Precios de Azure Content Understanding en herramientas de Foundry

En este artículo se explica el Azure Content Understanding en el modelo de precios de Foundry Tools. Obtenga información sobre lo que se le cobra y cómo calcular los costos de la carga de trabajo.

Para obtener tarifas específicas de precios, consulte Precios de Comprensión del contenido de Azure.

A menos que se indique lo contrario, en este artículo se hace referencia al comportamiento de disponibilidad general con la versión 2025-11-01de API . Secciones que describen la resolución de familia de flujo de trabajo y el modo agente cambian al comportamiento de versión preliminar con la versión 2026-06-01-previewde API .

Descripción de los dos tipos de cargos

Los precios de Azure Content Understanding se basan en dos categorías de uso principales.

1. Cargos de extracción de contenido

La extracción de contenido transforma la entrada no estructurada (documentos, audio, vídeo) en texto estructurado, que permite búsquedas y contenido. Esta salida incluye el reconocimiento óptico de caracteres (OCR) para documentos, voz a texto para audio/vídeo y detección de diseño. Paga por cada unidad de entrada procesada.

• Documentos: Por cada 1.000 páginas
• Audio y vídeo: por minuto

2. Cargos de características generativas

Cuando se usan características con tecnología de inteligencia artificial que llaman a modelos de lenguaje grandes (LLM), se incurre en dos tipos de cargos:

• Cargos de contextualización: prepara el contexto, genera puntuaciones de confianza, proporciona la base de origen y da formato a la salida. Para obtener más información, consulte Tokens de contextualización.
• Cargos de modelo generativo: costes basados en tokens de implementaciones de modelos de Microsoft Foundry (LLM para generación e inserciones para ejemplos de entrenamiento). Descripción de contenido usa la implementación del modelo de Foundry que se proporciona para todas las llamadas relacionadas con IA generativa. No ve ninguna facturación por el uso de tokens de inserción ni LLM en Descripción de contenido. Ese uso aparece en la implementación del modelo Foundry. Para más información, consulte Cargos de modelos generativos.

Entre las características generativas se incluyen: extracción de campos, análisis de figura, segmentación, categorización, entrenamiento.

Componentes de costo

El costo total incluye cada categoría de uso que se aplica al analizador: extracción de contenido, tokens de contextualización, tokens de entrada y salida del modelo de finalización, e inserción de tokens de modelo. Si solo usa la extracción de contenido sin funcionalidades generativas, solo paga por la extracción de contenido.

Cómo calcular los costos

1. Prueba con archivos representativos

Ejecute un pequeño análisis de pruebas con los archivos y el esquema reales. Para ver el uso de operaciones de disponibilidad general y versión preliminar, compruebe el usage objeto en la respuesta de la API de analizadores:

{
  "usage": {
      "documentPagesMinimal": 0, // Asynchronous: Digital file extraction.
      "documentPagesBasic": 0, // Asynchronous: Read extraction.
      "documentPagesStandard": 2, // Asynchronous: Layout extraction.
      "documentPagesMinimalInline": 0, // Preview: Synchronous digital file extraction.
      "documentPagesBasicInline": 0, // Preview: Synchronous Read extraction.
      "documentPagesStandardInline": 0, // Preview: Synchronous Layout extraction.
      "contextualizationTokens": 2000,
      "advancedContextualizationTokens": 0, // Preview: Advanced contextualization.
      "tokens": {
         "gpt-5.2-input": 10400,
         "gpt-5.2-output": 360
    }
  }
}

En la 2026-06-01-preview API, las operaciones sincrónicas notifican el uso de extracción de contenido en las documentPages*Inline propiedades. El uso avanzado de contextualización se notifica en advancedContextualizationTokens. Estos nombres de propiedad identifican el uso en la respuesta de la API; no son los nombres de los medidores de precios publicados.

2. Obtener tarifas actuales

Use las páginas de precios de Azure Content Understanding y Foundry Models para obtener las tarifas actuales de la región, el tipo de implementación y los modelos seleccionados.

3. Calcular la estimación

Para cada categoría de uso aplicable, multiplique el uso medido por su tasa actual. Incluya los cargos de extracción de contenido y contextualización de Content Understanding, los cargos de entrada y salida del modelo de finalización y los cargos de token de inserción cuando el analizador use incrustaciones. Agregue los cargos resultantes para calcular el costo total del volumen esperado.

Las tarifas varían según la región, el tipo de implementación y el modelo, por lo que en este artículo no se proporcionan cálculos numéricos. Para ver las opciones actuales del modelo, consulte Modelos generativos admitidos.

Componentes detallados de costos

Extracción de contenido

La extracción de contenido es el primer paso esencial para transformar la entrada no estructurada (ya sea un documento, audio o vídeo) en un formato estandarizado y reutilizable. Este procesamiento fundamental es necesario para todas las características generativas y se puede usar de forma independiente.

Precios de extracción de contenido por modalidad:

• Documentos: Tres medidores de tres niveles (mínimo, básico o estándar) basados en la complejidad del procesamiento
• Audio: transcripción de voz a texto (medidor estándar único, precio por minuto)
• Vídeo: Extracción de fotogramas, detección de capturas y transcripción de voz a texto (medidor estándar único, precio por minuto)
• Imágenes: sin extracción de contenido disponible

Medidores de extracción de contenido de documentos

En el caso de los documentos, se le cobra por el tipo de procesamiento que realiza Content Understanding. Las tarifas de Content Understanding se basan en el trabajo real realizado en cada página, no en el analizador que seleccione.

Medidor mínimo: se aplica a documentos digitales (DOCX, XLSX, PPTX, HTML, TXT, MSG, EML) donde no se necesita ningún procesamiento de diseño o OCR. Este medidor es la opción de menor costo para documentos nativos digitales. Se le cobra la tarifa mínima independientemente del analizador que use, incluso si llama a un analizador de diseño en un documento digital, solo se le cobra por el procesamiento mínimo realizado.

Medidor básico: se aplica cuando Content Understanding realiza el procesamiento de OCR para extraer texto de documentos basados en imágenes (PDF escaneados, imágenes, TIFF) sin análisis de diseño.

Medidor estándar: se aplica cuando Content Understanding realiza un análisis de diseño, incluido el reconocimiento de tablas y la detección de elementos estructurales de documentos basados en imágenes (PDF escaneados, imágenes, TIFF).

En la tabla siguiente se muestra qué medidor se aplica en función del tipo de archivo y el nivel de análisis:

Funcionalidades generativas

Las funcionalidades generativas de Content Understanding usan modelos de IA generativas para mejorar la calidad de la salida. En la versión 2025-11-01más reciente de la API, puede elegir un modelo generativo en función del caso de uso.

Cuando se usan funcionalidades generativas, Descripción de contenido usa la implementación de modelos Foundry que se proporcione. El uso de tokens para los modelos de completado o inserciones está en esa implementación.

Tokens de contextualización

La contextualización es la capa de procesamiento en Content Understanding que preprocesa el contenido del usuario, prepara los datos y el contexto para los modelos generativos y la salida del modelo posterior a los resultados estructurados finales. El tipo de procesamiento de datos, preparación de datos y procesamiento de contexto aplicado determina el tipo y la cantidad de tokens de contextualización cargados.

La contextualización estándar aplica funcionalidades de extracción de uso general al contenido y al esquema.

La contextualización avanzada aplica tecnología especializada para mejorar la calidad, simplificar la implementación y resolver problemas de comprensión de contenido más complejos.

Con la 2026-06-01-preview API, el valor resuelto config.workflow hace que la tasa aplicable sea explícita:

• Valores de flujo de trabajo que comienzan por standard usar la tasa de contextualización estándar.
• Todas las demás familias de flujos de trabajo, incluidas advanced y agentic, usan la tasa de contextualización avanzada.

Los clientes establecen "default" o "agentic" al crear un analizador. El servicio devuelve un valor de familia de flujo de trabajo con versiones, como standard.2026-06-01-preview, advanced.2026-06-01-previewo agentic.2026-06-01-preview. Para obtener las reglas de resolución completas, consulte workflow.

Cuando se te cobra: siempre que uses funcionalidades generativas (extracción de campos, análisis de figuras, segmentación, categorización, entrenamiento).

Precios: tarifa fija por unidad de contenido.

Los tokens de contextualización se calculan por unidad de contenido:

Suponiendo una tasa de contextualización estándar de 1,00 USD por 1 millón de tokens de contextualización y una tasa de contextualización avanzada de 3,00 USD por 1 millón de tokens de contextualización.

Analizadores creados previamente

En la tabla siguiente se resumen los analizadores creados previamente y sus medidores de facturación de extracción de contenido y procesamiento de contexto aplicables. El medidor de extracción de campos se cobra en función del uso real del modelo generativo.

¹La extracción de contenido de archivos basados en texto mediante analizadores admitidos se factura con el medidor mínimo del documento.

Analizadores personalizados

Al compilar analizadores personalizados y proporcionar datos de entrenamiento etiquetados, el sistema aplica el medidor de contextualización avanzado. De lo contrario, aplica el medidor de contextualización estándar.

Los analizadores personalizados creados con la versión 2025-11-01 de API o versiones anteriores siguen usando la tasa de contextualización estándar. Si recupera uno de estos analizadores con la 2026-06-01-preview API, la respuesta se muestra standard.2025-11-01 en config.workflow. La respuesta de la 2025-11-01 API no cambia.

Al crear un analizador personalizado con la 2026-06-01-preview API:

• Un analizador personalizado sin datos etiquetados se standard.2026-06-01-preview resuelve en y usa la tasa estándar.
• Un analizador personalizado con datos etiquetados se advanced.2026-06-01-preview resuelve en y usa la velocidad avanzada.
• Un analizador personalizado creado con workflow establecido para "agentic" resolver agentic.2026-06-01-preview en y usa la velocidad avanzada.

Costos de modelos generativos (LLM)

Cobros basados en tokens de los modelos Foundry que potencian la extracción y el análisis de campos, así como otras capacidades generativas.

Los tokens de entrada incluyen:

• Texto extraído y transcripciones
• Tokens de imagen (para el análisis visual)
• Definiciones de esquema
• Avisos del sistema
• Ejemplos de entrenamiento etiquetados con la 2025-11-01 API

Los tokens de salida incluyen:

• Valores de campo y datos estructurados
• Puntuaciones de confianza y fundamentación en la fuente
• Resultados y descripciones del análisis

Optimización de costos: compare las tasas actuales de los modelos y tipos de implementación admitidos y elija una opción que cumpla los requisitos de calidad, latencia, residencia de datos y costos.

Cargos de inserción

Cargos basados en tokens para insertar modelos usados al entrenar analizadores personalizados con ejemplos etiquetados para mejorar la precisión.

• Cuando se aplica un cargo: solo cuando se usa la función de entrenamiento con datos etiquetados
• Modelos: para ver las opciones actuales, consulte Modelos generativos admitidos.
• Uso típico: todo el documento está incrustado. El uso puede variar en función de la densidad del texto, pero aproximadamente 1500 tokens por página es una estimación inicial útil.

Detalles de funciones generativas

Cada característica generativa tiene implicaciones de costos diferentes.

Extracción de datos de campo

Genera pares clave-valor estructurados en función de la definición del esquema. Algunos ejemplos son el remitente o receptor de facturas, las partidas, o los elementos de vídeo publicitario como el eslogan y la apariencia del producto.

Impacto en el costo: los cargos se escalan con la complejidad del esquema y el tamaño del contenido.

Análisis de figuras

Crea texto descriptivo para imágenes, gráficos y diagramas para hacer que el contenido visual se pueda buscar en flujos de trabajo de RAG.

Impacto en el costo: tokens LLM por imagen analizada: tokens de entrada para la interpretación de imágenes y tokens de salida para descripciones. El uso aumenta con el tamaño y el número de imágenes contenidas en el documento.

Segmentación

Divide documentos o vídeos en secciones lógicas para el procesamiento dirigido y mejora la eficacia.

Impacto en el costo: costos de token de salida para cada segmento creado. Opcionalmente, puede encadenar analizadores para realizar análisis adicionales en cada segmento. El encadenamiento usa más extracción de contenido y uso generativo, equivalente a ejecutar los analizadores encadenados de forma independiente.

Categorización

Asigna etiquetas a documentos o segmentos para la clasificación y el enrutamiento inteligente a analizadores especializados.

Impacto en los costos: LLM y costos de contextualización para la clasificación. El enrutamiento a otro analizador agrega sus respectivos cargos.

Entrenamiento

Compila analizadores personalizados mediante ejemplos etiquetados para mejoras de precisión específicas del dominio.

Impacto en el costo: ambas versiones de API usan tokens de inserción al agregar datos etiquetados. Con la 2025-11-01 API, los ejemplos de entrenamiento recuperados también agregan tokens de entrada de LLM durante el análisis. Con la 2026-06-01-preview API, el analizador compilado no recupera los documentos etiquetados en tiempo de análisis.

Preguntas más frecuentes

¿Cuándo se me cobra por el uso de LLM?

Solo se le cobrarán los tokens de LLM cuando proporcione al analizador una implementación de Foundry y use una funcionalidad generativa en Content Understanding. Los analizadores que solo realizan la extracción de contenido, como prebuilt-read, prebuilt-layouto analizadores personalizados sin funcionalidades generativas, no incurren en cargos de LLM.

¿Cómo sé qué medidor de extracción de contenido se aplica a mis documentos?

El procesamiento real realizado determina el medidor, no el analizador que elija:

• Mínimo: los documentos digitales (DOCX, XLSX, HTML, TXT, etc.) siempre usan mínimo, independientemente del analizador.
• Básico: documentos basados en imágenes con procesamiento de solo OCR (analizador de lectura)
• Estándar: documentos basados en imágenes con análisis de diseño (analizador de diseño)

Para obtener más información sobre los medidores, vea Medidores de extracción de contenido de documentos.

¿Se me cobra dos veces por el uso del modelo foundry?

No. Content Understanding usa las implementaciones de LLM vinculadas para todas las llamadas a LLM y las embeddings. Se factura por esas implementaciones. Usted paga por Content Understanding para la extracción de contenido y la contextualización, y por Foundry para los tokens de modelo generativos (tokens de entrada/salida y embeddings).

¿Cómo afecta la elección del modelo al costo?

Las tasas de token del modelo varían según el modelo y el tipo de implementación. Compare las tasas actuales y pruebe los archivos representativos antes de elegir un modelo. Los cargos de extracción de contenido y contextualización no dependen del modelo de finalización que seleccione.

¿Qué aumenta el uso de tokens?

Varias características pueden aumentar el consumo de tokens:

• Las puntuaciones de confianza y base de origen agregan contexto de procesamiento.
• El modo extractivo agrega instrucciones y detalles de salida.
• Los ejemplos de entrenamiento agregan ejemplos recuperados al contexto del modelo mediante la 2025-11-01 API.
• La segmentación y la categorización pueden requerir llamadas de modelo adicionales.

¿Se me cobra si se produce un error en mi solicitud?

Content Understanding no cobra por la extracción de contenido ni la contextualización cuando se produce un error en una solicitud (por ejemplo, un error 400). Si una llamada al modelo de finalización de Foundry se realizó correctamente antes del fallo, se le cobrará por ese uso del modelo de Foundry en función de las directivas de facturación de Foundry.

Sugerencias de optimización de costos

• Compare los modelos admitidos y los tipos de implementación para equilibrar los requisitos de costo, calidad, latencia y residencia de datos.
• Comience con los modelos mini - Los modelos en miniatura ofrecen ahorros sustanciales para la mayoría de las tareas de extracción
• Utilice implementaciones globales cuando la residencia de datos y el cumplimiento normativo lo permitan
• Habilitación selectiva de características avanzadas: use solo la referencia de fuente y las puntuaciones de confianza cuando sea necesario.
• Prueba de los archivos representativos antes del escalado para comprender el consumo real de tokens
• Realice el monitoreo del uso regularmente a través del portal de Azure para identificar oportunidades de optimización.

Más ejemplos de precios

Estos son ejemplos detallados que muestran cómo funcionan los precios en distintos escenarios:

Ejemplo 1: Procesamiento de documentos para flujos de trabajo RAG

Escenario: debe extraer contenido de documentos para una solución de Generación aumentada de recuperación (RAG). Use prebuilt-documentSearch para extraer texto, diseño y descripciones de figuras.

Entrada:

• 10 páginas
• Modelo: implementación global de GPT-5.2
• Región: Este de EE. UU.

Desglose de precios:

1. Extracción de contenido: 10 páginas

   • Costo: (10 / 1000) × $5,00 = 0,05 USD

2. Análisis de figuras:

   Suponiendo dos cifras por página. Cuesta aproximadamente 1000 tokens de entrada y 200 tokens de salida por figura.

   • Tokens de entrada: 20 cifras × 1000 tokens/imagen = 20 000 tokens
   • Costo: (20 000 / 1000 000) × 2,000 USD = 0,04 USD
   • Tokens de salida: 20 cifras × 200 tokens/figura = 4000 tokens
   • Costo: (4000 / 1000 000) × 8,000 USD = 0,032 USD

3. Contextualización: 10 páginas × 1000 tokens/página = 10 000 tokens

   • Costo: (10 000 / 1 000 000) × 1,00 USD = 0,01 USD

Costo estimado total: 0,05 USD + 0,04 USD + 0,032 + 0,01 USD = 0,132 USD

Ejemplo 2: Procesamiento de facturas con extracción de campos

Escenario: está automatizando el procesamiento de facturas mediante prebuilt-invoice para extraer datos estructurados (número de factura, fecha, proveedor, total, elementos de línea).

Entrada:

• 10 páginas
• Modelo: implementación global de GPT-5.2
• Características: modo extractivo + estimación de origen + puntuaciones de confianza
• Región: Este de EE. UU.

Desglose de precios:

1. Extracción de contenido: 10 páginas

   • Costo: (10 / 1000) × $5,00 = 0,05 USD

2. Extracción de campos: con la estimación de origen y la confianza habilitada, el uso del token es ~2 veces más por página:

   • Tokens de entrada base: 10 páginas × 5 200 tokens/página = 52 000 tokens
   • Costo: (52 000 / 1000 000) × 0,40 USD = 0,0208 USD
   • Tokens de salida base: 10 páginas × 180 tokens/página = 1800 tokens
   • Costo: (1,800 / 1,000,000) × $1,60 = 0,0029 USD

3. Contextualización: 10 páginas × 1000 tokens/página = 10 000 tokens

   • Costo: (10 000 / 1 000 000) × 1,00 USD = 0,01 USD

Costo estimado total: 0,05 USD + 0,0208 + 0,0029 USD + 0,01 USD = 0,0837 USD

Ejemplo 3: Análisis del contenido de vídeo con extracción de campos de nivel de segmento

Escenario: está extrayendo una representación estructurada del contenido de vídeo para una aplicación RAG. Para extraer datos estructurados por segmento de vídeo, puede usar .prebuilt-videoSearch Los segmentos son clips cortos de 15 a 30 segundos en promedio, lo que da lugar a numerosos segmentos de salida con un único campo de resumen por segmento.

Entrada:

• 60 minutos (1 hora) del vídeo
• Modelo: implementación global de GPT-5.2
• Región: Este de EE. UU.

Suposiciones:

• Fichas de entrada: 7.500 fichas por minuto (en función de fotogramas muestreados, transcripción, indicadores de esquema y metaprompts)
• Tokens de salida: 900 tokens por minuto (suponiendo 10-20 campos estructurados cortos por segmento con segmentación automática)
• Contextualización: 1000 000 tokens por hora de vídeo

Desglose de precios:

1. Extracción de contenido: 60 minutos

   • Costo: 60 minutos × $1/hora = 1,00 USD

2. Extracción de campos:

   • Tokens de entrada: 60 minutos × 7500 tokens/minuto = 450 000 tokens
   • Costo: (450 000 / 1 000 000) × 2,00 USD = 0,90 USD
   • Tokens de salida: 60 minutos × 900 tokens/minuto = 54 000 tokens
   • Costo: (54 000 / 1000 000) × $8,00 = 0,43 USD

3. Contextualización: 1000 000 tokens por hora

   • Costo: (1,000,000 / 1,000,000) × $1,00 = $1,00

Costo estimado total: 1,00 USD + 0,90 USD + 0,43 USD + 1,00 $ = 3,33 USD

Ejemplo 4: Procesamiento de grabaciones del centro de llamadas de audio

Escenario: analiza las grabaciones de un centro de llamadas mediante prebuilt-callCenter para generar transcripciones, diarización de hablantes, análisis de sentimiento y resúmenes.

Entrada:

• 60 minutos de audio
• Modelo: implementación global de GPT-5.2
• Región: Este de EE. UU.

Desglose de precios:

1. Extracción de contenido: 60 minutos

   • Costo: 60 minutos × 0,36 USD/minuto = 0,36 USD

2. Extracción de campos:

   • Tokens de entrada: 60 minutos × 604 tokens/minuto = 36 240 tokens
   • Costo: (36,240 / 1,000,000) × $0,40 = 0,01 USD
   • Tokens de salida: 60 minutos × 19 tokens/minuto = 1140 tokens
   • Costo: (1,140 / 1,000,000) × $1,60 = 0,00 USD

3. Contextualización: 60 minutos × 1667 tokens/minuto = 100 020 tokens

   • Costo: (100 020 / 1 000 000) × 1,00 USD = 0,10 USD

Costo estimado total: 0,36 USD + 0,01 USD + 0,00 + 0,10 USD = 0,47 USD

Ejemplo 5: Procesamiento de imágenes con subtítulos

Escenario: Generas subtítulos descriptivos para imágenes de producto mediante prebuilt-imageSearch.

Entrada:

• 1000 imágenes
• Modelo: implementación global de GPT-5.2
• Región: Este de EE. UU.

Desglose de precios:

1. Extracción de contenido: sin cargo por imágenes

   • Costo: 0,00 USD

2. Extracción de campos:

   • Tokens de entrada: 1.000 imágenes × 1.043 tokens / imagen = 1.043.000 tokens
   • Costo: (1043 000 / 1000 000) × 2,000 USD = 2,09 USD
   • Tokens de salida: 1000 imágenes × 170 tokens/imagen = 170 000 tokens
   • Costo: (170 000 / 1000 000) × 8,000 USD = 1,36 USD

3. Contextualización: 1.000 imágenes × 1.000 tokens/imagen = 1.000.000 tokens

   • Costo: (1,000,000 / 1,000,000) × $1,00 = $1,00

Costo estimado total: 0,00 USD + 2,09 USD + 1,36 USD + 1,00 $ = 4,45 USD

Categorías de uso por carga de trabajo

Use la tabla siguiente para identificar las categorías de uso que se van a incluir en la estimación. El uso exacto del token depende del contenido, el esquema, la configuración del analizador y el modelo seleccionado.

Pasos siguientes

• Página de precios de Azure Content Understanding
• Guía de inicio rápido de Content Understanding
• Procedimientos recomendados para Content Understanding
• Analizadores creados previamente