OpenAI gastó $15 millones/día en Sora. Ganó $2 millones. Total.

Conclusiones clave

• Sora está muerta después de seis meses: OpenAI cerró su aplicación de vídeo de IA (Inteligencia Artificial) el 24 de marzo de 2026, después de ganar sólo $2,1 millones en ingresos totales dentro de la aplicación frente a costos máximos de inferencia estimados de $15 millones por día.
• El muro de costos de inferencia es estructural: generar un solo videoclip de IA cuesta entre 10 y 50 veces más computación que una conversación de texto ChatGPT. Ningún modelo de precios puede cerrar esa brecha a escala del consumidor a partir de marzo de 2026.
• Este es el manual de Iridium: En 1999, construir el sistema de telefonía satelital Iridium de Motorola costó 5 mil millones de dólares y funcionó perfectamente. Quebró en nueve meses porque las llamadas costaban cinco dólares por minuto, mientras que el servicio móvil se redujo a unos centavos. Sora murió de la misma enfermedad: tecnología perfecta, economía imposible.
• La IA del consumidor se enfrenta a un ajuste de cuentas: si OpenAI, con miles de millones de respaldo, no puede hacer que la generación de video sea rentable, toda la categoría de productos de IA de consumo con uso intensivo de computación está sobre aviso.

Seis meses, $2,1 millones y un $1.000 millones de cadáveres

El 24 de marzo de 2026, OpenAI publicó una despedida en X: “Nos despedimos de la aplicación Sora”.

La declaración fue cortés, agradecida y completamente desprovista del número que importaba: los ingresos totales por compras dentro de la aplicación de Sora fueron de 2,1 millones de dólares.

Eso no es un error tipográfico. Dos coma un millón de dólares. Total. Más de seis meses. De una aplicación que alcanzó el puesto número 1 en la categoría de fotos y videos de la App Store dentro de las 24 horas posteriores a su lanzamiento en septiembre de 2025 y alcanzó un máximo de 3,33 millones de descargas en noviembre.

Mientras tanto, Deepak Mathivanan, analista de Cantor Fitzgerald, estimó los costos máximos de inferencia de Sora en aproximadamente 15 millones de dólares por día, fijando cada generación de clips en aproximadamente 1,30 dólares en cómputo. A esa tasa de consumo, los seis meses completos de ingresos de Sora no cubrirían tres horas y media de computación máxima.

\text{Hours of compute covered by total revenue} = \frac{\2.1\text{M}}{$15\text{M/day}} \times 24 \approx 3.4 \text{ hours}$

El acuerdo de mil millones de dólares firmado por Disney en diciembre de 2025, que cubría las licencias de personajes de Disney, Marvel, Pixar y Star Wars, también está muerto. Nunca el dinero cambió de manos.

Bill Peebles, el propio director de Sora de OpenAI, admitió en las redes sociales que “la economía es actualmente completamente insostenible”.

Esta no es una historia sobre un mal producto. Es una historia sobre un muro estructural que todo producto de IA de consumo con gran capacidad informática chocará.

El muro de los costos de inferencia: por qué el video supera las matemáticas

Para comprender por qué murió Sora, es necesario comprender la diferencia entre entrenar un modelo y ejecutar uno.

La formación es un coste único. Gastas cientos de millones de dólares en enseñarle al modelo a comprender el video y luego ese costo se amortiza para todos los usuarios para siempre. El ciclo de gasto de capital del hiperescalador que este sitio ha [cubierto ampliamente] (/markets/the-600b-gamble-ai-capex-valley-of-death) es en gran medida una historia de capacitación e infraestructura.

La inferencia es un costo por uso. Cada vez que un usuario hace clic en “generar”, se ejecuta el modelo. Y la videoinferencia es un monstruo. Un único clip de vídeo de alta calidad requiere entre 10 y 50 veces más procesamiento que una conversación ChatGPT típica. Un usuario que genera 20 videos por mes consumió más computación que mil sesiones de texto.

Aquí están las matemáticas que mataron a Sora:

ChatGPT funciona porque la inferencia de texto es lo suficientemente barata como para cubrirla con una suscripción de 20 dólares al mes. Sora quebró porque la inferencia de vídeo es entre 10 y 50 veces más cara, pero los usuarios no estaban dispuestos a pagar entre 10 y 50 veces más. Esperaban que fuera un paquete o barato, como el texto.

Este es el muro de los costos de inferencia: la brecha entre lo que cuesta ejecutar la IA con gran capacidad de computación y lo que los consumidores pagarán por usarla. Para la IA de texto, esa brecha se ha cerrado. Para video AI, no es así.

El colapso de la retención: nadie regresó

El costo era sólo la mitad del problema. La otra mitad era que nadie necesitaba a Sora más de una vez.

En febrero de 2026, menos del 5% de los usuarios que se registraron en Sora regresaban mensualmente. Las descargas cayeron de 3,33 millones en noviembre de 2025 a 1,13 millones en febrero de 2026, una disminución del 66% en tres meses.

El patrón era claro: los usuarios generaban un puñado de clips para un proyecto o curiosidad específicos y luego nunca regresaban. La generación de vídeos con IA es inherentemente episódica más que habitual. No abres Sora durante el desayuno de la misma manera que abres ChatGPT. Lo usas cuando necesitas un clip para una presentación o una publicación social, y luego ya estás listo durante semanas.

Esto significaba que Sora estaba gastando aproximadamente 15 millones de dólares por día para atender a una base de usuarios que se estaba reduciendo y apenas participaba. Compare eso con los 900 millones de usuarios activos semanales reportados por ChatGPT, que generan una demanda recurrente y habitual que justifica la infraestructura.

Y el foso competitivo 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 unos meses. Cuando OpenAI intentó escalar Sora para un acceso más amplio, la calidad se degradó drásticamente y los usuarios lo notaron. No hubo costo de cambio, ni bloqueo de datos ni efecto de red.

El paralelo de Iridium: tecnología perfecta, economía imposible

Esto ha sucedido antes.

En 1998, Motorola lanzó Iridium, una red de telefonía satelital cuya construcción costó cinco mil millones de dólares. Funcionó exactamente como se anunciaba: podías hacer una llamada telefónica desde cualquier lugar de la Tierra, desde el medio del Océano Pacífico hasta la cima del Monte Everest. La tecnología fue un verdadero triunfo de la ingeniería.

Quebró el 13 de agosto de 1999, nueve meses después de su lanzamiento.

La tecnología no era el problema. La economía lo era. Los teléfonos Iridium costaban 3.000 dólares y las llamadas llegaban a 5 dólares por minuto. Mientras tanto, las redes celulares terrestres se estaban expandiendo rápidamente y bajando sus precios a centavos por minuto. Iridium prevé 500.000 suscriptores; obtuvo 10.000.

Después de la quiebra, Iridium se vendió por 25 millones de dólares, una pérdida del 99,5% para los inversores originales. Los satélites siguieron funcionando. Un nuevo propietario reestructuró el negocio, se centró en nichos de mercado (marítimo, militar, industria remota) y convirtió a Iridium en una empresa rentable con ingresos de 831 millones de dólares en 2024.

Los paralelos con Sora son precisos:

La lección de Iridium no es que los teléfonos satelitales fueran estúpidos. Es que la economía de servir a un mercado masivo con tecnología costosa 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 vídeo. Es texto.

La zona gris: los costos están cayendo, pero no lo suficientemente rápido

Aquí es donde los pesimistas de Sora necesitan pisar el freno.

Los costos de inferencia de IA se han desplomado. Ejecutar un modelo de clase GPT-4 costaba aproximadamente 20 dólares por millón de tokens a finales de 2022. A principios de 2026, el rendimiento equivalente cuesta 0,40 dólares por millón de tokens, una reducción de 1.000 veces en poco más de tres años.

Gartner publicó un pronóstico el 25 de marzo de 2026, un día después de la muerte de Sora, proyectando que los costos de inferencia para un modelo de un billón de parámetros caerán un 90% adicional para 2030.

Cuatro fuerzas agravantes están impulsando esta disminución: ganancias en la eficiencia del hardware que ofrecen entre 2 y 3 veces más rendimiento por generación de GPU (Unidad de procesamiento de gráficos), optimización del software que impulsa la utilización de la GPU del 30-40% al 70-80%, mejoras en la arquitectura del modelo como MoE (mezcla de expertos) que ofrece entre 3 y 5 veces menos procesamiento por token, y técnicas de cuantificación que reducen los requisitos de memoria entre 2 y 4 veces.

La pregunta no es si el vídeo con IA será asequible. Es cuando. Incluso con otra mejora de 10 veces con respecto a los costos de marzo de 2026, la generación de video a aproximadamente $0,13 por clip todavía no funciona a una escala en la que la publicidad o las suscripciones baratas pueden absorberla. Alcanzar costos de generación inferiores a un centavo, donde la economía a escala del consumidor comienza a respirar, probablemente requiera la reducción adicional del 90 % que proyecta Gartner para 2030.

La secuela de Iridium es instructiva en este punto. Las comunicaciones por satélite no murieron. Se volvió más barato, encontró nichos de mercado y finalmente se volvió viable. Iridium atiende a más de un millón de suscriptores en 2018. Pero tomó 20 años y una reinvención completa del modelo de negocio.

Los vídeos de IA para el consumidor seguirán la misma trayectoria. La tecnología sobrevivirá. La economía eventualmente funcionará. Pero las empresas que financian el déficit entre ahora y entonces sangrarán.

Lo que muere después: el ajuste de cuentas de la IA del consumidor

Sora no es la última víctima. Es el canario en la mina de carbón.

Todos los productos de IA que dependen de fuertes inferencias se enfrentan al mismo muro. A medida que va más allá del texto, la economía empeora:

Cuanto más se avanza del texto hacia medios más ricos, peor se vuelve la economía. Cada paso adelante en la intensidad de la computación choca contra el mismo muro de costos de inferencia. Y dos décadas de servicios gratuitos de Internet han enseñado a los consumidores a esperar que la IA sea barata o gratuita.

Esto conduce a una división estructural: La IA se convierte en una herramienta empresarial, no en un producto de consumo. Las corporaciones pueden absorber mayores costos por usuario para las herramientas de video de IA que reemplazan a un equipo de producción de video. Los consumidores no pueden y no lo harán.

OpenAI parece entender esto. Su declaración oficial citó un giro hacia “la investigación de simulación mundial para avanzar en la robótica que ayudará a las personas a resolver tareas físicas del mundo real”. Traducción: aplicaciones empresariales e industriales donde el cliente puede afrontar la factura informática.

Las matemáticas de la IPO: por qué Sora tuvo que morir ahora

Hay aquí una dimensión estratégica que la narrativa del “fracaso del producto” pasa por alto.

OpenAI se está preparando para una IPO. Cada dólar de computación quemado en Sora era un dólar que no generaba ingresos a través de ChatGPT, su producto que realmente genera dinero. Dado que los presupuestos de gastos de capital ya están extendidos en toda la industria, la asignación de cómputo es un juego de suma cero.

Matar a Sora no fue sólo reducir pérdidas. Fue optimización de cartera. OpenAI optó por redirigir la capacidad de GPU de Sora hacia ChatGPT y su negocio API (interfaz de programación de aplicaciones), donde funciona la economía unitaria. Para una empresa en vías de salida a bolsa, eso es racional: mostrar a los inversionistas un camino hacia la rentabilidad cerrando el horno de dinero.

El colapso del acuerdo con Disney refuerza esto. Una inversión de mil millones de dólares parece enorme, pero no habría cambiado la economía unitaria de Sora. Si generar clips cuesta 1,30 dólares cada uno y los usuarios no pagan más que unos pocos dólares al mes, ninguna cantidad de propiedad intelectual de Disney cambia la matemática.

La regla de Iridium para inversores en IA

Cada burbuja tecnológica sigue un patrón: construir la infraestructura, descubrir que la economía no funciona, colapsar y luego reconstruir sobre los escombros. La pérdida de 5.000 millones de dólares de Iridium se convirtió en una adquisición de 25 millones de dólares que se convirtió en una empresa que generaba 831 millones de dólares en ingresos anuales.

La infraestructura no desaparece. Los inversores lo hacen.

Para cualquiera que evalúe empresas de IA en este momento, la regla Iridium es simple: separe la cuestión tecnológica de la económica. “¿Funciona este modelo de IA?” es una pregunta diferente de “¿Puede este modelo de IA generar más ingresos de los que cuesta ejecutar?” Sora respondió “sí” a la primera y “absolutamente no” a la segunda.

Las empresas que sobrevivirán al muro de costos de inferencia son aquellas que atienden a clientes que pueden pagar la computación: empresas, gobiernos e industrias especializadas. Las empresas que apuestan por la generación de videos, música y en tiempo real con inteligencia artificial para el consumo masivo a precios de suscripción están construyendo teléfonos Iridium en un mundo celular.

La tecnología es real. Los costos están cayendo. Pero la brecha entre dónde se ubican los costos de inferencia en marzo de 2026 y dónde deben estar para la viabilidad del consumidor se mide en años, no en meses. Sora llegó seis meses antes a una fiesta que no comenzará hasta finales de la década.