Codex CLI y Codex Cloud: cómo preparar un entorno reutilizable

Con Codex Cloud, puedes encargar a Codex una prueba que falla antes de alejarte del escritorio y dejar que la tarea continúe con tu computadora portátil apagada. Al elegir entre Codex CLI y la nube, esta es la ventaja práctica: un entorno de proyecto reutilizable y acceso desde la web o el teléfono para seguir el trabajo, orientarlo y revisar el resultado.

¿Qué cambió el 30 de septiembre?

El relanzamiento facilita repetir el trabajo en la nube: el repositorio, las dependencias, los scripts y la configuración pueden estar listos antes de empezar la siguiente tarea. Puedes seguir el progreso y dar indicaciones a Codex desde el teléfono u otra computadora. La experiencia que ya conoces de la aplicación de escritorio también llega a la web y al móvil. Esas son las novedades del anuncio de OpenAI del 30 de septiembre de 2026.

Imagina el entorno como un taller preparado. Las herramientas y los materiales quedan listos; cada tarea recibe su propia mesa de trabajo. Una dependencia es un paquete de software que necesita el proyecto, y el repositorio es la colección de su código con control de versiones.

La ventaja práctica es que el trabajo de programación deja de depender de mantener encendida tu propia computadora. Codex Cloud se ejecuta en equipos administrados por OpenAI. Crea y publica el entorno desde la aplicación de escritorio o la web y úsalo después en los dispositivos compatibles. Cada tarea tiene sus propios archivos de trabajo. La guía de ayuda de OpenAI sobre Cloud explica esa separación.

Mi recomendación: empieza con una tarea pequeña cuyo resultado puedas comprobar. Un agente que trabaja en segundo plano resulta más útil cuando ya has definido cómo debe ser un resultado correcto.

¿Qué planes incluyen Codex Cloud?

Para acceder a Cloud necesitas una cuenta Plus, Pro, Business, Enterprise, Healthcare o Education que cumpla los requisitos, según la disponibilidad del despliegue y la configuración del espacio de trabajo. Free y Go incluyen acceso a Codex, pero no a Codex Cloud. Los puestos Guest, K-12 y Enterprise de solo lectura no pueden crear entornos en la nube. La disponibilidad por plan que publica OpenAI es la fuente de estas diferencias.

Los precios anteriores proceden de la página actual de precios de Codex, consultada el 7 de octubre de 2026. Que un plan incluya Cloud no significa que todos sus miembros puedan usar todos los controles.

¿Cómo se descuenta el trabajo en la nube de tu límite de uso?

En el lanzamiento, los entornos estándar no tienen un cargo adicional por máquina virtual. Una máquina virtual es la computadora remota que ejecuta la tarea. El uso del modelo sigue contando para los límites habituales de Codex y para los créditos o la facturación que correspondan. Los planes con fondos de uso compartidos pueden repartir ese uso entre Codex, ChatGPT Work, ChatGPT for Excel y Workspace Agents cuando estén disponibles; los acuerdos Enterprise basados en tokens facturan en USD en lugar de créditos. Las reglas de uso de OpenAI detallan cómo se contabiliza.

Los mensajes locales y los chats en la nube comparten el límite de uso de tu plan, y pueden aplicarse límites semanales. Las tareas en la nube pueden consumir más que los mensajes locales. Las estimaciones de mensajes de la página de precios describen el uso local; no garantizan una cantidad de tareas en la nube. Los usuarios Plus y Pro que cumplan los requisitos pueden comprar créditos adicionales sin cambiar de plan. Consulta el panel de uso para ver los límites actuales y cuándo se restablecen. La información sobre precios y uso de Codex explica las variables.

Si ya pagas un plan compatible, prueba con una tarea acotada antes de comprar más capacidad. La cuenta para el negocio es tiempo de trabajo manual ahorrado menos tiempo de mantenimiento de la configuración, orientación y revisión, contabilizando aparte los créditos adicionales. Sacar una tarea de tu computadora portátil solo compensa si mejora ese balance.

Para una comparación más amplia de suscripciones y API, consulta Precios de Codex en 2026. Cloud exige iniciar sesión con ChatGPT; una sesión de CLI local que utiliza una clave de API sigue la facturación independiente de la API. Las opciones de autenticación explican la diferencia.

Cómo preparar un entorno reutilizable

Antes de delegar un cambio más grande, prepara un proyecto cuyas pruebas se ejecuten de forma fiable. Sigue la configuración actual de entornos en la nube, en lugar del flujo anterior de la versión heredada.

1. Conecta el repositorio. En la web o la aplicación de escritorio, elige Work in > Cloud > Select environment > Create environment. Selecciona los repositorios de GitHub y conecta GitHub si se solicita.
2. Prepara el proyecto. Selecciona Get started. Deja que Codex inspeccione, instale y ejecute las pruebas. Aporta la información que falte y las versiones necesarias.
3. Revisa el script de configuración. Install script registra la preparación de dependencias; Start skill registra el inicio de servicios y las comprobaciones de que están listos. Ajusta la configuración mediante la conversación.
4. Configura los valores. Selecciona Manage junto a las variables de entorno o los secretos de red. Para un secreto de red, introduce su clave, valor y dominios permitidos.
5. Define el acceso a internet. Activa Allow Codex to access internet si hace falta. Elige Package managers o Custom domains only y añade los hosts necesarios. All (unrestricted) permite un acceso más amplio.
6. Publica y empieza. Revisa los archivos, la configuración y las comprobaciones. Guarda y selecciona Publish. Cuando aparezca Environment published, inicia una tarea nueva. Para cambiar la configuración más adelante, usa Edit y Republish.

Durante la conversación de preparación, indica a Codex los comandos reales de instalación y pruebas del proyecto, la versión necesaria del entorno de ejecución y los servicios. Pídele que detalle qué comprobaciones superó y qué no pudo verificar. Son instrucciones sugeridas, no un script de configuración universal.

Para una primera prueba, usaría datos sintéticos y el acceso a servicios más restringido que permita reproducir la tarea. Si falla la descarga de un paquete, revisa por separado el nombre del host y la autenticación antes de ampliar el acceso a internet.

Tres buenas tareas para empezar

Elige una tarea con un punto de partida claro, un alcance pequeño y evidencias que puedas revisar al terminar. Puedes adaptar estos encargos a tu repositorio.

Corregir una prueba que falla

Si eres fundador y un fallo reproducible bloquea el lanzamiento, delega la investigación y una corrección acotada. Facilita el comando que falla y su salida. Pide a Codex que conserve el comportamiento previsto, explique la causa y detalle las comprobaciones realizadas.

Un encargo útil:

Reproduce esta prueba que falla con el comando documentado del proyecto. Encuentra la causa y aplica la corrección mínima que resuelva el problema. No debilites la aserción para que la prueba pase. Ejecuta la prueba específica y las pruebas relacionadas que sean relevantes. Resume los archivos modificados, los resultados y lo que siga sin estar claro.

Es la tarea que más recomiendo para empezar porque permite ver con claridad el antes y el después. Aunque el resultado sea verde, hay que revisar el diff: la corrección debe resolver el comportamiento, no limitarse a ocultar el fallo.

Escribir una migración

Si desarrollas backend y vas a cambiar el esquema de una base de datos, pide el archivo de migración, las consideraciones de compatibilidad y pruebas con datos desechables. Una migración es un cambio versionado en la estructura de la base de datos o en los datos almacenados.

Un encargo útil:

Redacta la migración para este cambio de esquema siguiendo las convenciones existentes del repositorio. Explica la compatibilidad con la aplicación actual, las opciones para revertir el cambio y los riesgos de pérdida de datos. Cuando sea posible, prueba con fixtures desechables. No la ejecutes en producción ni la despliegues.

El resultado es una implementación que puedes revisar y un plan de despliegue más claro. Escribir la migración no resuelve los bloqueos en producción, cuánto tardará el relleno de datos ni si las versiones antigua y nueva de la aplicación pueden coexistir. Esas decisiones deben quedar en manos de quien se encarga del despliegue.

Revisar una pull request

Si mantienes un proyecto y esperas cambios de otra persona del equipo, indica la rama o los commits de la PR y su rama base. Pide hallazgos respaldados por evidencias, sin modificar los archivos de trabajo.

Un encargo útil:

Inspecciona esta pull request comparándola con su rama base. Concéntrate en la corrección del código, la autorización, la compatibilidad y las pruebas que falten. Para cada hallazgo, indica la ubicación en el archivo, un escenario concreto de fallo y las evidencias que lo respaldan. No cambies archivos ni integres la PR.

Si buscas la revisión integrada en GitHub, OpenAI documenta el uso de un repositorio conectado y un comentario @codex review en la PR. La configuración de revisiones en GitHub explica ese flujo. Code Review, Security Review y las integraciones existentes con GitHub y Linear siguen usando Codex Cloud (Legacy) durante la transición. La página de ayuda de Cloud confirma esta distinción.

Pedir una revisión dentro de una nueva tarea en la nube y activar una revisión automática en GitHub son flujos de trabajo distintos.

Otras tres tareas que conviene delegar

Después de corregir una prueba que falla, ordenaría estas tareas según lo fácil que resulte acotarlas y verificarlas. Son propuestas de trabajo, no resultados observados.

Incluye el criterio de aceptación en el encargo. «Mejora este código» deja demasiadas decisiones abiertas para ser una primera tarea útil.

Cómo seguir la tarea y dar indicaciones desde el teléfono

Vuelve a la misma tarea cuando quieras continuar el trabajo. Abrir una tarea nueva crea un espacio de trabajo independiente y no recupera los cambios sin commit de la primera. Guarda el trabajo importante en commits. Por defecto, la ventana para recuperar la máquina virtual guardada es de hasta siete días desde el inicio del último turno o la reanudación de la tarea; no es una regla sobre cuánto se conserva el historial de conversación. La guía de OpenAI sobre el estado de las tareas explica qué se guarda.

Desde el móvil, abre Codex y elige el entorno publicado. Vuelve a abrir la tarea para seguir el progreso y enviar correcciones. La descripción general de Cloud explica el flujo entre dispositivos.

Una buena indicación resuelve una decisión:

• «Mantén la corrección en el parser y conserva la estructura de la respuesta pública».
• «Usa un fixture de base de datos desechable para probar la migración».
• «Detente después de la corrección y el informe de pruebas; deja el despliegue pendiente de revisión».

Usaría el teléfono para aclarar el alcance y comprobar el progreso, y después revisaría un diff importante en una pantalla más grande. El acceso remoto a una tarea que se ejecuta en tu computadora portátil sigue dependiendo de ese equipo; no ofrece la ejecución de Cloud con la computadora apagada. La página de ayuda de OpenAI distingue ambas opciones.

Codex CLI o Codex Cloud: ¿cuál conviene usar?

Usa la nube cuando una tarea bien definida deba continuar de forma independiente. Usa la CLI local cuando la tarea dependa de los archivos y las herramientas de desarrollo que ya tienes en tu computadora.

La CLI puede inspeccionar un repositorio local, editar archivos y ejecutar las herramientas instaladas. Abre el directorio del proyecto, ejecuta codex e inicia sesión con ChatGPT. También puede delegar mediante codex cloud, así que la interfaz desde la que empiezas no determina dónde se ejecuta el trabajo. La guía de la CLI explica ambas posibilidades.

Estas son mis recomendaciones.

Los entornos actuales de Cloud no admiten el uso de computadora o navegador, GitLab ni GitHub Enterprise Server alojado por cuenta propia. Las skills locales personales no se sincronizan. Las limitaciones actuales pesan más que una preferencia general por la nube.

Limita el acceso y revisa el diff

Ten claro a qué puede acceder el entorno. Los dominios permitidos controlan los destinos de red de la máquina virtual; no conceden permisos en los servicios. Los secretos de red que pertenecen al entorno también permiten sus dominios. Los requisitos de Enterprise Agent Security se aplican junto con la configuración del entorno. La configuración de red y Agent Security describen esos controles.

Elige cómo entregar las credenciales. Las variables de entorno directas llegan a los programas. Los secretos de red utilizan valores de sustitución del proxy para los destinos HTTPS aprobados en el puerto 443 durante la configuración y las tareas, y mantienen las credenciales reales fuera de los procesos y archivos locales. La gestión de secretos explica el mecanismo.

En una primera tarea de programación, dejaría fuera las credenciales de producción y usaría un acceso de desarrollo con permisos acotados. Antes de integrar los cambios, lee el diff, revisa la salida de las pruebas, inspecciona los cambios de dependencias y confirma que la corrección responde al encargo. Que todas las pruebas pasen aporta evidencias que hay que valorar; no permite omitir la revisión.

Que una cuenta Healthcare cumpla los requisitos de acceso no significa que Cloud esté cubierto por el BAA de OpenAI, su acuerdo para el tratamiento de datos de salud amparados. OpenAI indica que no se debe procesar información médica protegida en Codex Cloud. Las restricciones de datos de Cloud establecen ese límite.

Para los controles de equipo, consulta Cómo configurar la seguridad de Codex después de DevDay.

Qué productos podrías crear a partir de este flujo

La oportunidad más sólida es un kit para corregir fallos que bloquean lanzamientos en un stack concreto. Vende un flujo repetible y su validación a equipos que pierden tiempo con pruebas que fallan. La consulta de DataForSEO del 7 de octubre estima 1,600 búsquedas mensuales en Google en Estados Unidos de “automated software testing tools.” Ese dato mide el interés por la tarea, no la demanda específica de Codex Cloud.

La versión mínima útil podría incluir instrucciones para el repositorio, fixtures reproducibles, encargos de corrección acotados y una guía para preparar el entorno. Mide si las correcciones propuestas conservan el comportamiento previsto y reducen el esfuerzo de revisión. La dificultad está en la variedad de infraestructuras de pruebas: admitir muchos stacks haría costoso mantener un kit pequeño.

Un paquete de verificación de migraciones podría servir a equipos que usan un mismo framework y una misma base de datos. DataForSEO estima 1,300 búsquedas mensuales en Estados Unidos de “database migration tools.” Un MVP podría ofrecer plantillas de migración, datos de prueba desechables, comprobaciones de compatibilidad y prompts de revisión que un desarrollador ejecute en un entorno preparado. La dificultad está en el comportamiento en producción: un paquete reutilizable no puede prometer que el despliegue en una base de datos real será seguro o rápido.

Un paquete de evidencias para revisar PR podría ayudar a quienes mantienen proyectos a estandarizar cómo solicitan y evalúan los hallazgos. DataForSEO estima 1,300 búsquedas mensuales en Estados Unidos de “ai code review,” y entre las preguntas que aparecen en búsquedas figura “Can ChatGPT do a code review?” Empieza con pautas para el repositorio, encargos de revisión y un formato de evidencias para los hallazgos. La dificultad es que ya existe una revisión integrada; el paquete debe aportar criterio específico del dominio y comprobaciones útiles.

Los tres son productos propuestos a partir de la delegación de tareas documentada. Las cifras de búsqueda estiman el interés por esas tareas; no son cantidades de clientes ni previsiones de ingresos. Empieza por el kit de corrección: su criterio de aceptación es más fácil de medir que la calidad general de una revisión.

¿Puede ChatGPT revisar código?

Sí. Codex tiene un flujo documentado para revisar PR en GitHub, y también puedes pedir una tarea de inspección. Especifica la rama base y los riesgos que quieres comprobar. La decisión de integrar los cambios debe seguir en manos de una persona.

¿Es seguro el código generado por IA?

Evalúa la corrección concreta. Revisa los cambios de comportamiento, la autorización, las dependencias, las pruebas y los supuestos que no se hayan verificado. Ni una explicación bien redactada ni unas pruebas en verde demuestran que se hayan cubierto todos los casos importantes.

¿Vale la pena revisar el código?

Usa la revisión de un agente cuando una inspección adicional pueda detectar un error costoso. Registra los hallazgos útiles y las falsas alarmas. Si genera más trabajo de revisión del que ahorra, reduce el alcance.

Qué hacer el lunes

Elige un repositorio con un comando de pruebas fiable. Prepara y publica su entorno, delega la corrección de un fallo pequeño y reproducible, y consulta la tarea desde el teléfono después de alejarte del escritorio. Revisa la corrección antes de integrarla. Registra el esfuerzo de configuración, el de revisión y el uso del plan. Reutiliza el entorno si el experimento mejora tu flujo de trabajo.

Si quieres incorporar este flujo al proceso de entrega de tu equipo, crea un sistema de producción con IA.