Un estudio publicado por la Coalición para la Equidad en el Idioma en la Investigación de Inteligencia Artificial indica que, aunque existan 20 idiomas populares, hay una diferencia entre ellos de entre 1,5 y 5 veces en el consumo de tokens. Al ampliarse a 200 idiomas, esta brecha se incrementa hasta 17 veces en un modelo.
Los investigadores describen este fenómeno como una 'tarifa de tokenizador' oculta, que no solo aumenta los costos, sino que también agrava los retrasos y reduce el rango efectivo de contexto.
Estas penalizaciones impactan especialmente a regiones ya con limitaciones en recursos de procesamiento y conectividad.