Adónde van los tokens de Cursor y cómo frenar la fuga

Veinte dólares al mes: eso cuesta la suscripción a Cursor Pro, uno de los asistentes de IA para programar más populares. La cifra parece modesta, casi simbólica frente a los salarios de los desarrolladores. Pero tras esa sencillez se esconde una mecánica de tarificación compleja, capaz de convertir un límite generoso en escasez mucho antes de que acabe el periodo de facturación. Un usuario decidió averiguar adónde van exactamente los tokens y compartió los resultados de su investigación en Habr.

El consumo de tokens en los asistentes de IA para código no es solo una cuestión contable. Es una característica fundamental de la arquitectura de los modelos de lenguaje actuales y afecta directamente a la productividad de los desarrolladores. Cada vez que Cursor llama al modelo, envía no solo tu consulta, sino también contexto: fragmentos de los archivos abiertos, el historial de la conversación y los resultados de la indexación del proyecto. Todo se tritura en tokens, y cada token cuesta dinero. Quien se limita a escribir preguntas en el chat puede no darse cuenta de que, entre bastidores, el asistente procesa miles de líneas de código en cada petición.

El autor hizo una especie de auditoría de su uso de Cursor e identificó varios «devoradores» clave del presupuesto. El primero, y el más obvio, es el tamaño de la ventana de contexto. Cuando trabajas con un proyecto grande y tienes muchos archivos abiertos, el asistente intenta abarcar tanta información como puede, lo que infla cada solicitud. El segundo factor son las solicitudes repetidas y aclaratorias. Un prompt impreciso produce una respuesta insatisfactoria, a la que sigue otra solicitud, y otra, cada una con el contexto completo. El tercero es la indexación automática y las operaciones en segundo plano, que el usuario quizá ni nota pero que gastan tokens de forma constante.

La situación no es exclusiva de Cursor. Todo el mercado de asistentes de IA para programar, de GitHub Copilot a Windsurf y Cline, afronta el mismo dilema: cuanto más contexto recibe el modelo, mejores son sus respuestas, pero más cara resulta cada consulta. Los fabricantes equilibran calidad y coste, y los usuarios quedan como rehenes de ese compromiso. Con una suscripción fija de 20 dólares, el límite de solicitudes puede agotarse en la primera semana de trabajo intenso, y con el modelo de pago por uso la factura puede dar una mala sorpresa a final de mes.

Tras comprender la magnitud del problema, el autor no se quedó en constatar los hechos y creó su propio framework para optimizar el consumo de tokens. La esencia del enfoque es la gestión consciente del contexto. En lugar de dejar que el asistente decida por su cuenta qué archivos incluir en la solicitud, el framework ayuda a estructurar las consultas para que el modelo reciba justo la información que necesita cada tarea. Es una especie de «dieta» para el asistente de IA: menos contexto superfluo, prompts más precisos y el mínimo de solicitudes repetidas.

Iniciativas como esta de los usuarios apuntan a un cambio importante en cómo se perciben las herramientas de IA. La época del uso sin pensar, cuando los desarrolladores simplemente «conversaban» con el asistente como con un colega, cede poco a poco ante un enfoque más propio de la ingeniería. Los programadores empiezan a tratar los tokens como un recurso de cómputo que hay que optimizar, igual que optimizan la memoria, el tiempo de procesador o las peticiones de red en sus aplicaciones. Incluso surge una disciplina de «prompt engineering para ahorrar», cuyo objetivo no es solo obtener una buena respuesta, sino obtenerla al menor coste.

Para la industria, esto significa que el precio de los asistentes de IA sigue siendo un problema sin resolver. Las suscripciones fijas crean una ilusión de previsibilidad, pero ocultan el coste real de uso. Los modelos de pago por token son más honestos, pero asustan por la imprevisibilidad de las facturas. Es probable que la próxima generación de planes tarifarios incluya métricas de consumo más transparentes y herramientas de optimización integradas, justo lo que hoy construyen a mano entusiastas como el autor de este estudio.

Veinte dólares al mes no es ni poco ni mucho. Es justo lo necesario para plantearse cómo gastas cada token. Y quizá esa conciencia acabe convirtiendo a los usuarios corrientes de herramientas de IA en desarrolladores realmente eficaces.