Dónde se fugan los tokens en Cursor y cómo combatirlo

Veinte dólares al mes — eso es exactamente lo que cuesta la suscripción a Cursor Pro, uno de los asistentes de IA más populares para programación. La cantidad parece modesta, casi simbólica comparada con los salarios de los desarrolladores. Pero detrás de esta simplicidad se esconde un mecanismo de facturación complejo que puede convertir un límite generoso en déficit mucho antes del final del período de facturación. Un usuario decidió investigar exactamente a dónde se están yendo los tokens y compartió los resultados de su investigación en Habr.

El consumo de tokens en asistentes de IA para código no es solo una cuestión contable. Es una característica fundamental de la arquitectura de los modelos de lenguaje modernos que afecta directamente a la productividad de los desarrolladores. Cada vez que Cursor llama al modelo, no envía solo tu solicitud, sino también el contexto — fragmentos de archivos abiertos, historial de conversación, resultados de la indexación del proyecto. Todo esto se convierte en tokens, y cada token cuesta dinero. Un usuario que simplemente escribe preguntas en el chat puede no darse cuenta de que entre bastidores el asistente está procesando miles de líneas de código con cada llamada.

El autor del material realizó una especie de auditoría de su uso de Cursor e identificó varios "devoradores" principales del presupuesto. El primero y más obvio es el tamaño de la ventana de contexto. Cuando trabajas con un proyecto grande y tienes muchos archivos abiertos, el asistente intenta tener en cuenta la máxima información posible, lo que lleva al hinchamiento de cada solicitud.

El segundo factor son las solicitudes repetidas y aclaratorias. Un mensaje imprecisamente formulado conduce a una respuesta insatisfactoria, seguida por otra solicitud, y otra — cada una con contexto completo. El tercer punto es la indexación automática y las operaciones en segundo plano que el usuario quizás ni siquiera nota, pero que consumen tokens de manera metódica.

Esta situación es característica no solo de Cursor. Todo el mercado de asistentes de IA para programación — desde GitHub Copilot hasta Windsurf y Cline — enfrenta el mismo dilema: cuanto más contexto recibe el modelo, mejores son sus respuestas, pero más caro se vuelve cada llamada. Los desarrolladores de herramientas equilibran entre calidad y costo, y los usuarios terminan siendo rehenes de este compromiso. Con una suscripción fija de $20, el límite de solicitudes puede agotarse en la primera semana de trabajo intensivo, y con un modelo de pago por uso, la factura puede ser una sorpresa desagradable al final del mes.

Dándose cuenta de la escala del problema, el autor no se limitó a constatar los hechos y creó su propio marco para optimizar el consumo de tokens. La esencia del enfoque es la gestión consciente del contexto. En lugar de permitir que el asistente decida independientemente qué archivos incluir en la solicitud, el marco ayuda a estructurar las solicitudes para que el modelo reciba exactamente la cantidad de información necesaria para una tarea particular. Esta es una especie de "dieta" para un asistente de IA: menos contexto innecesario, mensajes más precisos, solicitudes repetidas mínimas.

Tales iniciativas de los usuarios señalan un cambio importante en la percepción de las herramientas de IA. La era del uso irreflexivo, cuando los desarrolladores simplemente "conversaban" con el asistente como con un colega, está cediendo gradualmente lugar a un enfoque más ingenieril. Los programadores están comenzando a tratar los tokens como un recurso computacional que necesita ser optimizado — exactamente como optimizan la memoria, el tiempo de procesamiento o las solicitudes de red en sus aplicaciones. Incluso emerge una especie de disciplina de "ingeniería de mensajes para ahorrar," donde el objetivo no es solo obtener una buena respuesta, sino obtenerla con costos mínimos.

Para la industria, esto significa que el precio de los asistentes de IA sigue siendo un problema sin resolver. Las suscripciones fijas crean la ilusión de previsibilidad, pero ocultan el costo real del uso. Los modelos de pago por tokens son más honestos, pero asustan con facturas impredecibles. Probablemente, la próxima generación de planes de tarificación incluirá métricas de consumo más transparentes y herramientas de optimización integradas — exactamente lo que entusiastas como el autor de esta investigación están construyendo manualmente ahora.

Veinte dólares al mes — no es mucho ni poco. Es justo lo suficiente para pensar en cómo estás gastando cada token. Y quizás sea exactamente esa conciencia la que al final convierta a los usuarios ordinarios de herramientas de IA en desarrolladores verdaderamente efectivos.