciaron con bombos y platillos que sus productos se integraron con Seedance 2.0, a precios igualmente elevados.

Volcano Engine es así de generoso; no otorgará a ninguna empresa el privilegio de un lanzamiento exclusivo de Seedance 2.0, ni siquiera a la tarifa máxima del marco anual. Además, el precio mínimo de Volcano Engine es muy estricto: casi no hay descuentos, el consumo de tokens de contratos de decenas de millones se devuelve en proporción, con un límite del 10%, es decir, solo se puede obtener un vale de potencia de cálculo equivalente al 10% del monto del contrato.

Por otro lado, Volcano prohíbe estrictamente la reventa, evitando que los tokens de bajo precio fluyan al mercado gris.

Bajo este mecanismo, emerge un hecho cruel: las herramientas de video AI casi no pueden ganar dinero con los tokens de Seedance 2.0 en su máxima expresión.

Teóricamente, si se venden los tokens de Seedance 2.0 al precio original a los clientes, sin contar las devoluciones, el margen de ganancia máximo es del 10%. Pero en la realidad, ninguna herramienta de generación de videos AI venderá los tokens de Seedance 2.0 a un precio más alto, ni siquiera al precio original. Después de todo, teóricamente, cualquiera puede hacer negocios directamente con Volcano Engine. Si hay intermediarios que ganan la diferencia, ¿por qué no negociar directamente?

Según un informe de "Inteligencia Emergente": las empresas de producción de dramas y películas también suelen comprar directamente el API "de máxima calidad" de Seedance 2.0, incluyendo muchas empresas líderes en la industria, siendo la recarga más alta de 50 millones. Esto demuestra la sed de mercado por Seedance 2.0 y significa que las startups de aplicaciones de IA que obtienen los derechos máximos de Seedance 2.0, si no ofrecen precios competitivos para los tokens, no tendrán usuarios.

"Los productos con propiedades de herramienta no tienen lealtad". Así nos lo dijo un inversor de capital riesgo.

Así, surgió un "camino alternativo": las principales empresas de aplicaciones de IA comenzaron a reducir precios para atraer clientes, e incluso comenzaron a revender tokens directamente.

La empresa matriz de LibLib, Evoken, es la mayor compradora de tokens de aplicaciones de IA en China. Comenzó en la comunidad de modelos de código abierto y rápidamente se transformó en una plataforma de creación multimodal. Al mismo tiempo, ha realizado múltiples rondas de financiamiento agresivas, completando recientemente una ronda de financiamiento de 300 millones de dólares, con una valoración posterior de más de 2 mil millones de dólares, formando una barrera integral de capital y producto: LibLib AI es una comunidad de creación y plataforma de generación de imágenes, Lovart y Xingliu se enfocan en los mercados de diseño en el extranjero y en el país, respectivamente, y LibTV se adentra en la producción de videos profesionales...

Sin embargo, Evoken no ha desarrollado ningún modelo por sí misma, ni siquiera un modelo de entrenamiento posterior. Esto ha llevado a debates sobre si la empresa es simplemente un intermediario de modelos de primer nivel sin ninguna barrera técnica. Pero, sin duda, Evoken es un gran cliente de tokens de modelos de primer nivel.

En el ámbito de las herramientas de video, LibTV es un cliente de Seedance 2.0 de máxima calidad, firmando un gran contrato anual de 50 millones, que se utiliza como munición para LibTV Agent. En el ámbito de las herramientas de diseño, el año pasado Nano Banana tuvo un gran éxito, y Lovart, que pertenece a LibLib, también firmó un acuerdo de paquete de varios millones de dólares con Google Cloud.

Sin embargo, según estimaciones de plataformas de terceros como Similarweb: en junio de 2026, el sitio web de Lovart tenía aproximadamente 3.1 millones de visitas mensuales, mientras que el sitio web de LibTV tenía aproximadamente 2.2 millones de visitas mensuales. Este tamaño de tráfico ya es considerable, pero el acceso y la creación no son equivalentes. La información pública indica que LibTV tiene decenas de miles de usuarios de pago, aunque ha superado a la mayoría de sus competidores, es casi seguro que no puede consumir todos los tokens de Seedance 2.0 que la empresa compró a un alto precio.

Volcano Engine no acepta "devoluciones" de tokens, lo que ha llevado a las empresas de aplicaciones de IA a diversificar sus negocios.

Chen Mian, fundador y CEO de Evoken, mencionó en una entrevista con "Latepost" que se rumorea que LibTV revende las claves API de Seedance 2.0 para obtener ganancias, y lo negó claramente.

Lo que hemos entendido es que LibTV no "gana diferencia" al revender las claves API de Seedance 2.0, porque las vende a pérdida.

Algunos competidores de LibTV, que se dedican a la generación de videos AI, nos dijeron que LibLib ha intentado varias veces vender el API de Seedance 2.0 a ellos, a un precio más barato que el de ir directamente a Volcano Engine: al comprar directamente a Volcano, un contrato de más de 10 millones de RMB puede obtener un 10% de reembolso en vales de potencia; pero LibLib puede ofrecerles un 10% adicional sobre esa base.

Por supuesto, no hay diferencia de precio, y mucho menos ganancias, pero genera ingresos. Esto puede aumentar el ARR (ingresos recurrentes anuales) de LibTV, proporcionando un soporte numérico para la narrativa de financiamiento.

Este tipo de ARR es esencialmente ingresos de "pérdida bruta": obteniendo tokens con un 10% de descuento, luego vendiéndolos con un 10% de descuento a competidores que necesitan tokens a un precio más bajo, estructuralmente es un negocio en pérdida.

Lo que se genera no es ni siquiera un margen de ganancia, sino una "tasa de pérdida bruta".

Por otro lado, la estrategia de precios de LibTV y Lovart para los usuarios de pago también hace que su margen de ganancia como empresa de aplicaciones de IA sea ilusorio.

El precio promedio mensual de la membresía estándar de LibTV es de 47,4 yuanes, y se estima que en su sitio web se pueden generar 56 segundos de video Seedance 2.0 en 720P, lo que equivale a un ingreso por miembro de aproximadamente 0,85 yuanes por segundo. Suponiendo que el usuario utilice todo el crédito para Seedance 2.0 sin entrada de video y estimando el costo de la llamada al modelo a aproximadamente 0,99 yuanes por segundo según el precio de Volcano Engine, el margen de ganancia marginal sería de aproximadamente -17%. Incluso si el 10% de los cupones de potencia se pueden canjear completamente, el margen de ganancia marginal seguiría siendo de aproximadamente -5%. Además, esto debe cubrir descuentos nocturnos, créditos de apertura de cuentas y promociones temporales.

La situación de Lovart es similar. Si se utilizan todos los puntos para generar imágenes de calidad media de 1K con GPT Image 2, considerando los beneficios del paquete Pro más popular y el precio con descuento de 39 dólares en la "locura de fin de mes" actual, y la tarifa estándar de la API de OpenAI, cuando el usuario utiliza el máximo, el margen de ganancia marginal es de aproximadamente -87% (hace unos días, el precio promedio mensual después del descuento de este paquete era de 45 dólares, lo que correspondía a un margen de ganancia marginal de aproximadamente -60%).

Sin embargo, todo esto pertenece a una "prueba de estrés". En la realidad, los usuarios pueden no utilizar todo el crédito y pueden optar por modelos y soluciones de generación de menor costo, y la plataforma puede obtener descuentos en la compra de diferentes modelos de API, lo que podría reducir las pérdidas reales.

El CEO de Yanyu Technology, Chen Mian, también abordó este punto en una entrevista con "Latepost": si los usuarios utilizan todos los tokens de su paquete, LibTV definitivamente perderá dinero. Pero si un usuario compra un millón de puntos y solo utiliza 200,000, los 800,000 restantes se convierten en ganancias. También hay usuarios del mercado negro que realizan ingeniería inversa en LibTV, convirtiendo cuentas de membresía anual en API, lo que genera pérdidas, por lo que es necesario gestionar esto.

La llamada "ingeniería inversa" tiene un ejemplo claro: en febrero de 2026, el operador de la influyente cuenta de WeChat "Web 3 Sky City" en el ámbito de Web 3 y IA, conocido como "Señor de la Ciudad", publicó un artículo denunciando la aplicación de diseño visual Lovart, afirmando que pagó 540 dólares por la membresía de Lovart Pro, pero 10 días después su cuenta fue bloqueada y no recibió un reembolso. "Señor de la Ciudad" intentó apelar por correo y comunicarse proactivamente con miembros del equipo de Lovart, pero no obtuvo respuesta.

Según entendemos, la cuenta de membresía de "Señor de la Ciudad" fue considerada por el mecanismo de control interno de Lovart como un caso de "ingeniería inversa", y la empresa ha implementado medidas de gestión más estrictas. La decisión de no comunicarse más con "Señor de la Ciudad" y de no reembolsar fue tomada por el propio Chen Mian.

Este incidente provocó un gran revuelo y generó discusiones sobre la transparencia de los mecanismos de prepago de software de aplicaciones de IA, los estándares de bloqueo de cuentas y la protección de los derechos de los consumidores, lo que demuestra cuán frágil es el modelo de negocio que espera que los usuarios solo paguen sin consumir el crédito de tokens; además, en un entorno donde el precio de los tokens es extremadamente sensible, hay muchas vulnerabilidades que pueden ser explotadas.

De hecho, quienes realmente realizan "ingeniería inversa" y empaquetan los tokens de membresía no utilizados para venderlos como API son Lovart o LibTV mismos.

Porque los tokens que los usuarios no consumen no se convierten realmente en ganancias; las empresas de aplicaciones de IA ya han pagado a los proveedores de modelos por esos créditos.

Están incluidos en el marco anual. La lógica de los proveedores de modelos fuertes es: lo que se usa se puede volver a comprar, lo que no se usa no se reembolsa. La idea de que los 1,000,000 de puntos que se usaron 200,000 y los 800,000 restantes se convierten en ganancias no existe. En otras palabras, el crédito de tokens "no utilizado" se convierte en "inventario" para las empresas de aplicaciones de IA.

Dado que es inventario, debe liquidarse, de lo contrario, las pérdidas serán mayores. Esto explica por qué otros equipos de generación de videos de IA reciben ofertas de venta de tokens a precios con descuento de LibTV. La lucha oficial contra la "ingeniería inversa" de los usuarios para revender tokens, en realidad, es una competencia por el derecho a revender tokens.

En comparación con las pérdidas causadas por la venta de "inventario" de tokens a precios con descuento, las pérdidas derivadas del uso completo de los derechos por parte de los usuarios son mayores. Incluso si la idea de que "los tokens no utilizados son ganancias" puede sostenerse, también limita el techo del modelo de ganancias: cuando todos los usuarios solo recargan pero no consumen un solo token, sus ganancias teóricamente pueden maximizarse.

Si un usuario consume un token más, se acerca más a las pérdidas. Esto crea una peligrosa selección inversa: cuanto más bajo es el precio, más fácil es atraer a usuarios intensivos que consumen modelos costosos, y estos usuarios tienen una tasa de uso de puntos más alta, dejando menos ingresos acumulados para la plataforma.

Este ciclo puede ampliar las pérdidas de las empresas de aplicaciones de IA, y la única ventaja es que tienen un ARR más atractivo a corto plazo.

Las empresas de aplicaciones de IA son conscientes de esto, pero al presentarse a los VC, aún pueden ocultar estas "trampas". Un VC nos reveló: la tasa de ganancia bruta que LibLib muestra a los inversores y al mercado de capitales es muy probablemente positiva.

Esto pone a prueba las "habilidades financieras": créditos de regalo, promociones temporales, descuentos nocturnos... todos estos costos rígidos que realmente consumen la ganancia bruta se pueden incluir en la tasa de ventas, y la alta tasa de ventas inicial puede ser llamada "inversión en crecimiento"; todos los ingresos, incluidos los ingresos de la compra de puntos de membresía por parte de los usuarios y la venta de tokens, se contabilizan al precio original, haciendo posible lograr una "tasa de ganancia bruta positiva" bajo diferentes criterios.

En nuestras conversaciones con varios inversores y emprendedores, hay un consenso: incluso calculando con el criterio más amplio, el rango de ganancia bruta de las aplicaciones de IA cuyo modelo de negocio se centra en el consumo y la venta de tokens generalmente solo es del 10% al 25%, lo que casi no cubre los costos.

La mayoría de los equipos de startups de aplicaciones de IA en China han estado expandiendo el mercado internacional desde el primer día, pero personas informadas han calculado que el costo de adquisición de un usuario de pago en el extranjero es de aproximadamente 200 dólares, mientras que el usuario paga un promedio de 50 dólares, y la ganancia de tokens ni siquiera cubre el crecimiento de usuarios, sin mencionar los gastos de investigación y desarrollo, operación y gestión.

En los últimos años, el mercado de capitales y el círculo de startups han preferido entender las aplicaciones de IA a través del marco de SaaS. Pero ahora los inversores han despertado: "SaaS significa que cuanto más usuarios, más barato; las aplicaciones de IA, al contrario, cuanto más usuarios, más pérdidas".

Esto señala la diferencia más esencial entre las aplicaciones de IA y el software tradicional: el costo marginal del SaaS tradicional se diluye a medida que escala, mientras que el costo marginal de las aplicaciones de IA reaparece a medida que aumenta el uso. Cuanto más usan los usuarios, más tokens consumen; cuanto más tokens consumen, más altos son los costos.

Desde una perspectiva fundamental, las empresas de aplicaciones de IA operan una "cadena de rotación de tokens que pierde continuamente", lo que se traduce en una "tasa de pérdida bruta".

"Controlador de tokens"

Las startups de aplicaciones de IA no están saltando a un pozo de fuego a sabiendas de que los tokens son peligrosos; también están atrapadas en la confusión.

El costo superficial de adquirir tokens de proveedores de modelos está claro, pero la fijación de precios de productos, subsidios a los usuarios y cálculos de ganancias brutas son guiados por el sistema de liquidación posterior de los modelos. Al principio, se pensaba que las ganancias se podían obtener fácilmente, pero al recibir la factura, se descubre que se ha convertido en una tasa de pérdida bruta.

Tomemos como ejemplo Seedance 2.0: el costo real de generar un video a la vez considera simultáneamente la duración del video de entrada, la duración del video de salida, la resolución de salida, la tasa de fotogramas, la versión del modelo, la duración mínima de facturación y los tramos de duración. La API del modelo de video puede cobrar uniformemente por 4 segundos entre 1 y 4 segundos, y las diferentes longitudes a menudo no crecen de manera lineal. Las empresas de aplicaciones de IA generan consumo a diario después de firmar, pero generalmente deben esperar hasta T+N días para ver los costos desglosados en la factura.

Esto crea un estado típico de "atrapado en tokens": la empresa conoce el costo superficial de los tokens, pero no sabe de qué manera, en qué momento y en qué medida se amplificará el costo real.

Sin embargo, los equipos de startups de IA no pueden escapar de esta dependencia, sino que se hunden más. Después de todo, no pueden prescindir de los "beneficios" que traen los modelos de primer nivel.

Si se presenta la fuente de costos de las aplicaciones de IA en una fórmula, sería: "costo real de generación = precio por generación × número promedio de intentos". Esto es cierto para videos, imágenes o diseño de PPT.

Los modelos de primer nivel tienen una alta tasa de éxito en la generación, lo que reduce el número de intentos y, a veces, puede hacer que el costo de cálculo subyacente sea más bajo.

¿Cómo deben elegir los equipos de aplicaciones de IA entre modelos de primer nivel, que tienen un costo inicial alto, buenos resultados, pocos intentos y un costo total que puede no ser el más alto, y modelos subóptimos, que tienen un bajo umbral inicial, son baratos de invocar, muchos intentos, un costo total más alto y pueden sacrificar la retención de conversiones?

Personas de la industria han revelado: para aumentar las ventas, los clientes de Keling 1.0 durante mucho tiempo pudieron obtener un descuento mínimo del 65%. Este nivel de descuento ya es una pérdida para los costos de inferencia de Keling, y con la actualización del modelo Keling, el costo de la potencia de inferencia aumenta, este precio es una pérdida sobre pérdida. Su único objetivo es robar clientes.

Y el resultado objetivo es que aquellos que intentan vender más tokens a las empresas de aplicaciones a precios más bajos serán relegados. Un ejemplo que puede corroborar esto es que la cantidad de solicitudes diarias de Seedance 2.0 en OpenRouter sigue siendo estable en más de 3,000, mientras que Keling 3.0 solo tiene entre 300 y 400.

Por lo tanto, para resolver la "tasa de pérdida bruta" natural, hay dos maneras directas: aumentar el precio del producto o reducir el costo de los tokens. Según la situación actual, la mayoría de las startups de aplicaciones de IA han optado por la segunda opción.

Aparentemente, todos están iterando activamente productos, actualizando funciones y diferenciándose, pero en realidad, gran parte de la energía se dedica a buscar tokens más baratos. Y los tokens baratos provienen de diversas fuentes.

Primero, la venta a precios bajos de las empresas de AI Agent "upstream" es un canal importante.

Como se mencionó anteriormente, LibLib vende tokens con un 19% de descuento a equipos de aplicaciones de IA que son más pequeños y no pueden permitirse la versión completa de Seedance 2.0. Algunas startups acogen este "descuento", mientras que otras temen violar la política de ventas de Volcano Engine y no se atreven a aceptar la oferta.

En segundo lugar, los colegas que están transformando sus negocios también pueden ofrecer tokens a precios bajos.

Como se mencionó anteriormente, la política de marco anual de los principales proveedores de modelos es bastante fuerte, con cuotas mínimas y "sin prórroga"; si no se consumen dentro de un año, los tokens restantes se eliminan. Esta es también la razón por la que la reventa de tokens ha sido prohibida repetidamente por los proveedores de modelos, ya sea para detener pérdidas, recuperar costos o "generar" ganancias brutas, lo que obliga a los equipos de aplicaciones de IA a hacerlo.

Particularmente cuando algunas empresas queman dinero y fracasan en contar historias, incapaces de continuar o al borde de la quiebra, los "enormes" tokens restantes pueden ser vendidos a precios muy bajos.

Un detalle interesante es que algunas empresas gastan más de diez millones en la adquisición de tokens, pero el objetivo principal no es hacer negocios, sino contar historias: decirle al mercado de capitales que se han convertido en grandes clientes de los principales modelos, mostrando su fuerza y rápidamente recaudando otra ronda de fondos. Un VC nos dijo que la compra de tokens en algunos equipos de startups ya se ha vuelto completamente "desvinculada de la realidad".

Además, buscar subsidios gubernamentales es un canal común y más confiable para obtener tokens a precios más bajos.

Los gobiernos locales de nivel urbano ofrecerán subsidios en potencia de cálculo o modelos a las empresas de IA reconocidas en su territorio, lo que permite a las empresas de aplicaciones reducir el costo de los tokens a entre un 75% y un 90% del precio original. Sin embargo, estos recursos no son comunes, y para obtener tokens a precios bajos, todos deben "usar sus propios métodos".

En última instancia, todos están buscando formas de obtener tokens más baratos. Esta búsqueda de maximización de tokens baratos inevitablemente llevará a la proliferación de "estaciones de transferencia".

Como parte de la industria subterránea de la IA, las "estaciones de transferencia" son esencialmente mayoristas de tokens que venden al por menor. Se pueden clasificar en tres categorías.

La primera categoría es la reventa "regular", que consiste en comprar en grandes cantidades tokens de modelos en el extranjero, obtener descuentos y luego revenderlos en el país, lo que sigue una lógica de distribuidor "normal".

La segunda categoría es la producción completamente ilegal, generalmente operada por individuos, donde se ofrecen "tokens por tres yuanes" y pueden cerrar o ser bloqueados en cualquier momento.

La tercera categoría es la "poolización" de recursos. Estas estaciones de transferencia operan recopilando cuotas de tokens de varios canales dispersos y construyendo una capa de enrutamiento unificada.

Las estaciones de transferencia son uno de los principales canales de tokens baratos en el mercado de aplicaciones de IA. Sin embargo, los precios de estos recursos son muy variados y la calidad no es estable. En el caso de la generación de videos, es común ver el fenómeno de "dilución".

Una estación de transferencia que "suministra" a una empresa emergente de IA nos mencionó: "Por ejemplo, al llamar a la API de Keling, de 10 veces, 8 son de Keling y 2 son del modelo de esta empresa. Si la estación de transferencia quiere ganar más, ajusta esta proporción".

Las empresas de aplicaciones de IA son conscientes de esto, pero algunas aún "toleran" los tokens diluidos en sus productos, lo que reduce aún más la calidad del servicio que reciben los usuarios finales. Después de todo, el "fracaso en la extracción de cartas" es la norma, y si los usuarios sospechan que lo que están usando no es lo que deberían, pueden dar una explicación.

A pesar de estos canales, las empresas de aplicaciones de IA siguen buscando formas de reducir aún más los costos.

Para reducir legalmente el costo de los tokens y encontrar un margen de beneficio en sus informes financieros, algunas startups han inventado otro camino: diseñar sus productos como controladores de tokens precisos, debilitando el impacto de los tokens en el margen de beneficio a través de limitaciones de tiempo, niveles de paquetes, degradación de modelos y ocultación de parámetros.

Específicamente, algunas aplicaciones limitarán directamente el tiempo de generación de videos de los usuarios, por ejemplo, generando videos de 4 segundos de manera uniforme, evitando el desperdicio de cobrar por un video de 4 segundos cuando en realidad solo dura 3 segundos.

La "trampa de paquetes" es una estrategia más ingeniosa; algunas aplicaciones no ofrecen el mejor modelo en paquetes intermedios, ni abren el modelo óptimo para escenarios de alto consumo, y diseñan paquetes que los usuarios "no pueden agotar", con la esperanza de que los usuarios sean inactivos y usen menos, obteniendo así un espacio para arbitraje.

Utilizan fórmulas como "número de usuarios del paquete de 199 yuanes × cantidad de tokens reservados de 2 mil millones" para negociar precios al por mayor con los proveedores de modelos, obteniendo precios de compra muy por debajo de la demanda real de consumo. La parte que no se consume se revende como "estación de transferencia".

Un VC se quejó con nosotros: al realizar la debida diligencia sobre una empresa, descubrieron estos "excesos" y preguntaron si sus usuarios realmente podían consumir tantos tokens, y el fundador solo enfatizó la cantidad de usuarios que compraron ese paquete, evitando hablar sobre el volumen real de consumo.

Los inversores no estaban contentos con esto; un negocio donde la actividad del usuario y el margen de beneficio son inversamente proporcionales no es un buen negocio.

Las aplicaciones de IA "nacen de los tokens", lo que ha generado un problema que socava la base de las empresas: los productos ya no se diseñan solo en torno a la experiencia del usuario, sino cada vez más en torno a "cómo hacer que los usuarios consuman menos tokens".

Por supuesto, también hay métodos de reducción de costos que tienen en cuenta la experiencia del usuario. Por ejemplo, primero llaman a modelos de video más baratos para generar versiones de baja resolución, y luego utilizan tecnología de superresolución para mejorar la claridad. También hay algunas herramientas de IA que, a través de palabras clave, flujos de trabajo, control de parámetros, post-procesamiento, almacenamiento en caché y enrutamiento de modelos, reducen el número de extracciones de cartas, ahorrando así tokens.

Entre ellas, OiiOii es una de las empresas que ha diseñado de manera más ingeniosa su "controlador de tokens".

OiiOii llama a los puntos que los usuarios compran "comida para llevar". A diferencia de LibTV, que una vez fue muy agresivo al competir por clientes a precios de tres o cuatro veces, el modelo principal de OiiOii (ver múltiples imágenes, 10 segundos 140 comidas para llevar) tiene un precio de 0.96 yuanes/segundo, y sumando la exportación de alta definición, el precio total es de aproximadamente 0.99 yuanes/segundo, prácticamente equivalente al precio de venta de tokens de Seedance 2.0, aunque el margen de beneficio es apenas suficiente.

Puede hacer esto gracias a algunos diseños ingeniosos:

La interfaz no muestra las especificaciones de video ni la deducción de puntos, sino que lleva a los usuarios directamente al proceso de creación de guiones ------ personajes ------ escenas ------ planos ------ videos, evitando que los usuarios tengan la oportunidad de "sentir dolor" en cualquier momento y sin informarles si en el proceso de creación inicial se está utilizando Seedance, Keling o Sora 2, o incluso otros modelos más baratos. Solo en la etapa de planos se permite a los usuarios elegir el modelo. Los usuarios no pueden optimizar el consumo ni comparar precios con otros, solo pueden olvidar temporalmente el precio; la "opacidad" es su mecanismo de protección del margen de beneficio.

Sin embargo, OiiOii se atreve a fijar precios y diseñar tales mecanismos de tokens porque tiene una buena reputación y reconocimiento entre los grupos de producción de videos profesionales como los de cómics y cortometrajes. Fuera de la lucha por la supervivencia en la "conspiración con los tokens", ha establecido cierta singularidad.

Un empleado de BD de un proveedor de servicios en la nube que tiene muchos clientes de cortometrajes y cómics nos dijo: OiiOii tiene cierto reconocimiento en el círculo de cortometrajes y cómics, y recientemente, LibTV también ha llegado. Estos clientes mencionan que el flujo de trabajo de LibTV es conveniente y su lienzo es fácil de usar.

La razón principal por la que LibTV atrajo atención anteriormente fue su controvertida "relación calidad-precio" y "tasa de pérdida de margen". Sin embargo, con la mejora y el avance del producto, LibTV, que siempre se ha caracterizado por reducir el precio de los tokens, también ha encontrado un poco de margen para aumentar los precios.

En junio, se lanzó LibTV Agent. Este avance lleva la IA de video de generar un solo plano a entregar una película completa, completando automáticamente la planificación, los planos, la generación y la edición a través de habilidades profesionales, mientras conserva el storyboard y el flujo de trabajo de nodos para modificaciones manuales; la mesa de dirección 3D, la biblioteca de personajes y la memoria a largo plazo también mejoran aún más la consistencia entre personajes y planos.

Luego, LibTV realizó un aumento de precios raro y audaz.

Los precios de los dos niveles de membresía de LibTV Premium, que anteriormente eran de 8499 yuanes y 10999 yuanes para el primer año, ahora han aumentado en 1000 yuanes cada uno. El precio mínimo correspondiente para llamar a Seedance 2.0, que antes podía ser de 0.37 yuanes por segundo, ahora es de 0.41 yuanes por segundo.

Esto ha provocado que algunos usuarios sensibles a los precios se quejen, pero con la mejora de la experiencia del producto, esta es una medida inevitable.

En lugar de aumentar precios, hay un enfoque más directo: atacar el mercado extranjero y establecer un precio más alto. Para mejorar el margen de beneficio, casi todas las aplicaciones de IA chinas priorizan el servicio al mercado global, especialmente en regiones como Europa, América y Japón, donde la disposición a pagar de los usuarios es más alta. Lovart, una empresa bajo el paraguas de Yingyu Technology, también es un probador activo.

Según informes anteriores de Elsewhere: Lovart se inspira en Manus. Manus empaquetó rápidamente su capacidad de modelo en un producto con buena experiencia cuando cruzó el umbral, mientras que Lovart, al enterarse de que GPT-image-1 se lanzaría en tres semanas, reunió a los mejores talentos de toda la empresa para un desarrollo cerrado en Shanghái. Manus completó un arranque en frío al contactar proactivamente a grandes influenciadores tecnológicos de Silicon Valley, mientras que Lovart se benefició de la difusión a través de bloggers tecnológicos en el extranjero. Un cartel de Tesla Cybertruck generado por usuarios incluso recibió un "me gusta" de Musk.

Sin embargo, la expansión de Lovart en el extranjero no ha sido un camino de rosas. Desde su lanzamiento en mayo de 2025, Lovart formó un equipo local en Silicon Valley para encargarse del crecimiento de usuarios y la operación del mercado, pero este equipo ha estado lleno de turbulencias. Para finales de 2025, todos los miembros del equipo estadounidense, incluidos la cofundadora de Lovart, COO Elena Leung, y la cofundadora Aimee Yang, habían renunciado, y los miembros actuales del equipo son todos nuevos que se unieron en la primera mitad de 2026.

Al buscar usuarios "netos" más altos en el mercado global, mejorar la ingeniería y el diseño del producto para aumentar los precios, y ajustar finamente el "controlador de tokens" de las aplicaciones de IA, cada vez más equipos de startups de IA están enfrentando decisiones difíciles. Diseñar finamente un controlador de tokens es, de hecho, la opción más controlable en términos de resultados.

Sin embargo, si todas las startups de aplicaciones de IA deben diseñarse primero como controladores de tokens, nunca podrán ofrecer una verdadera experiencia de usuario ni mejorar realmente la calidad del producto. En una competencia de mercado más amplia, esto podría hacer que se vuelvan más pasivos.

La amenaza más evidente proviene de los gigantes.

Cuando gigantes de Internet con potentes capacidades de producto, aprovechando el avance de sus propios modelos y la capacidad de modelos de terceros, establecen rápidamente su matriz de productos de aplicaciones de IA con grandes recursos financieros y sin miedo al consumo de tokens, el futuro de las startups se ve presionado. El surgimiento de Tencent WorkBuddy y la capacidad de producto que lo respalda son ejemplos que los emprendedores de aplicaciones de IA deben observar y tener en cuenta.

Desde que se lanzó la versión beta pública en marzo de 2026, Tencent ha ampliado la exposición de WorkBuddy a través de flujos de información de WeChat, cuentas públicas, publicidad en metro y edificios de oficinas, así como medidas para reducir el costo de prueba para los usuarios, como bonificaciones por registro, recompensas por inicio de sesión, exenciones de modelos y créditos dobles, atrayendo a una gran cantidad de usuarios. La iteración de alta frecuencia que se lleva a cabo al mismo tiempo ha consolidado aún más la posición de WorkBuddy en la ola de productividad de IA.

Solo en junio de 2026, este producto completó al menos 17 lanzamientos de versiones, a veces incluso dos actualizaciones en un día. Además de corregir rápidamente errores, WorkBuddy también se integró rápidamente con aplicaciones del ecosistema de Tencent como Tencent Docs y WeChat Work, y mejoró capacidades como colaboración de múltiples agentes, tareas en la nube y gestión de proyectos empresariales, convirtiéndose finalmente en una nueva estrella de IA que supera a Yuanbao dentro de Tencent.

Al publicar los resultados del primer trimestre en mayo, Tencent no dudó en afirmar que, en términos de cuentas activas diarias, WorkBuddy se ha convertido en el servicio de inteligencia artificial más popular de China. Según datos de Analysys, desde marzo hasta junio, el tráfico mensual de la versión de PC de WorkBuddy creció de 8.85 millones a 20.97 millones, más que duplicándose.

Este es un logro que ninguna empresa de aplicaciones de IA puede igualar. WorkBuddy puede aprovechar todo el recurso de tráfico de Tencent y, lo que es más importante, no tiene que gestionar meticulosamente el interruptor del controlador de tokens como lo hacen las startups.

Escapar de la muerte

Cada vez más emprendedores de aplicaciones de IA están comenzando a explorar caminos fuera de los tokens.

El destacado emprendedor Zhang Yueguang publicó en Xiaohongshu en junio: al evaluar si una aplicación de IA es válida, los verdaderos tres principales indicadores son el margen de beneficio de los usuarios de pago, la tasa de renovación y el CAC (costo de adquisición de clientes). Para lograr los dos primeros de manera saludable, o se debe transformar el modelo comercial de venta de tokens en otro modelo comercial, o vender tokens a usuarios que no son sensibles al precio de los tokens. "Todos los productos que se basan en usuarios sensibles al precio de los tokens para vender tokens solo pueden ser negocios de proveedores de modelos."

El propio producto emprendedor de Zhang Yueguang corresponde a las dos soluciones diferentes que busca.

Una es Xingmian, que intenta cubrir los costos de token con ingresos de juegos e IP; la otra es Dokie, que busca que los usuarios paguen por un resultado utilizable, en lugar de comparar el precio por cada llamada al modelo. Además, según sus declaraciones públicas, Dokie ha reducido a cero las cuotas de prueba gratuitas en más de 140 países, lo que en realidad no afecta mucho a los pagos.

Durante mucho tiempo, el "token Maxxing" fue considerado un estándar, y la industria persiguió fervientemente el consumo de tokens, viéndolo como un símbolo de un producto fuerte y un mercado en crecimiento. Pero finalmente, todos se dieron cuenta de que perseguir el consumo de tokens era un desvío; la estructura de márgenes brutos es la verdadera brújula. En otras palabras, las empresas que realmente viven de los tokens no son aquellas que queman más tokens, sino las que pueden vender los tokens de una manera diferente.

El ejemplo más típico se encuentra en el campo de "hardware + aplicaciones", siendo Plaud su representante más destacado.

Según tenemos entendido, los ingresos netos de los servicios de IA no relacionados con hardware de Plaud ya han alcanzado decenas de millones de dólares anuales. Su objetivo de ventas total para 2026 es de 500 millones de dólares, con más de 2 millones de usuarios instalados.

Detrás de esto está la diferencia en la estructura de pagos.

Primero, el hardware en sí. En la industria de la electrónica de consumo, el precio de venta al público del terminal generalmente necesita alcanzar el costo BOM, que es aproximadamente 3 veces el costo de materiales, para que la empresa pueda obtener un espacio de operación sostenible. El Plaud Note Pro tiene un precio de aproximadamente 179-189 dólares, con un costo BOM de aproximadamente 60 dólares, lo que da un margen bruto de hardware de aproximadamente 67%, cumpliendo con esta regla.

Más importante aún es el ingreso por suscripción de IA. Su suscripción de IA se divide en dos niveles: Pro anual, que equivale a aproximadamente 8.33 dólares al mes, y Unlimited anual, que equivale a aproximadamente 20 dólares al mes. Este precio no es caro ni barato; lo clave es que su escenario de IA es ligero, principalmente transcripción y resumen, no generación de video ni razonamiento de agentes. Según una estimación de un proveedor de Plaud: calculando los ingresos por suscripción de 8-20 dólares/mes/persona, el costo de procesamiento de IA de Plaud es de aproximadamente 1-2 dólares/mes/persona, lo que permite que el margen bruto de software de Plaud alcance aproximadamente el 75%-90%.

En general, la situación del hardware es relativamente mejor que la del software, ya que no hay competencia directa con las empresas de modelos y productos de modelos, y hay espacio para hacer un sobreprecio.

Un emprendedor de hardware de IA ha clasificado los productos en el mercado en varias categorías:

Primero, el tipo de hardware autosuficiente. A través de precios de 3 veces en el país y 5 veces en el extranjero, el hardware no pierde dinero, y además, con la suscripción, puede ganar algo.

Segundo, el tipo de bajo margen de hardware + complemento de suscripción. Plaud pertenece a esta categoría.

Tercero, el tipo de crecimiento por financiamiento; muchas empresas emergentes de hardware de IA en sus inicios pertenecen a este tipo; y finalmente, el tipo de bajo precio de hardware + sin suscripción. Por ejemplo, la mayoría de los productos de acompañamiento de IA/ juguetes de IA en el país, que principalmente ganan algo con el hardware, subsidian los costos de tokens.

Sin embargo, desde la perspectiva de este emprendedor, ahora el hardware también está en competencia, y los precios que superan 3 veces el costo BOM ya no se pueden mantener. "Los márgenes son demasiado bajos, y después serán devorados por los canales, el servicio postventa y las devoluciones; si solo se persigue el margen bruto del hardware, también podría elevar demasiado el precio de compra inicial, afectando la escala de ventas y la conversión de suscripciones posteriores." Si esto es cierto, entonces el hardware de IA también tendrá que buscar un nuevo camino.

Fuera de los métodos de resolución de problemas de las empresas de hardware, también están surgiendo algunas ideas más generales.

Una tendencia reciente es que cada vez más aplicaciones de IA, incluidas las empresas de hardware, comienzan a "entrenar" sus propios modelos.

El fundador del popular producto de hardware "AI Mushroom" Swoii, conocido como "Hé Shu", nos reveló que están utilizando modelos autodesarrollados para lograr personalización de bajo costo, satisfaciendo las necesidades de escenarios UGC de los usuarios, mejorando la satisfacción del usuario y la disposición a pagar.

La empresa de aplicaciones de IA Mindverse, que se hizo famosa con Macaron, está en proceso de transformación hacia una empresa de investigación de modelos; su Mind Lab acaba de lanzar y abrir el peso del modelo Macaron-V1, que no solo sirve a sus propios productos, sino que también comienza a ofrecer modelos y capacidades de entrenamiento posterior a más aplicaciones B.

Además, según tenemos entendido, el conocido emprendedor en serie, fundador de Teambition y ex vicepresidente de productos de Feishu y responsable de productos de PC de Doubao, Qi Junyuan, está emprendiendo nuevamente; su equipo está desarrollando y probando internamente un producto de agente de IA, que también se basa en gran medida en modelos de lado del cliente autodesarrollados, tratando de reducir al mínimo la dependencia de las API de proveedores de modelos y tokens.

Aunque estos productos tienen diferentes escenarios, detrás de las diferencias hay una lógica común importante: cada vez más emprendedores dedicados a hacer buenos productos de IA se dan cuenta de que entrenar un modelo por su cuenta y luego integrar el modelo con la aplicación es mucho más rentable que simplemente comprar tokens de proveedores de modelos.

Particularmente aquellas empresas de aplicaciones de IA con escenarios claros, datos ricos y una escala de llamadas estable, tienen la oportunidad de reemplazar las costosas API de modelos SOTA generales con modelos dedicados a través del entrenamiento posterior. A medida que la escala de llamadas se expande, la inversión única en el entrenamiento del modelo se amortiza a largo plazo, lo que puede reducir significativamente el costo por token.

Si se logra este camino, las aplicaciones de IA serán más populares. En cuanto a la actualidad, los proyectos de IA puramente de software ya han enfriado en el círculo de capital.

Algunos inversionistas han señalado que en la primera mitad de este año, el enfoque de algunos fondos de primera línea se ha desplazado hacia la inteligencia encarnada y el hardware. No es que no inviertan en software. Todos siguen mirando hacia la dirección B2B, especialmente las aplicaciones de escenarios específicos dirigidas a "pequeños jefes adinerados" son bien recibidas. a16z invirtió en junio en varios proyectos de IA relacionados con odontología, operaciones médicas y servicios domésticos. En el programa de primavera de Qiji Chuangtan, también surgieron varias empresas similares dirigidas a fábricas, marcas y empresas que se expanden al extranjero.

Este cambio no es difícil de entender. Aunque los "pequeños jefes adinerados" se preocupan por el precio, se preocupan más por si las herramientas pueden ayudarles a producir más y cerrar más ventas. Siempre que los beneficios generados por la IA sean claramente superiores a los costos de uso, incluso una tarifa anual de decenas de miles de dólares o más vale la pena. Los negocios de IA que les sirven pueden ser "pequeños", pero pueden ganar dinero de manera tangible en el ámbito comercial.

Además, el aumento constante de FDE también es una reflexión y un avance de la industria sobre la difícil situación de los tokens de aplicaciones de IA. FDE cambia el punto de anclaje del valor del producto de "cuántos tokens se han llamado" a "qué se ha completado para el cliente", dando a las empresas emergentes la oportunidad de cobrar realmente según los resultados entregados. Cuando los tokens en sí mismos ya no determinan el límite superior del valor del producto, las aplicaciones de IA también tienen la oportunidad de obtener más ganancias.

En última instancia, lo que se compra con tokens es solo un boleto de entrada, no una muralla defensiva. Si no se puede escapar, solo se puede ser devorado por los tokens.

Este contenido se ofrece únicamente con fines informativos generales y no constituye un asesoramiento financiero, de inversión, legal ni fiscal. Cualquier evento, recompensa, promoción en línea o información relacionada que se mencione en el presente documento no debe considerarse como una recomendación, solicitud o invitación a comprar, vender, operar o de negociar de otra manera con cualquier criptoactivo. Los criptoactivos son sumamente volátiles y pueden provocar pérdidas. La disponibilidad de los servicios, productos y eventos relacionados de WEEX puede variar según la región. Tienes la responsabilidad de asegurarte de que tu participación esté de acuerdo con las leyes y regulaciones locales vigentes.