¿Por qué OpenAI dejó de vender su plan de $200? La hipótesis que los titulares no ponen: los números, no la demanda

A primera vista, la noticia del 10 de septiembre es la mejor noticia que puede tener una empresa. OpenAI —valuada en torno a los $852.000 millones, con rumores de salida a bolsa— dejó de vender su producto más caro. No porque no pudiera venderlo, sino porque demasiada gente quería comprarlo.

Es el titular soñado: "tanta demanda que tuvimos que cerrar la puerta". Y es, textualmente, lo que dijo la compañía.

Pero hay un viejo reflejo del análisis económico que conviene aplicar cada vez que un negocio rentable y en expansión decide, voluntariamente, dejar de vender: o el producto tiene un problema, o el precio tiene un problema. Y en esta historia hay una cifra —que aparece más adelante, y que no es sobre demanda— que vuelve esa sospecha muy difícil de ignorar.

El orden será este: primero los hechos (los verificables), después las hipótesis (separando la oficial de la incómoda), luego el test lógico (¿se puede demostrar?), y al final la coincidencia que lo resume todo.

1. El hecho: lo que realmente pasó (y es verificable)

Empecemos por lo que no depende de ninguna narrativa:

La frase con la que Sottiaux vendió la decisión fue esta:

Y en la declaración completa hay una línea que dice más de lo que parece: OpenAI pausó Pro "para asegurar que nuestros usuarios actuales tengan una experiencia increíble y acceso continuo a Astra". La prioridad declarada no es crecer, es retener. Un negocio que no puede atender a más clientes entrega su capacidad a los que ya tiene.

Hasta aquí, todo es verificable. Ahora viene lo interesante.

2. Astra: el modelo más caro que OpenAI ha lanzado (y por qué importa)

Cualquier hipótesis sobre la economía del plan Pro tiene que empezar por entender qué se sirve dentro de ese plan. Y la respuesta es incómoda: Astra es el modelo más caro por token que OpenAI ha puesto en el mercado.

Hay dos detalles de esa tabla que valen más que el titular. Primero: los tokens de razonamiento se facturan a tarifa de output ($50 el millón), y un modelo de razonamiento profundo genera muchísimos. Segundo: el perfil de uso de Astra es agéntico —uso de computadora, investigación profunda, coding—, tareas que corren minutos u horas y consumen tokens en cada acción autónoma.

3. Las dos hipótesis (y la tercera que se cuela sola)

Con eso sobre la mesa, hay más de una forma de leer la pausa. Conviene ponerlas una al lado de la otra, porque recién ahí se ve el problema.

H0 — La hipótesis oficial (capacidad). Es la que dio OpenAI: la demanda de Astra supera el cómputo disponible. El tier Pro es el que más recursos consume, así que se raciona para proteger la experiencia de la base. Simple, coherente, y probablemente verdadera en parte.

H1 — La hipótesis incómoda (márgenes). Es la de este artículo. Si el costo marginal de servir a un usuario Pro se acerca o supera los $200 que paga, entonces cada nueva suscripción agrega margen ≈ 0 o negativo. Bajo esa lógica, pausar no es evitar reventar el sistema: es detener la hemorragia.

¿Ves el problema? Las tres producen exactamente el mismo hecho observable. Y eso tiene una consecuencia lógica que hay que decir en voz alta.

4. Por qué la pausa sola no prueba nada (honestidad radical)

Si leyeras solo el titular, podrías convencerte de cualquiera de las tres hipótesis. Pero las tres son observacionalmente equivalentes: predicen el mismo evento. Eso significa que la pausa, por sí sola, no demuestra la hipótesis de los márgenes. No la confirma. Tampoco la refuta.

Y esto merece una aclaración importante: este artículo no afirma que OpenAI pausó por márgenes. Plantea la hipótesis y te da las herramientas para ponerla a prueba. Quien diga "fue por costos" con la misma seguridad con la que OpenAI dice "fue por demanda" está cometiendo, en espejo, exactamente el mismo pecado.

La diferencia entre una opinión y un análisis no es tener razón: es saber qué la haría falsa. Así que sigamos con la evidencia, y después definamos los tests.

5. La huella dactilar de los costos

"No se puede probar con un solo dato" no significa "no hay indicios". Y hay un patrón que sí apunta en una dirección — un patrón de manual de márgenes.

5.1 La regla más vieja de la economía: escasez → precio, no puerta cerrada

Si un producto es rentable y su limitación es la capacidad, la respuesta racional no es rechazar a los clientes que te ofrecen $2.400 al año. Es subirles el precio. En economía, una escasez real eleva el precio de equilibrio; no cierra la puerta. Y bloquear ingresos en plena guerra por captar usuarios —con Gemini y Claude empujando— es una decisión carísima… a menos que ese cliente no sea rentable.

5.2 El detalle del detalle: qué se pausó y qué se dejó abierto

Mira otra vez qué cerraron y qué no:

El tier que se pausó es exactamente donde el costo se queda del lado de OpenAI. Lo que se dejó abierto es exactamente donde el costo se traslada al usuario. Eso no es cómo se administra una falta de GPUs. Eso es cómo se administra una exposición de márgenes.

5.3 El precedente: ya pasó antes, y con la misma estructura

En enero de 2025, con otro plan Pro y otro modelo caro (o1 Pro), Sam Altman escribió en X:

Es la misma estructura, un año y medio antes: tier ilimitado + modelo caro = pérdida. La diferencia es que entonces lo admitió. Ahora se llama "demanda sin precedentes".

5.4 El contexto macro: los números que sí son públicos (por filtración)

Las finanzas filtradas de OpenAI (2025, verificadas por el Financial Times) no son las de una empresa que pueda darse el lujo de servir a pérdida:

El crecimiento es real —los ingresos casi se cuadruplicaron—, pero los costos crecieron más rápido. En un negocio así, cada línea de producto con margen negativo pesa el doble, porque compite por el mismo capital que la sostiene.

5.5 El cálculo del punto de equilibrio (back-of-the-envelope)

Con las tarifas de Astra ya se puede hacer un cálculo de servilleta. Supongamos que el costo interno de inferencia es ~40% de la tarifa de lista (un supuesto conservador; a escala, podría ser bastante más barato):

Un usuario agéntico pesado —haciendo coding, computer-use o investigación durante horas— supera eso con tranquilidad. Si lo supera por 2×, el plan Pro está sirviendo a un usuario que cuesta $400 al mes por $200 de ingreso: −$200 por usuario al mes. Incluso si el costo interno fuera apenas el 10% de la lista ($5/1M), el punto de equilibrio sería de 1,3M tokens de output al día: plenamente alcanzable para el "profesional, investigador y desarrollador" que es, según la propia OpenAI, el público objetivo del plan.

6. La economía de OpenAI en dos cifras (aquí el párrafo irónico)

Y ahora, la historia que conviene tener a mano cada vez que alguien hable de la "economía de la IA". Porque si quieres una métrica de las matemáticas económicas de esta industria, OpenAI te la regaló esta misma semana.

El 8 de septiembre —dos días antes de pausar su plan más caro— OpenAI anunció que había "resuelto" el problema de Navier-Stokes, uno de los siete Problemas del Milenio del Clay Mathematics Institute, cada uno con un premio de $1.000.000.

Léelo otra vez: ~$22,5 millones de cómputo para resolver un problema cuyo premio máximo es de $1 millón. Y la empresa dice que ni siquiera va a cobrar el premio. Las matemáticas económicas de OpenAI, resumidas en una línea:

Una aclaración justa, porque la honestidad va en las dos direcciones: el valor de resolver Navier-Stokes no es el millón. Es el prestigio, la señal de capacidad, el golpe de marketing y, probablemente, la tecnología que deja atrás. Nadie razonable mide eso en el premio del Clay — y OpenAI puede permitirse esa apuesta: acaba de levantar capital a una valuación de tres cifras de miles de millones.

Pero precisamente por eso el dato es revelador. Una empresa dispuesta a gastar $22,5M en un problema de $1M —por prestigio— es una empresa cuya economía no se rige por la lógica de la unidad rentable. Y una empresa así, cuando pausa su plan de consumidor más caro, ¿lo hace solo por "demanda"? O lo hace porque esa unidad, una por una, dejó de cerrar. La ironía no es que OpenAI pierda plata en Navier-Stokes: es que ese número nos muestra la lógica con la que trata sus productos de consumidor.

7. ¿Se puede demostrar? Los tests que sí la falsan

Volvamos a la hipótesis incómoda. Si es cierta, tiene que dejar huellas en el futuro. Esto es lo que hay que mirar — y cada punto es, en el fondo, una predicción que puede fallar:

1. El regreso del plan Pro (el test más limpio). Si vuelve igual —mismo precio, sin límites— favorece la capacidad (H0). Si vuelve con topes de uso, un "Pro Max" más caro o un precio mayor, favorece los márgenes (H1). La forma en que reabre es el veredicto.
2. El S-1 de la salida a bolsa. OpenAI presentó su IPO de forma confidencial en junio de 2026. Un prospectus revela márgenes brutos y economía por segmento. Ese documento convierte la hipótesis en hecho —o la mata—. A vigilar.
3. El experimento de la competencia. Si es una restricción de cómputo de toda la industria, Anthropic (Claude Max, $200) y Google deberían mostrar síntomas parecidos. Si solo OpenAI pausa su tier de $200, entonces es su precio y su estructura de costo específicos.
4. Los topes silenciosos. Si empiezan a introducir límites blandos (soft caps) o throttling sobre los Pro existentes, es margen. Si no lo hacen, es experiencia/capacidad.
5. La filtración. Como la de Ed Zitron/FT sobre 2025. Un leak de margen por plan cierra el caso.

Fíjate que ninguno de estos tests requiere acceso a información privilegiada. Son predicciones públicas y falsables. Eso es lo que separa una hipótesis de una opinión: la hipótesis se juega su validez en el futuro; la opinión solo se aferra a su autor.

8. Por qué esto te importa a ti (y no es chisme de Silicon Valley)

Podrías pensar que la economía de OpenAI es un problema de OpenAI. No lo es. Es un espejo.

Piénsalo: si la empresa más capitalizada y mejor financiada del sector tiene problemas para sostener "acceso ilimitado a la frontera por $200", ¿qué te espera cuando tu empresa monta su operación sobre una API de frontera metered, o sobre una promesa de acceso cuyo precio decide otro?

La lección no es "OpenAI es mala". La lección es estructural: el acceso a la frontera, subsidiado por capital de riesgo, tiene fecha de vencimiento. Cuando el capital deja de subsidiar —y el balance de pérdidas aprieta—, el precio sube, aparecen los límites, y el acceso se convierte en lo que siempre fue: un costo que alguien tiene que pagar. Y cuando llegue ese día, la pregunta será incómoda: ¿cuánto de tu negocio depende de que ese subsidio continúe?

Es exactamente la tesis que venimos sosteniendo (blogs #114 a #120): el valor no está en comprar acceso a la frontera, sino en la capa que controlas tú. La eficiencia que te deja correr un modelo en tu hardware. La memoria que vive en tu infraestructura. El motor abierto en el que puedes meter tu código. Porque todo lo demás —el precio, el límite, la disponibilidad— lo decide alguien que no eres tú.

Así que la próxima vez que alguien te venda "acceso ilimitado a la frontera" a precio fijo, la pregunta correcta no es "¿cuánto cuesta?", sino "¿cuánto cuesta de verdad, y quién paga la diferencia?". Porque la aritmética siempre llega. A veces se llama "demanda sin precedentes". A veces se llama "$22,5M por un problema de $1M". Pero siempre, al final, se llama margen.

Conclusión: cuando un negocio deja de vender, no preguntes por la demanda — pregunta por el margen

El 10 de septiembre, OpenAI hizo lo que hacen las empresas cuando un producto deja de cuadrar: cerró la puerta y le puso un nombre amable. La versión oficial es "demanda sin precedentes". La versión incómoda —esta hipótesis— es que el plan Pro de $200, con Astra dentro, es una unidad cuyo costo se está acercando peligrosamente a su precio.

No podemos probarlo con la pausa sola: las dos explicaciones producen el mismo hecho. Pero los indicios —la estructura de la pausa (se cerró lo ilimitado, se dejó abierto lo metered), el precedente de 2025, las finanzas filtradas y la propia ironía de los $22,5M— apuntan todos en la misma dirección.

Y hay una lección que trasciende a OpenAI: cuando un negocio rentable y en crecimiento deja de vender, casi nunca es solo porque hay demasiada gente. Es porque, por debajo, hay un número que dejó de cerrar. La demanda es la historia. El margen es la aritmética. Y la aritmética, tarde o temprano, se publica.

Este artículo empezó con una pregunta y termina con una apuesta concreta: mira cómo vuelve el plan Pro cuando vuelva. Si vuelve igual, la demanda ganó. Si vuelve con límites, con otro precio, o con un tier por encima, los márgenes tenían razón.