Codex ChatGPT: Deep Research entra en el presupuesto común

Codex ChatGPT: Deep Research llegó a ChatGPT Work y Codex el 9 de septiembre de 2026, pero lo importante no es tener otro botón para investigar. Ahora, los encargos de investigación iniciados en Work consumen el mismo cupo o saldo de créditos de Work/Codex que el equipo utiliza para crear, analizar y entregar proyectos con agentes.

El cambio, en una frase

Dentro de ChatGPT, Deep Research funciona ahora con dos contadores distintos.

Si se inicia en Chat, consume el cupo independiente de tareas de investigación que corresponda al plan. Si se inicia en Work o Codex, descuenta del cupo o los créditos que ya comparten Work y Codex. Una tarea de investigación en Work no resta ninguna tarea del cupo de investigación de Chat, ni sucede lo contrario.

Ese matiz explica todo lo relativo al presupuesto. La misma capacidad de investigación puede contabilizarse de forma diferente según dónde se ponga en marcha.

OpenAI indica en su nota de lanzamiento del 9 de septiembre que la función está disponible para usuarios Plus, Pro, Business, Enterprise y Edu que tengan acceso a Work. Funciona en web, escritorio, iOS y Android, siempre que la cuenta y el espacio de trabajo tengan acceso.

Qué hace realmente Deep Research en Work

Deep Research sirve para abordar preguntas que exigen consultar varias fuentes, compararlas y documentar el resultado. El encargo puede definir el objetivo, la audiencia, las restricciones, los archivos y las fuentes permitidas. La herramienta puede plantear preguntas aclaratorias, reunir evidencia y entregar un resultado estructurado con citas o enlaces a las fuentes. Además, es posible orientarla o interrumpirla mientras trabaja.

La versión de Work importa porque el resultado puede integrarse en un entregable. Cuando las herramientas disponibles admiten esos formatos, se puede solicitar un documento editable, una presentación, una hoja de cálculo o un Site. En Codex, la investigación puede convivir con el trabajo técnico, algo útil para preparar un plan de migración, revisar dependencias o fundamentar una decisión de implementación antes de tocar el código.

Para quien todavía no conozca Work, el análisis de ChatGPT Work explica las diferencias entre Chat, Work y Codex. En pocas palabras: Chat responde, Work se hace cargo de un entregable de mayor recorrido y Codex opera sobre software y sistemas técnicos.

Los límites de acceso a las fuentes siguen vigentes. Deep Research puede utilizar la web pública, los archivos proporcionados, los archivos accesibles del espacio de trabajo, la búsqueda web cuando esté disponible y las apps compatibles que la cuenta actual tenga habilitadas y autorizadas. Iniciar una investigación no abre el acceso a otra carpeta, al Drive de otra persona ni a una app bloqueada por el espacio de trabajo.

Por eso, conectar una app tampoco garantiza acceso irrestricto. No todas las apps ni todos los plugins son compatibles con Deep Research. Incluso cuando lo son, los permisos del proveedor y los controles del espacio de trabajo determinan qué puede leer o escribir la tarea. La guía de Deep Research deja claros estos límites.

Cómo comparten presupuesto Codex ChatGPT y Work

En Work y Codex, investigar y ejecutar tareas compiten ahora por la misma capacidad de los agentes.

En las cuentas Plus y Pro, las funciones de agentes compatibles consumen primero el cupo incluido y después los créditos comprados, si la cuenta ofrece esa opción. En los puestos estándar de ChatGPT Business también se aplican primero los límites incluidos en el plan; cuando corresponde, el trabajo puede continuar con los créditos adquiridos por el espacio. Los espacios Enterprise y Edu con precios flexibles escalan mediante créditos, mientras que aquellos sin precios flexibles siguen sujetos a los límites del plan.

No existe una cifra universal y seria de tareas mensuales de investigación en Work. El consumo depende del modelo, el volumen de fuentes, el contexto en caché, la longitud de la salida, el razonamiento, las herramientas y cualquier otro trabajo que esté gastando recursos del mismo fondo. La página de uso de cada cuenta ofrece la respuesta aplicable a ese caso.

La actual tabla de tarifas de ChatGPT para Business, Enterprise y Edu contiene una diferencia fácil de pasar por alto. En los planes correspondientes que funcionan con créditos, Deep Research en Chat figura con un costo aproximado de 50 créditos por tarea. Ese valor fijo de Chat no es el precio de Deep Research en Work o Codex: en estos dos entornos, el cargo depende del uso real de tokens.

Con GPT-5.6 Sol, las tarifas actuales de Work y Codex son 100 créditos por 1 millón de tokens de entrada, 10 créditos por 1 millón de tokens de entrada almacenados en caché y 500 créditos por 1 millón de tokens de salida. La fórmula es:

Créditos consumidos = parte de entrada + parte de entrada en caché + parte de salida.

Pensemos en un presupuesto de equipo claramente hipotético para un espacio de trabajo sujeto a esa tabla. El equipo reserva 1,000 créditos durante un mes y prevé preparar 20 informes de investigación. Supongamos que cada informe utiliza 100,000 tokens de entrada, 200,000 tokens de entrada en caché y 20,000 tokens de salida con GPT-5.6 Sol.

La entrada cuesta 10 créditos; la entrada en caché, 2; y la salida, 10. El total es de 22 créditos por informe. Veinte informes consumen 440 créditos y dejan 560 para todas las demás tareas de Work y Codex incluidas en esa reserva.

Esas cantidades de tokens son un ejemplo, no una previsión. Un memorando breve puede consumir menos. Un encargo amplio, con muchas fuentes y una presentación editable extensa, puede consumir más. Lo sensato es presupuestar la investigación junto con la ejecución y, después, sustituir las cifras hipotéticas por el consumo de las primeras tareas reales.

Los créditos de uso adquiridos no son créditos de API. Comprar más créditos para Work o Codex no financia un proyecto de API, y disponer de saldo en la API tampoco amplía este fondo. La guía de créditos personales también aclara que las opciones de compra varían según la cuenta, la región y el plan.

Quién puede aprovecharlo desde mañana

La persona responsable de investigación en una agencia pequeña

Puede encargar a Work una comparación de la categoría de un cliente a partir de sitios de investigación aprobados, notas de entrevistas subidas y un repositorio de documentos conectado. El resultado será un informe de mercado editable y con citas, no otra transcripción de chat.

La ventaja es un traspaso más limpio a estrategia y creatividad. A cambio, cada investigación exhaustiva reduce la capacidad compartida que queda para las presentaciones, hojas de cálculo y tareas de producción que ese mismo equipo ejecuta en Work.

La persona responsable de producto en una empresa SaaS

Puede combinar notas de clientes, páginas de políticas, documentación de competidores y un archivo interno de requisitos para crear un memorando de decisión. Si una fuente recibe demasiado peso, puede corregir el rumbo y luego solicitar el resultado como un documento editable por los equipos de producto y legal.

La ventaja es disponer de una trazabilidad clara de la evidencia. La decisión sigue siendo responsabilidad de quien ocupa el puesto, y toda afirmación con consecuencias debe comprobarse en su fuente antes de incorporarla a una hoja de ruta o una promesa al cliente.

Un responsable de ingeniería que prepara una migración

Puede iniciar Deep Research en Codex para comparar la documentación vigente de los proveedores, las notas de compatibilidad y las restricciones del repositorio antes de pedir a Codex que modifique el código. Así, investigación e implementación permanecen en el mismo contexto de trabajo.

La ventaja es que se reducen los traspasos de contexto. El efecto sobre el costo es directo: la investigación y la implementación posterior consumen el mismo presupuesto de Work/Codex, de modo que un alcance de investigación sobredimensionado puede restar capacidad para completar la migración.

Un administrador que define las políticas del espacio de trabajo

Puede establecer una regla sencilla para decidir dónde investigar. Chat es la opción adecuada cuando se necesita una respuesta documentada y conviene utilizar el cupo independiente de tareas de Chat. Work o Codex son preferibles cuando el resultado debe convertirse en un recurso editable para el equipo o alimentar la ejecución.

La ventaja es contar con un presupuesto que todos pueden entender. Los administradores de Enterprise y Edu también deben habilitar el permiso de Deep Research y la búsqueda web. Sin esos controles, es posible que los miembros que cumplen los requisitos no vean la función.

Un flujo de trabajo seguro

1. 1

   1. Elegir el contador de forma consciente

   Chat es el punto de partida para una respuesta documentada. Work lo es para un entregable empresarial editable. Codex encaja cuando la investigación acompaña a una ejecución técnica. Los tres puntos de entrada no tienen el mismo efecto económico.

2. 2

   2. Delimitar la evidencia

   Hay que indicar los sitios, archivos, intervalo de fechas, audiencia y decisión que debe respaldar el informe, además de excluir las fuentes que no deban usarse. Un conjunto de evidencia más acotado resulta más fácil de verificar y suele requerir menos contexto.

3. 3

   3. Definir el resultado

   Conviene solicitar un único formato compatible e indicar dónde debe quedar. El resultado editable solo está disponible si la tarea cuenta con las herramientas y los permisos apropiados; por eso, es útil incluir una alternativa, como un informe estructurado dentro de la conversación.

4. 4

   4. Corregir el rumbo antes de que se desvíe

   Hay que seguir el progreso de la tarea. Si empieza a apoyarse en fuentes débiles o amplía la pregunta, se puede interrumpir y acotar. Investigar más no significa necesariamente investigar mejor.

5. 5

   5. Registrar la diferencia de consumo

   Es recomendable consultar la vista de uso de Work/Codex antes y después de la tarea, y anotar el modelo, el alcance, el tipo de resultado, los créditos consumidos y el tiempo de revisión. Tras varios encargos similares, esos registros aportan más que una estimación genérica por tarea.

6. 6

   6. Revisar el entregable

   Hay que abrir el archivo o enlace entregado, comprobar una muestra de las citas que respaldan las afirmaciones decisivas, confirmar que cada fuente dice lo que el informe le atribuye y pedir una revisión si falta evidencia o no aparece el resultado solicitado.

Los límites reales

Deep Research en Work no equivale a investigación ilimitada. Consume el cupo o los créditos existentes de Work/Codex, y su disponibilidad sigue dependiendo de la cuenta, el espacio de trabajo y la interfaz. Una tarea deja de aportar valor si desplaza el trabajo de implementación que viene después.

Un resultado editable no es un resultado verificado. El archivo puede estar bien estructurado y, aun así, citar una página débil, pasar por alto una contradicción o no responder al encargo. OpenAI recomienda comprobar que las citas respalden las afirmaciones y que el archivo o enlace solicitado se haya creado, pueda abrirse y funcione.

Los equipos que solo utilizan Deep Research en Chat convencional no se ven afectados por el nuevo contador compartido de Work/Codex. Su cupo independiente de Chat no cambia. Quienes no tengan acceso a Work, así como los miembros cuyos administradores hayan desactivado Deep Research o la búsqueda web, tampoco obtendrán un flujo nuevo con este lanzamiento.

Qué conviene hacer ahora

Es momento de actuar esta semana si el equipo ya produce de forma repetida un entregable que exige muchas fuentes y puede consultar el consumo de Work/Codex. Basta con elegir una persona responsable, un formato de salida y una puerta de aprobación.

Conviene esperar si no es posible revisar las fuentes, no está claro qué cuenta o espacio pagará el consumo, o se necesita una app incompatible con Deep Research. Primero hay que resolver esos límites y luego añadir una tarea recurrente.

Chat sigue siendo la mejor opción cuando solo hace falta una respuesta documentada y el resultado no tiene que convertirse en un entregable de Work o Codex. Para eso existe precisamente el cupo independiente de Chat.

La acción para el lunes

Hay que tomar un encargo que el equipo ya prepare y ejecutarlo una sola vez, sin programarlo. Después de registrar el consumo de Work/Codex antes de empezar, se puede utilizar esta solicitud acotada:

@Deep Research. Prepara un memorando de decisión editable para nuestro responsable de producto sobre si debemos renovar con el Proveedor A. Utiliza únicamente el contrato adjunto, nuestras dos últimas revisiones trimestrales, las páginas actuales de precios y seguridad del Proveedor A, y tres alternativas ya definidas. Separa los hechos verificados del análisis, cita cada afirmación sobre precios y seguridad, enumera las dudas pendientes y recomienda renovar, renegociar o sustituir. No contactes a ningún proveedor ni modifiques ningún archivo fuera de este informe.

Al terminar, hay que abrir el memorando entregado y seguir todas las citas que sostienen la recomendación. Después corresponde confirmar que la fuente respalda la frase, comprobar que el archivo solicitado existe y se abre, y registrar la diferencia de consumo junto con el tiempo de revisión. Si las citas o el entregable no superan esa comprobación, la tarea no está terminada.

Para recibir más guías claras cuando cambian las cifras de los productos de IA, suscríbete al boletín.