Primero, la respuesta corta: el 13 de agosto de 2026, Mixedbread lanzó un modelo llamado Toast 1. No es un modelo general con el que conversar, sino un agente de búsqueda especializado cuyo único trabajo es rastrear tus documentos y volver con evidencias. Lo que merece la atención de un empresario no es el nombre del producto, sino lo que dejó al descubierto: una gran parte de lo que pagas hoy por la IA se va en el acto de buscar y no en el de pensar, y separar ambas cosas reduce el coste de forma sustancial a la vez que mejora la calidad de las respuestas.

Qué se anunció realmente

Según el anuncio oficial de la compañía, Toast 1 es un agente de búsqueda entrenado para una sola tarea: recibe una pregunta, la divide en subconsultas, reúne evidencias de tus fuentes, las examina y luego entrega un paquete seleccionado con el material relevante. No redacta tu respuesta final; prepara la materia prima sobre la que después razona el modelo grande.

La compañía afirma que iguala o supera a los modelos de frontera específicamente en calidad de búsqueda, con un coste hasta diez veces menor y una velocidad doce veces mayor. Son cifras del proveedor y deben leerse como tales, pero la afirmación más importante es de arquitectura: no te obliga a cambiar tu configuración y funciona sobre el índice de recuperación que ya tienes, sin migrar tus datos a ningún otro sitio.

El precio de lanzamiento anunciado es de 0,30 $ por millón de tokens de entrada, 0,036 $ por millón de tokens de entrada en caché y 0,72 $ por millón de tokens de salida. En la práctica, la compañía sitúa una sola consulta en torno a 0,016 $ a 0,023 $ con una latencia mediana de ocho segundos, que en su configuración de máxima calidad sube a unos 0,05 $ a 0,07 $ con una mediana de once segundos.

Por qué esto le importa a un empresario: la economía de la búsqueda

Cuando construyes un asistente sobre los documentos de tu empresa, das por hecho que la mayor parte del coste está en redactar la respuesta. Es justo al revés. El modelo lee decenas de documentos para encontrar tres líneas útiles, y pagas por todo lo que leyó, no por lo que utilizó. Por eso la factura crece a medida que crece tu archivo, por eso las respuestas se ralentizan y por eso la respuesta correcta se pierde cada vez más entre el ruido.

Lo que hace un agente de búsqueda especializado es trasladar ese trabajo pesado a un modelo más barato y más rápido, entrenado precisamente para ello, y después pasar un resultado condensado al modelo grande. El modelo grande sigue presente, pero dedica su capacidad a lo que nada más hace bien: comprender, inferir y plantear la decisión.

La regla práctica: no pagues precios de modelo de frontera por un trabajo que se parece al de un archivero. Compra el pensamiento al modelo caro y la búsqueda al barato.

Las cifras de dos pruebas comparativas independientes

Las afirmaciones de marketing son discutibles; las pruebas comparativas publicadas son más claras. En OfficeQA Pro v2, publicado por Databricks para medir la exactitud de las respuestas en noventa preguntas sobre situaciones financieras empresariales complejas y realistas, GPT-5.6 Sol con Toast 1 disponible como subagente alcanzó un 70 % de exactitud con un coste aproximado de 1,15 $ por tarea. En comparación, el mejor resultado anterior llegó al 60 % con un coste aproximado de 4 $ por tarea, mientras que el mismo modelo sin agente de búsqueda solo logró un 33 %. Añadir la capa de búsqueda casi duplicó la precisión y redujo el coste al mismo tiempo.

En la prueba de conocimiento para bufetes de abogados de Harvey, sobre un subconjunto de treinta y tres tareas, la calidad de las respuestas se mantuvo constante mientras el consumo de tokens bajaba de 80,6 millones a 47 millones solo con mejorar la búsqueda, y después a 23 millones al añadir el agente de búsqueda especializado, terminando en la mitad de turnos y con una reducción de costes de más del 60 %.

Fíjate en la lección común: la capacidad de razonamiento del modelo no cambió. Cambió la calidad del material que le llegaba. Es exactamente lo que vemos en los proyectos con clientes: los asistentes empresariales que fracasan rara vez se quedan cortos de inteligencia; se quedan cortos de alimentación.

Dónde se nota esto en tu empresa saudí

  • Contratos y acuerdos. Una pregunta como "¿cuáles de nuestros contratos permiten la rescisión con un preaviso de treinta días?" es una pregunta de búsqueda, no de razonamiento, y hoy consume horas de trabajo de un empleado del departamento jurídico.
  • Pliegos de licitación y solicitudes de propuestas (RFP). Extraer requisitos de calificación, penalizaciones y fechas de entrega de cientos de páginas antes de decidir siquiera si presentar una oferta.
  • Facturas y certificaciones de obra. Rastrear una sola partida de coste a lo largo de años de documentos para descubrir por dónde se escapa el margen.
  • El archivo de recursos humanos. Políticas de vacaciones, asignaciones y fechas de vencimiento de los permisos de residencia dispersas entre archivos y sistemas desconectados.
  • Atención al cliente. Un asistente que responde a partir de los manuales de producto y las actas de reuniones en lugar de inventarse una respuesta.

En todos estos casos, el verdadero activo que posees no es el modelo, sino el archivo. Un modelo se puede sustituir en una semana; un archivo bien organizado se construye una sola vez.

Tres preguntas que hacer antes de comprar

Primera: ¿cuánto me cuesta una sola pregunta, y no cuánto cuesta la suscripción mensual? Si tu proveedor no tiene una respuesta numérica, no sabes en qué se convertirá tu factura a escala.

Segunda: ¿la capa de búsqueda está separada del modelo? La separación significa que puedes cambiar el modelo grande mañana sin reconstruirlo todo, y es la mejor protección frente a las oscilaciones de precio de los proveedores.

Tercera: ¿dónde residen mis documentos y salen de allí? Es una cuestión de gobernanza antes que técnica, y afecta directamente a tus obligaciones conforme a la Ley de Protección de Datos Personales (PDPL) si tu archivo contiene datos de clientes o empleados.

Cómo lo abordamos en Origami

No vendemos un modelo concreto, y no aconsejamos a ningún cliente que ate su operación a un único proveedor porque haya salido en las noticias esta semana. Lo que construimos es la arquitectura que mantiene el modelo como una pieza sustituible: una fuente de conocimiento organizada que es tuya, una capa de búsqueda independiente, permisos claros que definen quién ve qué y un coste medido por consulta en lugar de por factura mensual.

Si tu empresa tiene un gran archivo del que nunca ha sacado provecho, empieza por la pregunta repetitiva y costosa más acotada que tengas, y mide el tiempo y el coste antes y después. Un paso pequeño y medido vale más que un amplio programa de IA sin ningún indicador asociado.

Fuentes