Puntos clave
- Sora muere a los seis meses: OpenAI cerró su app de video con IA (inteligencia artificial) el 24 de marzo de 2026, tras ingresar apenas $2.1 millones en compras dentro de la app, frente a unos costos de inferencia estimados en su pico de $15 millones al día.
- El muro del costo de inferencia es estructural: generar un solo clip de video con IA consume entre 10 y 50 veces más cómputo que una conversación de texto en ChatGPT. A marzo de 2026, ningún modelo de precios logra cerrar esa brecha a escala de consumo masivo.
- Es el manual de Iridium: en 1999, el sistema de telefonía satelital Iridium de Motorola costó $5 mil millones, funcionaba a la perfección y quebró en nueve meses, porque las llamadas costaban $5 por minuto mientras la telefonía celular bajaba a centavos. Sora murió de la misma enfermedad: tecnología perfecta, economía imposible.
- A la IA de consumo le llega la hora de rendir cuentas: si OpenAI, con miles de millones de respaldo, no logra que la generación de video sea rentable, toda la categoría de productos de IA de consumo intensivos en cómputo queda advertida.
Seis meses, $2.1 millones y un cadáver de $1 mil millones
El 24 de marzo de 2026, OpenAI publicó una despedida en X: “Nos despedimos de la app Sora”.
El mensaje fue cortés, agradecido y no incluía la única cifra que importaba: los ingresos totales de Sora por compras dentro de la app, en toda su vida, fueron de $2.1 millones.
No es un error. Dos punto un millones de dólares. En total. En seis meses. De una app que llegó al n.º 1 de la categoría Foto y video de la App Store en las 24 horas posteriores a su lanzamiento en septiembre de 2025 y alcanzó su pico de 3.33 millones de descargas en noviembre.
Mientras tanto, el analista de Cantor Fitzgerald Deepak Mathivanan estimó los costos de inferencia de Sora en su punto máximo en aproximadamente $15 millones al día, con un costo de cómputo de unos $1.30 por cada clip generado. A ese ritmo de gasto, los seis meses completos de ingresos de Sora no alcanzarían para cubrir ni tres horas y media de cómputo en hora pico.
El acuerdo de $1 mil millones con Disney firmado en diciembre de 2025, que cubría la licencia de personajes de Disney, Marvel, Pixar y Star Wars, también está muerto. Nunca cambió de manos ni un dólar.
Bill Peebles, el propio responsable de Sora en OpenAI, admitió en redes sociales que “la economía es, por ahora, completamente insostenible”.
Esta no es la historia de un mal producto. Es la historia de un muro estructural contra el que chocará cada producto de IA de consumo intensivo en cómputo.
El muro del costo de inferencia: por qué el video rompe las cuentas
Para entender por qué murió Sora, tienes que entender la diferencia entre entrenar un modelo y ejecutarlo.
El entrenamiento es un costo único. Gastas cientos de millones de dólares en enseñarle al modelo a entender el video, y luego ese costo se amortiza entre todos los usuarios para siempre. El ciclo de inversión en capital (capex) de los hiperescaladores que este sitio ha cubierto ampliamente es, en gran parte, una historia de entrenamiento e infraestructura.
La inferencia es un costo por uso. Cada vez que un usuario hace clic en “generar”, el modelo se ejecuta. Y la inferencia de video es un monstruo. Un solo clip de video de alta calidad requiere entre 10 y 50 veces más cómputo que una conversación típica en ChatGPT. Un usuario que generaba 20 videos al mes consumía más cómputo que mil sesiones de texto.
Estas son las cuentas que mataron a Sora:
| Métrica | ChatGPT (texto) | Sora (video) |
|---|---|---|
| Cómputo por interacción | 1x (referencia) | 10-50x |
| Precio de suscripción | $20/mes | $20/mes (incluido) |
| Ingresos por unidad de cómputo | Sostenible | ~2% del costo |
| Comportamiento del usuario | Diario, habitual | Esporádico, por proyecto |
ChatGPT funciona porque la inferencia de texto es lo bastante barata como para que una suscripción de $20/mes la cubra. Sora fracasó porque la inferencia de video es entre 10 y 50 veces más cara, pero los usuarios no estaban dispuestos a pagar entre 10 y 50 veces más. Esperaban que viniera incluida o que fuera barata, igual que el texto.
Ese es el muro del costo de inferencia: la brecha entre lo que cuesta ejecutar una IA intensiva en cómputo y lo que los consumidores están dispuestos a pagar por usarla. En la IA de texto, esa brecha se cerró. En la IA de video, no.
El colapso de la retención: nadie volvió
El costo era solo la mitad del problema. La otra mitad es que nadie necesitaba Sora más de una vez.
Para febrero de 2026, menos del 5% de los usuarios que se registraron en Sora volvían cada mes. Las descargas se desplomaron de 3.33 millones en noviembre de 2025 a 1.13 millones en febrero de 2026, una caída del 66% en tres meses.
El patrón era claro: los usuarios generaban unos cuantos clips para un proyecto concreto o por curiosidad, y no volvían nunca. La generación de video con IA es, por naturaleza, esporádica y no habitual. No abres Sora durante el desayuno como abres ChatGPT. Lo usas cuando necesitas un clip para una presentación o una publicación en redes, y luego te olvidas de él durante semanas.
Eso significaba que Sora quemaba unos $15 millones diarios estimados para atender a una base de usuarios que se encogía y apenas participaba. Compáralo con los 900 millones de usuarios activos semanales que se le atribuyen a ChatGPT, que generan una demanda recurrente y habitual que justifica la infraestructura.
Y la ventaja competitiva se evaporó casi de inmediato. Runway Gen-3 se lanzó en octubre de 2025, Kling 2.0 en noviembre y Google Veo 2 en enero de 2026, y todos alcanzaron una calidad comparable o superior en cuestión de meses. Cuando OpenAI intentó escalar Sora para abrirlo a más usuarios, la calidad se degradó de forma drástica, y los usuarios lo notaron. No había costo de cambio, ni dependencia de datos, ni efecto de red.
El paralelismo con Iridium: tecnología perfecta, economía imposible
Esto ya pasó antes.
En 1998, Motorola lanzó Iridium, una red de telefonía satelital que costó $5 mil millones construir. Funcionaba exactamente como se anunciaba: podías hacer una llamada desde cualquier punto de la Tierra, desde el medio del océano Pacífico hasta la cima del Everest. La tecnología fue un auténtico triunfo de la ingeniería.
Quebró el 13 de agosto de 1999, nueve meses después del lanzamiento.
El problema no era la tecnología. Era la economía. Los teléfonos de Iridium costaban $3,000 y las llamadas llegaban a $5 por minuto. Mientras tanto, las redes celulares terrestres se expandían rápido y bajaban sus precios a centavos por minuto. Iridium proyectaba 500,000 suscriptores; consiguió 10,000.
Tras la quiebra, Iridium se vendió por $25 millones, una pérdida del 99.5% para los inversionistas originales. Los satélites siguieron funcionando. Un nuevo dueño reestructuró el negocio, apuntó a nichos (marítimo, militar, industria en zonas remotas) y convirtió a Iridium en una empresa rentable con $831 millones en ingresos en 2024.
Los paralelismos con Sora son precisos:
| Factor | Iridium (1998) | Sora (2025-2026) |
|---|---|---|
| Tecnología | Funcionaba perfectamente | Funcionaba perfectamente |
| Costo de infraestructura | $5 mil millones | Est. $500M-$2B en cómputo |
| Economía por uso | Llamadas a $5/minuto | ~$1.30 por clip generado |
| Alternativa más barata | Celular ($0.10/min) | IA de texto ($0.001/consulta) |
| Retención de usuarios | 10K frente a 500K proyectados | 5% de retención mensual |
| Tiempo hasta el fracaso | 9 meses | 6 meses |
| Qué pasó después | Vendida por $25M, reconstruida | Cómputo redirigido a ChatGPT |
La lección de Iridium no es que los teléfonos satelitales fueran una tontería. Es que la economía de atender a un mercado masivo con tecnología cara no funciona cuando una alternativa más barata cubre la gran mayoría de los casos de uso. La “alternativa más barata” de Sora no es otro generador de video. Es el texto.
La zona gris: los costos bajan, solo que no lo bastante rápido
Aquí es donde los pesimistas de Sora deben pisar el freno.
Los costos de inferencia de la IA se han desplomado. El AI Index de Stanford encontró que consultar un modelo con un rendimiento equivalente a GPT-3.5 costaba $20.00 por millón de tokens en noviembre de 2022; para octubre de 2024, un rendimiento equivalente costaba $0.07 por millón de tokens, un desplome de más de 280 veces en unos 18 meses.
Gartner publicó un pronóstico el 25 de marzo de 2026, un día después de la muerte de Sora, que proyecta que los costos de inferencia de un modelo de un billón de parámetros caerán un 90% adicional para 2030.
Cuatro fuerzas que se refuerzan entre sí impulsan esta caída: mejoras de eficiencia del hardware que entregan entre 2 y 3 veces más rendimiento por generación de GPU (unidad de procesamiento gráfico), optimizaciones de software que elevan el aprovechamiento de las GPU del 30-40% al 70-80%, mejoras en la arquitectura de los modelos como MoE (Mixture-of-Experts, mezcla de expertos) que reducen entre 3 y 5 veces el cómputo por token, y técnicas de cuantización que recortan entre 2 y 4 veces los requisitos de memoria.
La pregunta no es si el video con IA llegará a ser asequible. Es cuándo. Incluso con otra mejora de 10x respecto a los costos de marzo de 2026, generar video a unos $0.13 por clip sigue sin funcionar a la escala en la que la publicidad o las suscripciones baratas pueden absorberlo. Llegar a costos de generación por debajo de un centavo, donde la economía a escala de consumo empieza a respirar, probablemente requiera la reducción adicional del 90% que Gartner proyecta para 2030.
La segunda vida de Iridium es instructiva en este punto. La comunicación satelital no murió. Se abarató, encontró nichos de mercado y terminó siendo viable. Iridium atendía a más de un millón de suscriptores en 2018. Pero tardó 20 años y requirió reinventar por completo el modelo de negocio.
El video con IA para consumidores seguirá la misma trayectoria. La tecnología sobrevivirá. La economía terminará cuadrando. Pero las empresas que financien la brecha entre hoy y ese momento van a desangrarse.
Lo que muere después: la hora de rendir cuentas de la IA de consumo
Sora no es la última víctima. Es el canario en la mina.
Todo producto de IA que dependa de una inferencia pesada se enfrenta al mismo muro. A medida que vas más allá del texto, la economía empeora:
| Categoría de producto | Costo de inferencia frente a texto | Sensibilidad al precio del consumidor | Viabilidad (marzo de 2026) |
|---|---|---|---|
| Chat de texto (ChatGPT) | 1x | Baja ($20/mes funciona) | Viable |
| Generación de imágenes | 5-10x | Media | Marginal |
| Generación de audio/música | 10-20x | Alta | En riesgo |
| Generación de video | 10-50x | Muy alta | Muerta (por ahora) |
| 3D/juegos en tiempo real | 50-100x | Extrema | No viable |
Cuanto más te alejas del texto hacia medios más ricos, peor es la economía. Cada escalón de intensidad de cómputo choca contra el mismo muro del costo de inferencia. Y dos décadas de servicios gratuitos en internet han acostumbrado a los consumidores a esperar que la IA sea barata o gratis.
Esto lleva a una división estructural: la IA se convierte en una herramienta empresarial, no en un producto de consumo. Las corporaciones pueden absorber costos por usuario más altos en herramientas de video con IA que sustituyen a un equipo de producción audiovisual. Los consumidores no pueden ni lo harán.
OpenAI parece entenderlo. Su comunicado oficial mencionó un giro hacia “la investigación en simulación del mundo para impulsar la robótica que ayudará a las personas a resolver tareas físicas del mundo real”. Traducción: aplicaciones empresariales e industriales en las que el cliente puede pagar la factura del cómputo.
Las cuentas de la salida a bolsa: por qué Sora tenía que morir ya
Hay una dimensión estratégica que la narrativa del “producto fallido” pasa por alto.
OpenAI se prepara para salir a bolsa. Cada dólar de cómputo quemado en Sora era un dólar que no generaba ingresos a través de ChatGPT, su producto que de verdad gana dinero. Con los presupuestos de inversión de capital ya estirados en toda la industria, la asignación de cómputo es un juego de suma cero.
Matar a Sora no fue solo cortar pérdidas. Fue optimizar el portafolio. OpenAI decidió redirigir la capacidad de GPU de Sora hacia ChatGPT y su negocio de API (interfaz de programación de aplicaciones), donde la economía unitaria sí funciona. Para una empresa rumbo a la bolsa, es lo racional: mostrarles a los inversionistas un camino hacia la rentabilidad apagando el horno que quema dinero.
El colapso del acuerdo con Disney lo confirma. Una inversión de $1 mil millones suena enorme, pero no habría cambiado la economía unitaria de Sora. Si generar cada clip cuesta $1.30 y los usuarios no pagan más de unos pocos dólares al mes, ninguna cantidad de propiedad intelectual de Disney cambia las cuentas.
La regla Iridium para inversionistas en IA
Toda burbuja tecnológica sigue un patrón: construir la infraestructura, descubrir que la economía no funciona, estrellarse y luego reconstruir sobre los escombros. La pérdida de $5 mil millones de Iridium se convirtió en una adquisición de $25 millones que se convirtió en una empresa que genera $831 millones en ingresos anuales.
La infraestructura no desaparece. Los inversionistas sí.
Para cualquiera que esté evaluando empresas de IA en este momento, la regla Iridium es simple: separa la pregunta tecnológica de la pregunta económica. “¿Funciona este modelo de IA?” es una pregunta distinta de “¿Puede este modelo de IA generar más ingresos de lo que cuesta ejecutarlo?”. Sora respondió “sí” a la primera y “en absoluto” a la segunda.
Las empresas que sobrevivirán al muro del costo de inferencia son las que atienden a clientes que pueden pagar el cómputo: empresas, gobiernos e industrias especializadas. Las empresas que apuestan por video, música y generación en tiempo real con IA para el consumo masivo a precios de suscripción están construyendo teléfonos Iridium en un mundo celular.
La tecnología es real. Los costos están bajando. Pero la brecha entre el nivel de los costos de inferencia en marzo de 2026 y el que necesitan para que el consumo masivo sea viable se mide en años, no en meses. Sora llegó seis meses antes a una fiesta que no empezará hasta el final de la década.
Fuentes (9)
- deeperinsights.com Deeper Insights - OpenAI Shuts Down Sora AI
- digitalapplied.com Digital Applied - Why OpenAI Killed Sora Analysis
- cnbc.com CNBC - OpenAI Shutters Sora Short-Form Video App
- aicerts.ai AI Certs - Sora Daily Inference Cost Estimate
- gartner.com Gartner - Inference Cost Projections to 2030
- gpunex.com GPUnex - AI Inference Economics 1000x Cost Collapse
- en.wikipedia.org Iridium Communications - Wikipedia
- hpcwire.com HPC Wire - OpenAI Shutters Sora Shifts Strategy Ahead of IPO
- variety.com Variety - OpenAI Shutting Down Sora Video Platform
Discusión en Bluesky
Discutir en Bluesky