Precios de Datadog LLM Observability en 2026: cuánto cuesta realmente

Ha cambiado el nombre y también el precio

El cambio de nombre no es meramente estético para quienes gestionan compras: la documentación sigue alojada en docs.datadoghq.com/llm_observability/ y el ancla de precios continúa siendo ?product=llm-observability, por lo que la denominación antigua está lejos de desaparecer; simplemente ya no es el nombre comercial del producto.

El segundo cambio afecta al propio modelo de precios, reestructurado entre febrero y julio de 2026. Verificado mediante el Internet Archive:

La tarjeta antigua decía: “Starting At $8 / Per 10K monitored LLM requests, per month” con un “Minimum of 100K LLM requests per month.” Esas 100K nunca fueron una asignación incluida: era un volumen mínimo facturable por contrato. Las tarifas del complemento de retención volvieron a cambiar otra vez entre julio y septiembre. Dos cambios estructurales en siete meses significan que cualquier cifra de una publicación con más de unas ocho semanas de antigüedad probablemente sea errónea.

[SCREENSHOT: Datadog — la tarjeta de Agent Observability en datadoghq.com/pricing mostrando los niveles Free y Pro y la letra pequeña por cada 10K spans]

El modelo de precios, explicado correctamente

Free — 0 $/mes, hasta 40K LLM spans por mes, retención de traces de 15 días, contexto y evals ilimitados, acceso completo a las funciones. Pro — 160 $/mes con compromiso anual: “100K LLM spans per month included. Additional spans: $3.5 per 10K LLM spans.” Retención de 15 días, con tres niveles de compromiso para esas primeras 100K: 240 $ bajo demanda, 200 $ mes a mes, 160 $ anual.

Hay dos omisiones en el texto principal. Los niveles de retención son ambiguos: Datadog nunca aclara si las tarifas de 30/60/90 días se añaden o sustituyen a la base de 3,50 $; por analogía con los APM Indexed Spans en la misma página parecen sustitutivas, pero es una inferencia. [VERIFY] por escrito. Y existe un recargo regional no declarado: el mapa de regiones integrado en la propia página da para us/eu 160 $ + 3,50 $, para ap2/uk1 192 $ + 4,20 $, y para ap1 200 $ + 4,38 $ — un 25 % más por un SKU idéntico.

Qué se considera un span facturable

En este punto, el modelo es mejor que su reputación. Según las FAQ de precios:

«Un span de LLM es una única llamada a un proveedor de LLM como OpenAI o Anthropic. Un flujo de trabajo de agente puede generar múltiples spans de LLM… Datadog cobra únicamente por los spans de LLM, no por los spans de herramientas, de recuperación u otros spans de flujo de trabajo que rodeen a la llamada del modelo.»

Existen siete tipos de span y exactamente uno se factura: LLM. Workflow, agent, tool, task, embedding y retrieval son gratuitos, y lo que decide es el tipo en lugar de la profundidad de anidación; por lo tanto, las llamadas de embedding en RAG no cuestan nada aunque consulten a un modelo. Cuando los spans totales superan a los spans de LLM en una proporción de cinco a uno, ese denominador tan reducido importa, y la mayoría de las comparaciones por span frente a Datadog lo ignoran. Una inconsistencia: la documentación del SDK dice que la facturación “is based on the volume of spans you send” (se basa en el volumen de spans que envías), contradiciendo la indicación explícita de la página de precios: “LLM spans only”.

[CAPTURA DE PANTALLA: Datadog — una traza de agente que muestra etiquetas de tipo de span (llm, tool, workflow, retrieval) en el gráfico de llama]

Cómo interactúa con la facturación de APM y Logs

Aquí es donde las facturas sorprenden a los usuarios.

No requiere APM. Textual: “No. Agent Observability is a standalone product and can be purchased without any other Datadog subscription.”

No consume las asignaciones de APM. La página de asignaciones enumera Infrastructure, Infra Pro/Enterprise, APM, APM Pro y Serverless — Agent Observability no aparece por ninguna parte. Cada span por encima del plan Free o Pro es un gasto totalmente nuevo, que nunca absorbe el margen sobrante por el que ya pagas.

¿Las trazas de LLM también se facturan como trazas de APM? No afirmaremos esto, porque Datadog no lo documenta en ninguno de los dos sentidos. [VERIFY]. Lo que sí es verificable, y revelador: para AI Guard Datadog promete una excepción — “It includes an APM allotment, so customers without APM aren’t billed for the ingestion of traces AI Guard emits.” No existe una declaración equivalente para Agent Observability, y la misma librería ddtrace / dd-trace impulsa a ambos. Modela la interacción en lugar de asumir el aislamiento.

El volumen es de exclusión voluntaria (opt-out), no de inclusión (opt-in). Activar el producto requiere un DD_LLMOBS_ENABLED=1 explícito. Pero una vez activado, “All integrations are enabled by default”, por lo que añadir OpenAI, LangChain, Bedrock, CrewAI o MCP produce spans facturables sin cambios en el código. Excluirse es por integración: integrations_enabled=False (Python), plugins: false (Node), o DD_PATCH_MODULES.

La palanca de costes: DD_LLMOBS_SAMPLE_RATE (0.0-1.0, por defecto 1.0; requiere Python ddtrace >= 4.12.0, Node dd-trace >= 5.110.0, Java >= 1.66.0). Datadog afirma: “Sampling does not affect your Agent Observability metrics… these metrics remain based on 100% of your application’s instrumented traffic.” Reduces el volumen de spans sin cegar los dashboards, un diseño realmente bueno.

Un ejemplo práctico, con el cálculo matemático

Define una ejecución de agente de referencia: 1 solicitud → 1 traza → 4 llamadas a LLM + 3 llamadas a herramientas + 2 retrievals. Nueve spans, cuatro facturables.

A — 50.000 ejecuciones/mes = 200.000 spans de LLM (450.000 spans totales)
  Base Pro, primeros 100.000 spans           =   160,00 $
  100.000 adicionales / 10.000 = 10 unidades
  10 x 3,50 $                              =    35,00 $
  Total anual                            =   195,00 $ / mes
  Bajo demanda: 240 $ + (10 x 5,00 $)          =   290,00 $ / mes

B — 500.000 ejecuciones/mes = 2.000.000 spans de LLM (4.500.000 totales)
  Base Pro, primeros 100.000 spans           =   160,00 $
  1.900.000 adicionales / 10.000 = 190 unidades
  190 x 3,50 $                             =   665,00 $
  Total anual                            =   825,00 $ / mes
  Bajo demanda: 240 $ + (190 x 5,00 $)         = 1.190,00 $ / mes

Sustituye tu propio volumen: coste = 160 + 3,50 x ((spans de LLM - 100.000) / 10.000), establecido con un mínimo de 160 $ entre 40K y 100K spans, y 0 $ por debajo de 40K.

¿Te ayudó el cambio de precios? Frente a los antiguos 8 $ por cada 10K con un suelo de 80 $/mes, el punto de equilibrio se sitúa cerca de los 278.000 spans de LLM al mes (nuestro cálculo matemático a partir de las tarifas publicadas):

Las cargas de trabajo pequeñas y con picos pasaron a ser gratuitas o empeoraron; las grandes y estables se volvieron considerablemente más baratas. Si tu presupuesto es anterior a julio de 2026 y te encuentras en la franja intermedia, no es correcto.

Lo que obtienes a cambio

Este es un producto serio, y la afirmación de Datadog — “Every tier includes the full agent engineering platform from day one” — está respaldada por la lista de funciones.

Preproducción: revisión y anotación humana, conjuntos de datos con versiones a partir de trazas de producción, un Playground, experimentos estructurados, evaluadores offline.

Producción: rastreo a nivel de span de entradas, salidas y metadatos en prompts, recuperación, llamadas a herramientas y decisiones; monitorización de latencia, tokens y costes; evaluadores que incluyen alucinación y drift; escaneo de seguridad para prompt injection, exposición de datos sensibles y salidas no seguras; correlación con servicios de backend, infra y RUM bajo un único ID de rastreo. Patterns añade agrupación por temas, Insights detección de valores atípicos.

Evaluations: LLM-as-a-judge personalizado a nivel de span, trace o sesión, evaluaciones gestionadas, comentarios de usuarios finales, evaluaciones externas mediante API, una integración con NeMo y Annotation Queues. Sin embargo, el catálogo gestionado es reducido; la documentación solo enumera Language Mismatch y Sensitive Data Scanning. Sensitive Data Scanner se incluye sin coste adicional, pero está sujeto a medición: «Por cada 10K LLM spans, recibes una asignación de 1 GB de procesamiento de SDS». El comportamiento en caso de exceso no está documentado. [VERIFY].

La correlación es el verdadero núcleo de su valor: si Datadog ya alberga las métricas de tu infraestructura, traces de APM, logs y sesiones de RUM, que los traces de los agentes aterricen junto a ellos con el mismo sistema de alertas aporta un valor económico real.

Dónde encuentran problemas los equipos

Tres de estos aspectos corresponden a la propia empresa. El cuarto requiere una atribución cuidadosa, y la tiene. Hay que señalar primero que todas las páginas de «alternativas a Datadog» que revisamos citaban una tarifa incorrecta, una unidad equivocada o un nivel que no existe.

1. Los Guardrails no están incluidos en el precio. Agent Observability detecta inyecciones de prompts a modo de evaluación. El bloqueo en tiempo real corre a cargo de AI Guard, que figura en la misma página de precios con un «Presupuesto personalizado / Contacte con nosotros para consultar precios». FAQ de Datadog: «Sí. AI Guard es un producto independiente. Se factura por separado de LLM Observability». El método de medición es inusual («Facturado por cada 1.000.000 de tokens de entrada evaluados, incluido el contexto completo de la conversación»), por lo que vuelves a pagar por toda la conversación en cada turno. Sin tarifa pública.

[SCREENSHOT: Datadog — la tarjeta de producto de AI Guard mostrando «Contacte con nosotros para consultar precios» y la nota al pie por millón de tokens de entrada]

2. «Evaluaciones ilimitadas» tiene una puerta trasera de facturación. Las evaluaciones no conllevan un SKU independiente, pero la propia documentación de LLM-as-a-judge de Datadog afirma: «Nota: Habilitar el rastreo aumenta el número de spans facturados enviados a Datadog». Un conmutador en la interfaz de usuario convierte el volumen de evaluaciones en volumen de spans facturables, y el apartado de «contexto y evaluaciones ilimitadas» de la página de precios no lo menciona.

3. Los valores predeterminados cambiaron silenciosamente. La retención de resultados de experimentos era de 90 días por defecto en febrero de 2026; ahora es de 15 días, ofreciéndose 3 meses solo con compromiso. Los datos de traces se mantienen 15 días, las métricas de traces 15 meses y los datasets versionados 3 años.

4. Sorpresas en la factura: lo que respaldan los registros. No hemos encontrado ningún informe de primera mano creíble sobre sorpresas en la factura específicas de Datadog LLM Observability o Agent Observability. Lo que existe es a nivel de toda la plataforma, más antiguo y pertenece a fuentes con nombre y apellidos:

• The Pragmatic Engineer (Gergely Orosz, 11 de mayo de 2023) informó que Coinbase gastó 65 millones de dólares con Datadog en 2021, confirmado con ingenieros actuales y anteriores de Coinbase. En la llamada de resultados del Q1 de 2023 de Datadog, el CFO David Obstler se refirió a ese cliente como «un optimizador temprano» y el CEO Olivier Pomel dijo: «reestructuramos su contrato».
• DHH de 37signals, 26 de agosto de 2024: «Nuestra factura de renovación de Datadog ascendió a ~83.000 $/año antes de que canceláramos». La cifra declarada de una empresa, no auditada.
• Un comentarista de Hacker News (monero-xmr, 6 de mayo de 2023): «También siento que me están robando a mano armada. Un producto excelente, de todos modos». La opinión de un usuario; nótese la segunda parte.
• OneUptime, 12 de febrero de 2026, modeló la factura de un equipo de 40 personas aumentando de 13.525 $ a 26.460 $/mes (+96 %) bajo la carga de un agente de codificación de IA. Un supuesto hipotético elaborado por un competidor, no datos medidos.

Tampoco pudimos fundamentar la afirmación, ampliamente repetida, de que Datadog autoactiva LLM Observability y cobra por ello. La activación es explícita. La versión defendible: el producto es opt-in, el volumen es opt-out.

¿Prefieres no medir los spans en absoluto?

Enruta el tráfico a través de un gateway que registre costes, tokens y traces como un subproducto del servicio de la solicitud.

Empieza gratis

El mismo trabajo, con precios en distintas alternativas

Las unidades no son comparables, por lo que las tablas de titulares frente a titulares carecen de sentido. A continuación se muestra la misma carga de trabajo de referencia (50.000 ejecuciones/mes = 200.000 LLM spans, 450.000 spans totales) con el precio calculado bajo el sistema de medición de cada proveedor, a tarifa oficial, anual cuando se ofrezca.

Dos correcciones. El denominador de Datadog es aproximadamente cinco veces menor que el de Opik o Arize aquí, porque ignora los spans de herramientas, recuperación y flujos de trabajo; sus 350 $ nominales por millón de spans de LLM no son comparables a los 50 $ por millón de todos los spans de Opik. Y las celdas "no publicada" representan un hallazgo, no una laguna en nuestra investigación: LangSmith, Arize AX y el propio AI Guard de Datadog realmente no publican esas tarifas. De la lista, solo Phoenix, Opik, Langfuse y Helicone ofrecen una vía gratuita autoalojable; Datadog no cuenta con una versión open-source ni con una opción de autoalojamiento.

Dónde encaja TrueFoundry y dónde no

Comencemos con la parte honesta. Datadog es un producto mucho más amplio que TrueFoundry, y este no es un reemplazo equivalente. Cubre infraestructura, APM, logs, RUM, synthetics, seguridad y monitorización de bases de datos. Si necesita un panel único para todo su entorno, esa es la función de Datadog y TrueFoundry no la realiza. Ejecutar ambos es algo habitual.

Lo que cambia TrueFoundry es de dónde procede la telemetría y, por tanto, lo que cuesta. El AI Gateway se sitúa en la ruta de las solicitudes entre sus aplicaciones y más de 1000 LLM tras una API compatible con OpenAI, añadiendo aproximadamente 3-4 ms de latencia y manteniendo más de 350 RPS en 1 vCPU. Como cada llamada a modelos y herramientas MCP ya pasa a través de él, las métricas y trazas son un subproducto del servicio de la solicitud: no hay cargos por span, porque los spans no son la unidad de facturación. El precio se basa en usuarios más solicitudes del gateway: Developer 0 $ para 3 usuarios y 10K solicitudes por usuario al mes; Pro 25 $/usuario/mes con 20K solicitudes compartidas por usuario y 20 $ por cada 100K adicionales.

Las trazas son jerarquías reales de spans, no logs planos. Una finalización de chat protegida por guardrails produce un span raíz ChatCompletion, un span Guardrail, la llamada saliente del guardrail, un span Model y la llamada saliente del modelo; cada uno con atributos de coste, token y latencia, y cada uno atribuido al sujeto que lo creó. Esa es la jerarquía que la observabilidad de AI agents necesita, sin necesidad de instrumentar el agente.

Como el gateway está en la ruta de la solicitud en lugar de al lado, se vuelven posibles dos cosas que una herramienta de solo observabilidad no puede hacer. Los guardrails se ejecutan en línea (redacción de PII, detección de prompt injection, moderación, bloqueo en lugar de puntuación) sin un SKU independiente por token. Y los presupuestos se aplican, no solo se notifican: límites de gasto que detienen solicitudes, por usuario, equipo, modelo o clave de metadatos.

¿Aun así desea los datos en Datadog? TrueFoundry emite trazas compatibles con OpenTelemetry, y la exportación OTEL desde el gateway funciona con cualquier backend compatible con OTLP: el gateway se convierte en el punto de recolección y Datadog en la capa de correlación.

La limitación honesta: si no desea un proxy en la ruta de la solicitud, la mayor parte de esto queda inerte, y nuestras herramientas de evaluación están menos desarrolladas que las de plataformas enfocadas principalmente en la evaluación como Braintrust o DeepEval. La observabilidad de costes y su aplicación es donde el gateway justifica su valor.

¿Quiere ver cuánto cuestan sus agentes sin un medidor por span?

Apunte una aplicación al gateway y abra el panel de métricas.

Empiece gratis

Lecturas relacionadas

• Herramientas de observabilidad para AI agents
• Las mejores plataformas de observabilidad de IA para LLMs en 2026
• ¿Qué es la observabilidad de LLMs?
• Soluciones de seguimiento de costes de LLMs
• Observabilidad en un AI gateway

Conclusión

El cambio de precios de Datadog para 2026 es más razonable de lo que sugiere su reputación: la unidad facturable es la más reducida del mercado, el muestreo no ciega los dashboards y, a escala, la tarifa marginal está un 56 % por debajo de la de febrero. Los argumentos en contra son lo que queda fuera de la tarjeta: las guardrails como un SKU independiente de tipo «contact-us», la retención más allá de 15 días a una tarifa cuya interacción con la base no está documentada, la ausencia de asignación de hosts y dos cambios estructurales en siete meses.

Todo se reduce a lo que quieras gestionar tú mismo. Si quieres que un único proveedor lo correlacione todo y aceptas un recuento de spans medido, Datadog es un producto sólido y amplio, y nada de lo aquí dicho sostiene lo contrario. Si prefieres que la telemetría sea un subproducto de un punto de control que ya necesitas —uno que aplique presupuestos y ejecute guardrails en línea, y que exporte a Datadog mediante OTEL si quieres ambos—, ese es el argumento nativo del gateway.

Todos los precios anteriores son las tarifas de lista publicadas por Datadog a fecha de 25 de septiembre de 2026 y están sujetos a cambios. Verifíquelos en datadoghq.com/pricing antes de comprometerse.

Pruebe gratis el TrueFoundry AI Gateway →