Segun MarkTechPost (AI/ML News), un agente de inteligencia artificial que recorre la web enfrenta dos tipos de gastos operativos: el costo de recuperación y el de procesamiento del modelo. La primera parte se refiere a las tarifas de APIs de búsqueda o recuperación, pagadas por cada solicitud. La segunda, más significativa, ocurre cuando el contenido extraído de páginas web es procesado por el modelo de inteligencia artificial, consumiendo tokens de entrada, y además se generan tokens adicionales por el razonamiento y la respuesta final. TinyFish, empresa especializada en infraestructura para agentes de IA, destaca que los equipos suelen asignar presupuestos solo para el modelo, ignorando el impacto que el volumen de contenido recuperado tiene en el rendimiento total.
El sistema de TinyFish se basa en un modelo de inteligencia artificial nativo para búsquedas, diseñado específicamente para navegar páginas web en tiempo real. Este modelo opera sobre infraestructura gestionada por la empresa, mientras que una flota de navegadores en la nube renderiza páginas y ejecuta interacciones en sitios vivos. No requiere hardware local como GPUs. La accesibilidad se logra mediante SDKs en Python y TypeScript, así como mediante interfaces de línea de comandos o el protocolo MCP. En el momento de la evaluación del 28 de septiembre de 2026, TinyFish Search (web) obtuvo una puntuación de 71 en una prueba de 1.000 tareas, a un costo de $9,30 por mil tareas, con un tiempo promedio de 59,0 segundos por tarea, incluyendo tanto el tiempo de búsqueda como de procesamiento del modelo.
Entre las configuraciones analizadas, TinyFish presenta el costo de recuperación más bajo dentro de los límites de tasas: 30 solicitudes por minuto y 500 por hora para búsquedas, y 150 URLs por minuto y 1.000 por día para recuperación de páginas. Este beneficio se mantiene como el costo total más bajo en las 12 configuraciones del leaderboard. Sin embargo, el sistema registra el segundo tiempo más elevado en tareas entre las presentadas, lo que afecta su eficiencia en escenarios de alto volumen. Además, el modelo integrado no es reemplazable, lo que limita la flexibilidad de adaptación según el tipo de contenido. En la escala de puntuación, Perplexity Search (medio) alcanza el máximo valor de 80, mientras que TinyFish Search (web) se sitúa en 71, frente a una base sin búsqueda que marca solo 33.
Para el lector peruano, este análisis es clave en un contexto donde las empresas y emprendimientos digitales están acelerando su adopción de tecnologías de inteligencia artificial. Muchas soluciones en el mercado prometen bajo costo, pero ignoran que el volumen de datos recuperados puede multiplicar los gastos de procesamiento. En un entorno donde el acceso a información en tiempo real es fundamental para decisiones comerciales, como en comercio electrónico o servicios financieros, entender estos costos permite diseñar estrategias más sostenibles. Los datos muestran que el ahorro inicial en búsquedas puede ser engañoso si no se considera el impacto en el consumo de tokens. Así, cualquier uso de IA agente debe incluir una evaluación detallada del flujo de datos y su costo real, especialmente en mercados donde el tiempo y la eficiencia son recursos limitados.