¿Todos los modelos de Claude cobran lo mismo por una imagen?

No. Los modelos de la familia Claude 4.7 en adelante, como Opus 5, corren en el nivel de alta resolución, con un tope de 2.576 píxeles de lado largo y 4.784 tokens visuales por imagen. El resto de los modelos corre en el nivel estándar, con un tope de 1.568 píxeles y 1.568 tokens visuales. El mismo archivo puede costar hasta el triple de tokens según en qué nivel caiga el modelo que lo procesa.

¿Achicar mis capturas baja la calidad de las respuestas de Claude?

Para leer texto de pantalla, interfaces, tablas y capturas normales, no. Claude sigue leyendo el contenido igual de bien porque ese trabajo nunca necesitó la resolución extra que estabas pagando de más. La excepción es un documento con letra muy pequeña que Claude tiene que leer palabra por palabra: ahí sí conviene dejar la resolución alta, porque achicar de más puede tirar el detalle que le estás pidiendo que lea.

¿Qué tamaño exacto debo usar al achicar una captura?

El punto de referencia es 1.568 píxeles en el lado más largo de la imagen, manteniendo la proporción original. Ese es el mismo tope de lado largo que usa el nivel estándar de Claude, así que si tu imagen ya entra en ese tamaño antes de mandarla, ningún modelo tiene margen para procesarla en su modo de alta resolución, sin importar cuál estés usando.

¿Cómo se calcula exactamente el costo en tokens de una imagen?

Claude divide la imagen en cuadros de 28 por 28 píxeles, y cada cuadro cuenta como un token visual. El cálculo es el ancho de la imagen dividido entre 28, redondeado hacia arriba, multiplicado por el alto dividido entre 28, también redondeado hacia arriba. Si la imagen supera el tope de resolución de su nivel, Claude la achica primero conservando la proporción y calcula el costo sobre ese tamaño ya reducido.

← Artículos

El costo oculto de tus capturas de pantalla en Claude

8 de agosto de 2026 · 6 min de lectura

Claude ve una imagen como una cuadrícula de cuadros de 28x28 píxeles, y cada cuadro es un token visual. Una captura Full HD sin achicar puede costar hasta el triple de tokens en un modelo de alta resolución que la misma imagen redimensionada al límite de 1.568 píxeles de lado largo, sin que la respuesta sea mejor: para leer texto y pantallas, ese nivel extra de detalle casi nunca se usa.

Cada vez que pegas una captura de pantalla en Claude sin tocarla, le estás mandando más resolución de la que necesita para leerla — y esa resolución de más se cobra en tokens. La documentación oficial de Anthropic explica exactamente por qué, y trae la tabla que casi nadie revisa.

Cómo ve Claude una imagen

Claude no procesa una imagen como una foto entera: la parte en una cuadrícula de cuadros de 28 por 28 píxeles, y cada cuadro es lo que Anthropic llama un token visual. El costo de una imagen es, literalmente, el ancho dividido entre 28 multiplicado por el alto dividido entre 28. Mientras más grande sea el archivo que mandas, en más cuadros se parte, y cada cuadro sale de tu límite o de tu factura.

Este sistema es el que enseño dentro de la comunidad MÁQUINA IA: las estaciones, los gates y el código que lo sostiene.

Los dos niveles de resolución

Cada modelo de Claude tiene un tope nativo de resolución, expresado como un límite de lado largo y un límite de tokens visuales. Los modelos de la familia Claude 4.7 en adelante, entre ellos Opus 5, corren en el nivel de alta resolución: hasta 2.576 píxeles de lado largo y hasta 4.784 tokens visuales por imagen, sin que tengas que activar nada — es automático. El resto de los modelos corre en el nivel estándar: hasta 1.568 píxeles de lado largo y hasta 1.568 tokens visuales. Cuando una imagen supera el tope de su nivel, Claude la achica solo antes de procesarla, conservando la proporción. El problema es que ese achicado automático todavía deja pasar mucha más resolución de la que el nivel estándar habría usado.

La tabla real, sin adivinar

Anthropic publica el costo exacto por tamaño de imagen. Una captura Full HD de 1920x1080 píxeles no se achica en el nivel de alta resolución y cuesta 2.691 tokens; en el nivel estándar sí se achica, a 1456x819, y cuesta 1.560. Una foto en 4K de 3840x2160 cuesta 4.784 tokens en alta resolución (achicada a 2576x1449) contra apenas 1.560 en el nivel estándar, porque ahí se achica hasta el mismo tope que la Full HD. Es Anthropic quien lo dice en su propia documentación: una imagen en alta resolución puede llegar a costar hasta el triple de tokens que la misma imagen en el nivel estándar.

El ajuste que corta el costo

La solución no es evitar mandar capturas, es achicarlas tú antes de mandarlas. Si reduces el lado largo de la imagen a 1.568 píxeles antes de pegarla — el mismo tope que usa el nivel estándar — Claude ya no tiene margen para procesarla en su modo más caro, sin importar en qué modelo estés. Para leer texto de pantalla, interfaces y tablas normales, esa resolución sobra: Claude sigue leyendo perfecto porque para ese trabajo nunca necesitó el detalle extra.

Cuánto es esto en dinero real

Anthropic publica también el ejemplo en dólares: a 5 dólares por millón de tokens de entrada de Opus 5 en el nivel de alta resolución, mil imágenes de 1000x1000 píxeles cuestan cerca de 6,48 dólares, y mil imágenes en 4K cuestan cerca de 23,92 dólares. En un modelo del nivel estándar a 1 dólar por millón, esas mismas mil imágenes de 1000x1000 cuestan alrededor de 1,30 dólares. La diferencia no está en la calidad de la respuesta, está solo en cuántos cuadros de 28x28 mandaste a procesar.

El dato honesto: cuándo NO achicar

Esto no aplica igual a toda imagen. Las capturas pequeñas —íconos, logos, capturas ya comprimidas— cuestan casi lo mismo achicadas o no, así que no vale la pena tocarlas. Y hay un caso donde sí conviene la resolución alta a propósito: cuando le mandas a Claude un documento con letra muy pequeña que tiene que leer palabra por palabra. Ahí achicar de más es tirar la información que necesitas que lea. La regla práctica es achicar el lado largo a 1.568 píxeles salvo que el detalle fino sea justo lo que le estás pidiendo que lea.

Preguntas frecuentes

¿Todos los modelos de Claude cobran lo mismo por una imagen?: No. Los modelos de la familia Claude 4.7 en adelante, como Opus 5, corren en el nivel de alta resolución, con un tope de 2.576 píxeles de lado largo y 4.784 tokens visuales por imagen. El resto de los modelos corre en el nivel estándar, con un tope de 1.568 píxeles y 1.568 tokens visuales. El mismo archivo puede costar hasta el triple de tokens según en qué nivel caiga el modelo que lo procesa.
¿Achicar mis capturas baja la calidad de las respuestas de Claude?: Para leer texto de pantalla, interfaces, tablas y capturas normales, no. Claude sigue leyendo el contenido igual de bien porque ese trabajo nunca necesitó la resolución extra que estabas pagando de más. La excepción es un documento con letra muy pequeña que Claude tiene que leer palabra por palabra: ahí sí conviene dejar la resolución alta, porque achicar de más puede tirar el detalle que le estás pidiendo que lea.
¿Qué tamaño exacto debo usar al achicar una captura?: El punto de referencia es 1.568 píxeles en el lado más largo de la imagen, manteniendo la proporción original. Ese es el mismo tope de lado largo que usa el nivel estándar de Claude, así que si tu imagen ya entra en ese tamaño antes de mandarla, ningún modelo tiene margen para procesarla en su modo de alta resolución, sin importar cuál estés usando.
¿Cómo se calcula exactamente el costo en tokens de una imagen?: Claude divide la imagen en cuadros de 28 por 28 píxeles, y cada cuadro cuenta como un token visual. El cálculo es el ancho de la imagen dividido entre 28, redondeado hacia arriba, multiplicado por el alto dividido entre 28, también redondeado hacia arriba. Si la imagen supera el tope de resolución de su nivel, Claude la achica primero conservando la proporción y calcula el costo sobre ese tamaño ya reducido.