· reAPI Team
Cargos de AI API sin solicitudes: costes de despliegues inactivos
Rastrea cargos de AI API sin solicitudes en curso. Revisa endpoints dedicados, instancias inactivas, almacenamiento conservado y pruebas de que el despliegue se detuvo.

No has enviado prompts ni generado vídeos, pero aparece otro cargo en la cuenta.
Antes de investigar una llamada API misteriosa, mira la unidad de la factura. Si mide tiempo de hardware en línea o alojamiento del modelo, un historial de solicitudes vacío puede ser totalmente coherente con el cargo. Together AI factura el hardware asignado a endpoints dedicados activos y el alojamiento de modelos ajustados desplegados. Replicate factura las instancias de despliegue mientras se preparan, procesan y permanecen inactivas.[1][2]
Esa diferencia cambia lo que debes apagar. Cerrar la aplicación hace que dejes de usarla. Detener un endpoint desplegado modifica el recurso que genera la factura.
Una hora de trabajo, diez horas en línea
Supón que despliegas un modelo para un experimento, lo usas durante una hora y después dejas la instancia en línea durante el resto de un periodo de diez horas. Para este ejemplo, supón un precio de dos unidades de coste por hora de instancia en línea. Son unidades inventadas para calcular, no una cotización de ningún proveedor.
La factura es de veinte unidades: una instancia multiplicada por diez horas en línea y por dos unidades. Si cuentas solo la hora de procesamiento útil, obtienes dos unidades. Las dieciocho restantes no son solicitudes inexplicables. Son el coste de mantener la instancia en línea durante las otras nueve horas, según el supuesto de facturación de este ejemplo.
Ahora cambia el experimento. Envías la mitad de prompts, pero mantienes la misma instancia en línea durante las mismas diez horas. El total de alojamiento sigue siendo de veinte unidades. Los prompts más cortos y menos token de salida no cambian este medidor concreto. Tendrías que cambiar el tiempo en línea facturable, el número de instancias o la tarifa de hardware aplicable.
En un despliegue real, usa su unidad de facturación documentada y los intervalos reales de las instancias, incluidos el tiempo de preparación y los redondeos que aplique el servicio. La documentación de facturación de Replicate incluye expresamente los tiempos de preparación, inactividad y actividad de los despliegues. Los modelos públicos usan otro modelo de facturación y los modelos ajustados de arranque rápido tienen una excepción; no traslades una regla de un tipo de ejecución a otro solo porque los nombres de los modelos se parezcan.[2]
Esto también explica por qué una API puede parecer cara al dividir la factura entre pocas solicitudes completadas. Estás repartiendo el coste de mantener capacidad preparada entre el trabajo que la utilizó. Que merezca la pena depende de por qué la mantuviste preparada.
Qué obtienes con la instancia inactiva
Los controles de despliegue de Replicate permiten establecer un mínimo de instancias para mantener los modelos preparados, o dejar que las instancias sin uso se reduzcan a cero. También permiten limitar el máximo de instancias.[3] El mínimo y el máximo responden a preguntas distintas. Un máximo bajo limita cuánto puede crecer el despliegue; un mínimo distinto de cero puede mantener capacidad en línea aunque no llegue trabajo nuevo.
En una aplicación interactiva, mantener una instancia preparada puede ser razonable. La siguiente solicitud no tiene que esperar a que esa instancia se prepare desde un estado desconectado. En un experimento interno ocasional, pagar durante largos periodos tranquilos puede ser más difícil de justificar. La documentación establece los controles, pero no puede decirte cuánto retraso de arranque aceptarán tus usuarios concretos.
Toma esa decisión según la carga de trabajo. Un lote que puede esperar hasta la siguiente ejecución programada tiene requisitos distintos de los de un usuario que mira una interfaz en directo. Si has medido el comportamiento de arranque en tus propias pruebas autorizadas, usa esas mediciones. Sin ellas, aún no puedes saber si la espera adicional encaja con las necesidades de tu aplicación. Mantener una instancia preparada tampoco demuestra con qué rapidez terminará cada solicitud.
La misma distinción se aplica a Together. Su orientación de soporte separa el uso de modelos sin servidor del alojamiento de modelos ajustados desplegados y los endpoints dedicados. El uso sin servidor se cobra por el uso real de la API; el alojamiento y los recursos dedicados pueden seguir acumulando cargos sin él.[1] «Usamos Together» no aporta suficiente detalle para elegir una regla de facturación. Busca el tipo de endpoint en la cuenta.
Por eso resulta útil anotar junto al despliegue de un experimento el motivo para mantenerlo en línea: qué carga atiende, quién es responsable y cuándo termina esa necesidad. Así será más fácil decidir después si apagarlo que intentar deducir la finalidad de un endpoint antiguo por su nombre.
Encuentra el recurso antes de retirar la tarjeta de pago
Empieza por una línea de factura y su periodo de servicio. Identifica el ID del recurso y la cuenta u organización, y abre el endpoint o despliegue correspondiente. Compara su estado y las instancias asignadas con el periodo cobrado. La cuestión es si ese recurso era facturable durante ese intervalo.
Si la factura solo muestra una deducción total, busca el detalle de uso que la origina. No compares una entrada de horas de hardware con el precio por token del modelo. Comprar créditos es una aportación de fondos, mientras que el alojamiento consume esos fondos; la orientación de soporte de Together distingue expresamente ambas cosas.[1]
Después, comprueba que tienes el conjunto completo de recursos de la cuenta correspondiente. Incluye el endpoint de desarrollo, el despliegue de la evaluación del mes pasado y los recursos creados por otros miembros del equipo. No necesitas suponer que alguno se olvidó. Necesitas un responsable que pueda decir si cada uno debería seguir funcionando.
Si el cargo es por inferencia y no por alojamiento, compara el historial de solicitudes del proveedor con los registros de la aplicación. Revisa los trabajos programados y los workers como posibles fuentes de actividad. Una ventana del navegador cerrada es una prueba débil sobre un servicio que se ejecuta en otro lugar. Si encuentras solicitudes que no puedes explicar, investígalas por separado; la guía de respuesta a una clave filtrada trata la exposición de credenciales.
Comprueba también cuándo terminaron los trabajos aceptados. reAPI documenta que las tareas pendientes pueden completarse y consumir créditos después de revocar su clave API. Su respuesta de tarea distingue una reserva de la liquidación final.[4] En esa situación, un cambio posterior del saldo puede corresponder a trabajo anterior. Compara las horas de envío y finalización antes de concluir que se ejecutó una nueva solicitud después del apagado.
Retirar un método de pago no responde a ninguna de estas preguntas. Together exige al menos una tarjeta válida y una sustituta predeterminada antes de retirar la predeterminada actual.[5] Su forma documentada de detener el alojamiento sin uso es detener el endpoint. Ocúpate primero del recurso facturable; de lo contrario, puedes perder tiempo cambiando ajustes de pago mientras dejas activo el endpoint correspondiente.
Detén el recurso y revisa el siguiente intervalo de facturación
Para Together, el procedimiento publicado consiste en revisar los modelos ajustados desplegados y los endpoints dedicados activos, y detener expresamente los que ya no utilizas.[1] Anota qué endpoint detuviste y cuándo. Si el equipo aún necesita el modelo, deja disponibles su configuración y sus requisitos de despliegue para la próxima persona que deba reactivarlo.
En Replicate, revisa tanto la configuración de escalado como el estado real de las instancias. Un ajuste describe lo que el despliegue puede hacer; la monitorización indica si las instancias están arrancando, inactivas o procesando.[3] Tras un cambio, comprueba el número resultante de instancias en línea. No uses una pantalla de configuración guardada como única prueba de que el recurso está desconectado.
La eliminación es un paso adicional. La documentación de Replicate exige que un despliegue haya estado desconectado y sin uso durante al menos quince minutos antes de poder eliminarlo.[6] Si tu objetivo inmediato es dejar de pagar por un experimento abandonado, sigue ese orden del ciclo de vida. Decide por separado si el equipo quiere conservar su configuración o eliminar el despliegue.
Luego mira el siguiente registro de uso. Compara el intervalo que abarca con la hora del apagado, no solo la fecha en que apareció el cargo. Una línea contabilizada después del apagado puede describir tiempo facturable anterior. Un intervalo facturable realmente nuevo después de que el recurso quedara inactivo es un hallazgo distinto, que merece trasladarse a soporte con el ID del recurso y las marcas de tiempo.
Vuelve al ejemplo de diez horas. Si el registro dice que la instancia estuvo en línea las diez horas completas, el total de veinte unidades se deriva del supuesto indicado. Si tienes pruebas de que se desconectó antes, la discrepancia ya es precisa: ¿qué intervalo contó el sistema de facturación? Esa pregunta resulta mucho más útil para soporte que «No envié ningún prompt».
Un modelo detenido puede dejar otros costes
Apagar el cómputo no elimina necesariamente los recursos que lo rodean. AWS ofrece un ejemplo concreto: los volúmenes EBS persisten cuando se detiene una instancia EC2 y siguen generando cargos de almacenamiento.[7] Esta es una regla de almacenamiento de AWS, no una afirmación de que Together o Replicate use las mismas tarifas.
Si operas tu propia infraestructura, lee uno por uno los elementos restantes de la factura. Identifica el volumen conservado u otro recurso facturado por separado y determina qué contiene antes de retirarlo. AWS documenta que eliminar un volumen EBS elimina sus datos, mientras que las instantáneas ofrecen una opción de conservación independiente.[8] Ahorrar no es motivo para borrar la única copia de un artefacto del modelo que el equipo todavía necesita.
El mismo cuidado se aplica a las salidas que has copiado a tu propio almacenamiento. El ciclo de vida del servicio de generación no determina el de tu archivo. La guía de conservación de salidas sigue esas copias durante su guardado y eliminación. En una lista de apagado, asigna al almacenamiento un responsable y una decisión propios, en lugar de ocultarlo bajo «endpoint detenido».
Por tanto, reducir un despliegue a cero no demuestra que toda la cuenta ya no cueste nada. Puede haber otros endpoints, trabajo anterior en liquidación o recursos facturados por separado. Cierra cada elemento según su propia unidad y periodo de servicio.
Decide si realmente necesitas tener un despliegue propio
Una vez comprendida la factura, pregúntate qué necesita la aplicación para la próxima ejecución. Los pesos personalizados, el control de la infraestructura y la capacidad dedicada son motivos para evaluar un despliegue. En cambio, llamar a un modelo compatible ya preparado puede encajar con una API de modelos alojados. Son elecciones de producto distintas, no formas intercambiables de comprar lo mismo.
Para inferencia con modelos compatibles, compara el catálogo de reAPI con el modelo y el contrato de entrada/salida que necesita tu aplicación. La documentación de tareas muestra cómo se informan los resultados y el uso liquidado; la referencia de saldo cubre la cuenta.[4] Esto no convierte reAPI en un sustituto del entrenamiento personalizado ni del alojamiento GPU dedicado. Si son requisitos, inclúyelos en la comparación en lugar de valorar solo la parte más fácil de sustituir.
Sin esa elección, no existe un único coste útil para «crear una aplicación de IA». Estima el trabajo de construcción por separado de la inferencia, el cómputo en línea, el almacenamiento y las operaciones. En una aplicación poco usada, un total pequeño de solicitudes puede coexistir con un total considerable de alojamiento, como muestra el ejemplo. En un servicio concurrido, mantener capacidad preparada puede ser intencionado.
Los cupos gratuitos tampoco resuelven la cuestión arquitectónica. Replicate documenta modelos seleccionados que pueden probarse antes de configurar la facturación, mientras que OpenAI documenta créditos API prepagados que disminuyen con el uso de pago.[2][9] Ninguno demuestra inferencia gratuita ilimitada ni alojamiento dedicado gratuito. Cuando se apruebe el siguiente experimento, anota cómo se factura y quién lo detendrá al terminar.
Referencias
- Together AI. ¿Por qué me cobran si no estoy haciendo llamadas API? Consultado el 15 de noviembre de 2026.
- Replicate. Facturación. Consultado el 15 de noviembre de 2026.
- Replicate. Despliegues. Consultado el 15 de noviembre de 2026.
- reAPI. Referencias de tareas, saldo y autenticación. Consultado el 15 de noviembre de 2026. Ciclo de vida de tareas, saldo y autenticación.
- Together AI. ¿Puedo añadir varias tarjetas de pago? Consultado el 15 de noviembre de 2026.
- Replicate. Eliminar un despliegue. Consultado el 15 de noviembre de 2026.
- Amazon Web Services. Cómo funcionan la detención y el inicio de instancias EC2. Consultado el 15 de noviembre de 2026. Ciclo de vida de instancias y costes relacionados.
- Amazon Web Services. Eliminar un volumen Amazon EBS. Consultado el 15 de noviembre de 2026. Eliminación y conservación de volúmenes.
- OpenAI. Configurar y gestionar la facturación API prepagada. Consultado el 15 de noviembre de 2026. Facturación API prepagada.