Los hyperscalers ofrecen GPUs a casi el doble del precio de la nube, según Fluence Research

La carrera del cómputo para IA precios del cómputo GPU fuera de los mayores compradores: un compromiso a tres años reduce el precio mediano en un 48%, mientras que 17 de los 22 modelos GPU rastreados aumentaron su precio durante el último año

DALLAS, Texas – Noviembre 13, 2026 — Fluence ha publicado La carrera del cómputo para IA, un informe que fija el precio del cómputo GPU en la nube para todas las empresas que no son laboratorios de vanguardia ni hiperscaladores. Fue producido junto con socios de investigación NEAR AI, io.net, Boundless, Phala, Gensyn, Fortytwo, Theta, Compute Labs y GAIB. Su conclusión central: donde una empresa compra una hora de GPU determina el precio. Entre los modelos H100, H200 y B200, los hiperscaladores listan las GPUs a 1,98 veces la mediana de la nube GPU, desde 1,4 veces en el B200 hasta 2,8 veces en el H100. La misma H200 se lista entre $4,08 y $10,60 la hora.

La duración del compromiso es casi tan importante como la elección del proveedor. En comparación con la tarifa bajo demanda de cada proveedor, una reserva de un año reduce el precio mediano en un 21 % y un plazo de tres años, en un 48 %. La capacidad spot se cotiza al 53 % de la tarifa bajo demanda, para cargas de trabajo que pueden interrumpirse.

Los compradores que esperan una caída en los precios de las GPU podrían necesitar revisar sus presupuestos. Diecisiete de los 22 modelos de GPU rastreados por GetDeploying cuestan más que hace un año, y el alquiler mediano de H100 es entre un 13 % y un 30 % mayor, dependiendo del periodo considerado.

El informe también explica por qué los precios están aumentando rápidamente:

• La demanda se desplazó hacia los modelos abiertos. La cuota de los modelos chinos en los tokens de OpenRouter entre empresas de EE. UU., Europa y el Sur Global aumentó del 6–13 % al 57–67 % en menos de ocho meses, según CNBC. Los pesos abiertos permiten que cualquier empresa con GPUs ofrezca un modelo casi fronterizo en hardware que controla.
• Los mayores compradores aseguraron la oferta más reciente. Los cuatro hiperscalers proyectan un gasto de capital de 720–740 mil millones de dólares para 2026, y los cuatro acuerdos revelados más grandes entre laboratorios de IA y Meta con neoclouds suman unos 233 mil millones de dólares; tres de ellos son cantidades «hasta» y gran parte corresponde a capacidad aún no entregada.
• La hora-GPU se está convirtiendo en un activo financiero. CME, ICE y Nodal Exchange han anunciado futuros sobre GPU, cada uno liquidándose sobre un índice de precios diferente, mientras que los prestamistas ya están prestando contra GPUs: el préstamo de Lambda, con calificación de grado inverso, tiene un tipo del 6,78 %, y el de Sharon AI, sin calificación revelada, del 9,95 %.

«Los modelos de peso abierto están muy cerca de los mejores modelos cerrados, y las empresas están cambiando a ellos. Cualquier empresa con GPUs ahora puede ofrecer un modelo cercano a la vanguardia en hardware que controla. Las GPUs son la parte difícil», dijo Evgeny Ponomarev, cofundador de Fluence.

El informe concluye con cuatro formas de pagar menos por el mismo poder de cómputo: comparar el mismo chip entre diferentes tipos de proveedores, comprometerse cuando la carga de trabajo sea estable, igualar la generación de GPU con el modelo y mirar más allá de los hiperscalers, ya que gran parte de la nueva capacidad de neocloud está contratada por laboratorios años antes.

El informe completo está disponible en fluence.ai/compute-race-2026.

Acerca de Fluence

Fluence Cloud es un proveedor de nube GPU con capacidad proveniente de centros de datos independientes (fluence.ai). Fundada en 2017 por Dmitry Kurinskiy, Evgeny Ponomarev y Tom Trowbridge, la empresa ha recaudado 14 millones de dólares de inversores que incluyen 1KX, Multicoin, Distributed Global, Blockchange, Tiger Global y Protocol Labs.