Qué es Codex de OpenAI: análisis verificado (agosto de 2026)

Codex vale $20 al mes solo si lo vas a usar como un sistema de desarrollo y no como autocompletado: trabajo local sobre el repositorio, worktrees aislados, delegación en la nube y revisión de código bajo una sola cuenta. Si lo que quieres son sugerencias en línea, GitHub Copilot Pro cuesta $10 al mes; si quieres un agente de terminal sin el flujo de trabajo más amplio de ChatGPT, Claude Code Pro cuesta $20 mensuales.

Qué es Codex de OpenAI

Codex es el agente de desarrollo de software de OpenAI: le das acceso a un repositorio y un objetivo, y puede inspeccionar archivos, editar código, ejecutar comandos, probar su trabajo y devolver un diff para que lo revises. El producto es más amplio que un modelo o una ventana de chat. La misma cuenta llega a un cliente de terminal, una extensión para el IDE, proyectos locales en la aplicación de escritorio de ChatGPT, worktrees de Git aislados, entornos alojados en la nube, revisión de pull requests en GitHub y control remoto desde otro dispositivo. Esa amplitud es su razón de existir. Si lo único que necesitas es completar código mientras escribes, la mayor parte de Codex sobra.

Codex frente a Claude Code, Cursor y GitHub Copilot de un vistazo

Codex es la mejor opción de estas cuatro cuando la ejecución local, el trabajo asíncrono en la nube y la revisión deben compartir un mismo modelo de operación. Los especialistas tienen más sentido cuando tu flujo de trabajo tiene una superficie dominante.

La fila de precios no resuelve la decisión. Codex Go es más barato que los tres planes de pago especializados, pero OpenAI lo describe como un acceso ligero. Plus es la base práctica para un desarrollador que espera trabajo de agente con regularidad. Claude Code se gana su lugar cuando la terminal es el producto. Cursor se lo gana cuando el editor es el producto. Copilot se lo gana cuando el autocompletado, las políticas de GitHub y un precio de entrada de $10 pesan más que un agente unificado de local a nube.

Para una decisión más profunda entre dos opciones, la comparativa de Codex y Claude Code del sitio separa con más detalle el comportamiento en terminal, la autonomía y el costo.

Para quién es Codex y quién debería saltárselo

Codex es para desarrolladores y responsables técnicos que quieren un solo agente capaz de moverse entre el trabajo local directo y el trabajo delegado sin rehacer el flujo cada vez.

Una fundadora con financiación y dos productos activos obtiene el valor más claro. Mantén local en el IDE un error urgente de pagos, entrega una actualización de dependencias a un worktree, envía a la nube la limpieza de la suite de pruebas y revisa cada resultado desde el mismo espacio de trabajo de escritorio. La ventaja no es que Codex pueda editar un archivo. Eso lo hace cualquier agente de código serio. La ventaja es que los trabajos pueden correr en entornos de ejecución distintos y volver como diffs revisables.

Un CTO de una empresa mediana con una cola creciente de pull requests debería considerar Codex cuando el conocimiento de revisión está atrapado en unos pocos ingenieros senior. GitHub Code Review puede aplicar reglas específicas del repositorio desde AGENTS.md, concentrar los comentarios en problemas P0 y P1 e iniciar una corrección de seguimiento en la nube desde un comentario del pull request. Business es el piso sensato para datos de la organización porque OpenAI no entrena con las entradas ni las salidas de Business de forma predeterminada, y el plan añade administración del espacio de trabajo. El mínimo anual es de dos asientos, es decir, $480 al año.

Un operador senior que coordina ingeniería desde más de un dispositivo se beneficia de Remote solo si ya hay un equipo de desarrollo despierto dentro del montaje. Un teléfono puede iniciar o dirigir trabajo en ese host, pero el teléfono no reemplaza al host. Sirve para revisar una migración nocturna o responder a una alerta lejos del escritorio. No es un sustituto de nube sin servidor.

Un constructor técnico en solitario que vive sobre todo en la terminal debería comparar primero Claude Code. Claude Pro cuesta $20 mensuales y Claude Code está centrado a propósito en la terminal, aunque también se conecta a IDEs y herramientas de línea de comandos. Codex también puede trabajar ahí, pero pagar por su superficie más amplia es un desperdicio si las sesiones locales de terminal son la única superficie que piensas usar.

Un desarrollador que sobre todo quiere autocompletado en línea debería saltarse Codex como compra principal. GitHub Copilot Pro cuesta $10 al mes y mantiene la interacción dentro de los editores existentes y de GitHub. Cursor Pro cuesta $20 al mes y tiene sentido cuando el chat, las ediciones en línea y el trabajo de agente deben vivir dentro de un editor nativo de IA.

Un equipo regulado que todavía no puede aprobar el acceso a repositorios en la nube no debería forzar la adopción. Codex puede ejecutarse en local con una clave de API, pero el modo de clave de API excluye Codex en la nube, GitHub Code Review y Slack. Usa la automatización local por CLI o IDE mientras seguridad revisa el flujo conectado, o elige los controles de Business o Enterprise que encajen con la política de datos.

Capacidad 1: el ciclo local de CLI e IDE

Codex es más fuerte en local cuando la tarea tiene un resultado acotado y una comprobación ejecutable. «Mejorar el checkout» es vago. «Rastrea la entrega duplicada del webhook de pagos, añade una salvaguarda de idempotencia, ejecuta las pruebas de pagos y muestra el diff más pequeño» le da al agente un objetivo, un límite y una prueba.

La CLI de Codex trabaja contra el repositorio que ya está en tu máquina. Puede leer archivos, editarlos y ejecutar los mismos comandos de prueba, lint, verificación de tipos y Git que usas a diario. Los permisos y la configuración del sandbox deciden qué puede cambiar o ejecutar sin aprobación. Ese modelo local importa en un repositorio sensible: el trabajo ocurre en el entorno que tú controlas y no en un contenedor alojado recién configurado.

Este es el flujo que convierte a un agente local de caja de chat en un ciclo de ingeniería útil.

1. 1

   Dale una falla concreta y acotada

   Abre el repositorio, inicia codex y describe un solo problema observable. Nombra la prueba que falla, la ruta, el error o el comportamiento que cambió. Pídele que inspeccione antes de editar cuando la causa sea incierta.

2. 2

   Declara el límite de seguridad

   Dile a Codex qué debe permanecer intacto, qué migraciones o interfaces públicas están prohibidas y qué comandos cuentan como validación. Las reglas duraderas del repositorio van en AGENTS.md; las restricciones propias de la tarea van en el prompt.

3. 3

   Exige una prueba ejecutable

   Pide las pruebas, verificaciones de tipos o el comando de lint que correspondan. Un diff sin una comprobación aprobada es una propuesta. Un diff más la comprobación exacta es un resultado que otra persona puede evaluar.

4. 4

   Revisa el diff y luego revisa la revisión

   Inspecciona los archivos modificados y ejecuta /review sobre los cambios sin confirmar. El revisor dedicado informa hallazgos sin modificar el árbol de trabajo, así que tú decides si una segunda pasada de edición se justifica.

La extensión de Codex para el IDE es mejor para ediciones pequeñas donde el contexto relevante ya está abierto. Adjunta una selección o un archivo, pide el cambio e inspecciona el resultado junto al código. Cuando la tarea crece de un componente a una migración que cruza todo el repositorio, delégala en lugar de convertir un chat del editor en una sesión sin límites.

El muro se llama disciplina de contexto. Los repositorios grandes empujan a los agentes a leer más de lo que la tarea necesita, lo que eleva el consumo y añade instrucciones irrelevantes. Coloca AGENTS.md cerca del código que gobierna, nombra los archivos o el servicio de destino y pide un plan breve antes de una edición amplia. Más contexto no es automáticamente mejor contexto.

Capacidad 2: worktrees y delegación en la nube

Codex pasa de asistente a coordinador de trabajo cuando tareas separadas reciben entornos separados. Un worktree de Git es otro checkout del mismo repositorio y permite que una tarea cambie una rama sin chocar con la rama de tu carpeta principal. Codex puede usar worktrees en local y contenedores aislados en la nube.

Piensa en una entrega de tres partes: actualizar el SDK de pagos, reparar una prueba de navegador inestable y añadir registro de auditoría. El cambio de pagos necesita atención cercana porque toca un contrato público, así que se queda en local. La prueba inestable recibe un worktree aislado. El registro de auditoría va a Codex en la nube, donde el entorno hace checkout de una rama o commit elegidos, ejecuta el script de configuración, realiza la tarea y devuelve un resumen y un diff. Revisa los tres antes de fusionar nada.

Los entornos de nube solo son reproducibles cuando la configuración es explícita. Fija las versiones del runtime, instala las dependencias en el script de configuración y pon los comandos de validación del repositorio en instrucciones duraderas. Codex guarda en caché un contenedor configurado hasta 12 horas, lo que puede acortar la configuración posterior, pero cambiar la configuración, el mantenimiento, las variables o los secretos invalida esa caché.

El muro alojado aparece en la frontera de red y de secretos. Los scripts de configuración tienen acceso a internet, mientras que el acceso a internet del agente está desactivado de forma predeterminada salvo que habilites acceso limitado o sin restricciones. Los secretos están disponibles para los scripts de configuración y luego se eliminan antes de la fase del agente. Ese diseño es más seguro que dejar cada credencial al alcance, pero significa que una tarea que deba llamar a un servicio protegido durante la ejecución necesita otra arquitectura. Una variable de entorno sigue disponible a través del chat, lo que aumenta la exposición, o la tarea necesita una herramienta aprobada o una frontera de servicio.

Capacidad 3: revisión de código local y en GitHub

Codex Code Review rinde más como segundo revisor enfocado que como sustituto de CI o de la responsabilidad del equipo. El /review local y la revisión en GitHub resuelven problemas relacionados pero distintos.

La revisión de código local puede inspeccionar el diff contra una rama base, todos los cambios sin confirmar, un commit concreto o criterios personalizados. No modifica el árbol de trabajo. Eso la hace útil justo antes de un commit: pide corrección, riesgo de pérdida de datos y pruebas faltantes, y luego decide qué hallazgos merecen ediciones.

GitHub Code Review necesita que Codex en la nube esté configurado para el repositorio. Menciona @codex review en un pull request o activa las revisiones automáticas. El flujo de GitHub publica a propósito solo hallazgos P0 y P1, de modo que los comentarios se concentran en el riesgo grave y no en preferencias de formato.

Lo valioso es el criterio específico del repositorio. Pon una sección ## Code Review Rules en el AGENTS.md que corresponda, mantén amplias las reglas de la raíz y coloca las reglas de servicio en un archivo anidado. Un servicio de pagos podría exigir que el procesamiento de webhooks siga siendo idempotente y nombrar la ruta segura de reintento. Un servicio de API pública podría prohibir eliminar un campo de respuesta antes de que cierre la ventana de compatibilidad. Estas son las comprobaciones que los revisores con experiencia repiten porque un analizador estático genérico no puede inferir la historia.

OpenAI informa que las variantes guiadas por reglas recuperaron el 98% de los hallazgos personalizados requeridos en su evaluación principal, frente al 58.3% del control de referencia. Es un resultado del propio proveedor, no un benchmark independiente, pero sostiene una conclusión estrecha: unas reglas concisas del repositorio pueden mejorar de forma notable una revisión dirigida a invariantes conocidos. OpenAI también afirma que las pruebas, la protección de ramas y las aprobaciones obligatorias siguen siendo la aplicación dura.

El ciclo completo de revisión a corrección se ve así:

1. 1

   Codifica dos o tres reglas con consecuencias

   Elige invariantes que un revisor senior explica una y otra vez. Deja el formato y las comprobaciones deterministas en la CI.

2. 2

   Solicita la revisión

   Usa @codex review en un pull request representativo, o activa las revisiones automáticas cuando las reglas ya produzcan señal útil.

3. 3

   Cuestiona la evidencia

   Lee el archivo y la línea citados, reproduce el riesgo y descarta los hallazgos que no sobrevivan a la inspección. Una etiqueta de severidad no vuelve correcta una afirmación.

4. 4

   Corrige de forma acotada

   Cuando un hallazgo es válido, @codex fix the P1 issue puede iniciar una tarea en la nube con el pull request como contexto. Revisa su diff y vuelve a ejecutar las mismas comprobaciones duras antes de fusionar.

Capacidad 4: dirección remota entre dispositivos

Codex Remote es valioso cuando la máquina de desarrollo está en otro sitio, pero el host sigue siendo la computadora que hace el trabajo. Remote puede conectar un host Mac o Windows despierto con ChatGPT en iOS, Android u otro escritorio compatible. El host aporta el repositorio, la shell, las credenciales, las herramientas, la configuración del sandbox y la política de aprobación.

Imagina a una ingeniera de guardia lejos de su laptop cuando un trabajo en segundo plano empieza a fallar. Desde el teléfono puede abrir el proyecto en un host siempre encendido, pedirle a Codex que inspeccione los registros y rastree la ruta que falla, y esperar un diagnóstico. Un prompt seguro se detiene en la evidencia y en un parche propuesto. Luego puede revisar el diff en una pantalla más grande, pasar el chat a otro host si hace falta y ejecutar los controles normales de despliegue.

Remote también admite proyectos en hosts SSH y puede traspasar un chat y el estado de Git entre hosts conectados, usando un worktree en el destino. Sirve cuando las dependencias viven en una máquina de desarrollo dedicada. Es frágil cuando la laptop se duerme, la red se cae o la aplicación de escritorio se cierra. Para trabajo continuo sin supervisión, usa un host siempre encendido o Codex en la nube en lugar de tratar una laptop personal como infraestructura.

El análisis de Codex Remote del sitio cubre con más detalle el compromiso entre el host y el plano de control.

Precios de Codex: todos los planes actuales

Los precios de Codex son simples en dólares y complicados en consumo. La página oficial de precios de Codex vigente enumera ocho rutas de compra, mientras que la cantidad exacta de trabajo dentro de una suscripción varía con el modelo, el contexto, el razonamiento, las herramientas, la recuperación de información y el almacenamiento en caché.

Para el detalle por plan y la mecánica de créditos, usa la guía de precios de Codex del sitio. Los precios eran consistentes en las páginas activas de OpenAI el 2 de agosto de 2026. Los rangos de mensajes incluidos no lo eran.

ChatGPT Work y Codex comparten consumo. Los mensajes locales y los chats en la nube también comparten una ventana de cinco horas, y OpenAI dice que pueden aplicarse límites semanales adicionales. Los usuarios de Plus y Pro pueden comprar créditos después de su cuota incluida. Los espacios de trabajo Business, Edu y Enterprise con precios flexibles pueden comprar créditos de espacio de trabajo. La suscripción es, por tanto, un paquete con un techo de capacidad variable y no un número fijo de tareas de ingeniería terminadas.

Cuánto cuesta una tarea acotada por API

Los precios de la API son más fáciles de modelar porque se basan en tokens, pero el modo de clave de API pierde las integraciones de nube que distinguen a Codex. Usa esta comparación solo para trabajo local o con scripts.

Supón que una tarea acotada consume 100,000 tokens de entrada sin caché y 20,000 tokens de salida en contexto corto. A tarifas estándar:

• GPT-5.6 Luna cuesta $0.044: 0.1 x $0.20 de entrada más 0.02 x $1.20 de salida.
• GPT-5.6 Terra cuesta $0.44: 0.1 x $2 de entrada más 0.02 x $12 de salida.
• GPT-5.6 Sol cuesta $1.10: 0.1 x $5 de entrada más 0.02 x $30 de salida.

Con esos supuestos, $20 compran unas 455 tareas Luna, 46 tareas Terra o 19 tareas Sol tras redondear hacia arriba a la tarea que alcanza el umbral. La comparación con la suscripción no es equivalente: Plus incluye las superficies conectadas de Codex, mientras que el modo de clave de API excluye las tareas en la nube, la revisión en GitHub y Slack. El cálculo sirve para un job de CI o un flujo con el SDK, no para valorar el producto completo.

Las limitaciones que deberían decidir la compra

Codex tiene seis límites materiales, y cualquiera de ellos puede invalidar la compra para el comprador equivocado.

1. La capacidad de consumo no es lo bastante predecible

El precio en dólares es fijo; la capacidad de trabajo no. La longitud del contexto, el modelo, el razonamiento, la recuperación de información, las herramientas y el caché cambian el consumo. Dos páginas oficiales de OpenAI publican hoy rangos de Plus contradictorios. Los créditos suavizan el techo, pero no vuelven predecible un plan de $20 para un desarrollador que intenta presupuestar un mes de trabajo de agente.

Impacto en la decisión: no compres Pro por la promesa de «más». Usa Plus, observa el panel con sesión iniciada durante un ciclo de trabajo completo y sube solo cuando las interrupciones cuesten más que la diferencia de precio.

2. El acceso por clave de API es un producto local, no una suscripción sustituta

La clave de API admite la CLI, el SDK y la extensión del IDE, con el uso del modelo facturado a tarifas de API. No incluye Codex en la nube, GitHub Code Review ni Slack. Una empresa no puede evitar el plan de espacio de trabajo, pagar tokens y aun así esperar todo el producto conectado.

Impacto en la decisión: la clave de API gana para CI y automatización local controlada. Un plan de ChatGPT gana cuando la delegación y la revisión conectada forman parte del resultado.

3. Los secretos de la nube desaparecen antes de que el agente trabaje

Los secretos de la nube están disponibles para los scripts de configuración y se eliminan antes de la fase del agente. Es una frontera de seguridad deliberada, pero bloquea una suposición común: guardar una credencial de producción como secreto no significa que el agente pueda llamar al servicio protegido mientras resuelve la tarea. Las variables de entorno persisten, aunque exponen más a la sesión.

Impacto en la decisión: usa credenciales de vida corta a través de una frontera de herramienta aprobada, o diseña la tarea para que la configuración obtenga lo que la ejecución necesita sin dejar un secreto reutilizable al alcance. Si esa arquitectura no es aceptable, deja la tarea en local.

4. Los controles de datos de consumidor exigen dos comprobaciones

OpenAI dice que el contenido de las cuentas individuales de ChatGPT y Codex puede usarse para entrenar modelos salvo que el usuario lo rechace. Codex además tiene controles separados para el entrenamiento sobre entornos completos, y cambiar el ajuste general de ChatGPT o del portal de privacidad no cambia ese ajuste de entornos completos. Las entradas y salidas de Business, Enterprise y API no se usan para entrenamiento de forma predeterminada salvo que la organización lo acepte.

Impacto en la decisión: un usuario individual que trabaje con código propietario debería verificar tanto el control general de datos como el ajuste de entornos completos de Codex. Una empresa que necesite un valor predeterminado organizacional debería usar Business, Enterprise o API en lugar de confiar en que cada empleado configure bien su cuenta personal.

5. La revisión sigue siendo consejo, no cumplimiento obligatorio

GitHub Code Review se centra en hallazgos P0 y P1. Las reglas personalizadas del repositorio pueden mejorar lo que busca, pero el modelo todavía puede pasar por alto un defecto o exagerar otro. El resultado del 98% de OpenAI es una evaluación del proveedor contra un conjunto definido de reglas personalizadas, no una garantía para un repositorio desconocido.

Impacto en la decisión: conserva las pruebas obligatorias, la protección de ramas, los code owners y la aprobación humana. Deja que Codex añada señal antes de esas puertas, nunca que las reemplace.

6. Remote solo está tan disponible como su host

El control remoto se detiene cuando el host se duerme, pierde la red o cierra la aplicación. Una laptop personal puede ser cómoda para dirigir algo ocasional, pero es un mal destino de ejecución permanente.

Impacto en la decisión: usa un host de desarrollo siempre encendido para flujos remotos, o mueve el trabajo en segundo plano a Codex en la nube. No construyas un proceso de incidentes alrededor de una laptop que puede estar dormida.

Veredicto: cuándo vale la pena Codex

Codex vale su precio cuando al menos dos de estos puntos forman parte de tu semana normal:

• Quieres el mismo agente en la terminal y en el IDE.
• Necesitas worktrees aislados o delegación en la nube mientras sigues trabajando.
• Quieres revisión local más revisión P0/P1 en GitHub con reglas del repositorio.
• Necesitas dirigir trabajo desde otro dispositivo o traspasarlo entre hosts.

Si solo aplica uno, elige al especialista. Claude Code es la opción más limpia para un agente centrado en la terminal. Cursor es mejor cuando el editor es el centro de gravedad. GitHub Copilot es la opción económica para autocompletado y ayuda en GitHub.

Para la mayoría de los desarrolladores individuales, Plus a $20 al mes es el plan correcto de Codex. Free y Go son rutas de evaluación. Pro 5x a $100 tiene sentido solo después de que la presión medida de los límites interrumpa el trabajo. Pro 20x a $200 pertenece al uso sostenido con varios agentes, no a una sesión ocasional de programación. Business arranca en un mínimo anual efectivo de $480 por dos asientos y es el piso adecuado cuando importan la administración y el valor predeterminado sin entrenamiento. La clave de API es para trabajo local o programático medido, con el intercambio explícito de que las funciones de nube desaparecen.

La regla final es directa: compra Codex por el flujo de trabajo conectado, no porque un modelo de OpenAI sepa escribir código. Los modelos cambian. El sistema operativo alrededor del trabajo es lo que sigues pagando.

Preguntas frecuentes

¿Codex es realmente bueno para programar?

Codex es bueno para trabajo acotado sobre un repositorio cuando el prompt nombra un resultado, restricciones y comprobaciones ejecutables. Puede inspeccionar, editar, ejecutar herramientas y devolver un diff. Aun así necesita pruebas y revisión humana para cambios en producción.

¿Codex es mejor que ChatGPT?

Codex no es simplemente un rival de ChatGPT. Es el flujo de trabajo orientado a desarrolladores dentro del producto más amplio de ChatGPT, con acceso al repositorio, diffs, comandos de terminal, worktrees, entornos de nube y revisión de código.

¿Qué hace la revisión de Codex?

El /review local inspecciona un diff contra la rama base, los cambios sin confirmar, un commit o criterios personalizados sin modificar el árbol de trabajo. GitHub Code Review publica hallazgos enfocados P0 y P1 y puede aplicar reglas del repositorio desde AGENTS.md.

¿Codex ya es tan bueno como Claude Code?

Codex es el sistema más fuerte cuando las superficies local, de nube, de app, de revisión y remota deben funcionar juntas. Claude Code sigue siendo la opción más afilada para quien quiere que la terminal esté en el centro de cada interacción.

¿Cuáles son las desventajas de Codex?

Las principales son el consumo variable, los rangos oficiales de cuota contradictorios, las funciones de nube que exigen un plan de ChatGPT, las restricciones de configuración y secretos en la nube, los controles de datos separados para cuentas de consumidor y la dependencia de Remote respecto de un host despierto.

¿Qué es mejor, Codex o Claude?

Elige Codex cuando necesites un flujo conectado en varias superficies. Elige Claude Code cuando necesites sobre todo un agente de programación centrado en la terminal. Con facturación mensual, el punto de entrada serio para un individuo es de $20 tanto en Codex Plus como en Claude Pro.

¿Cuál es el comando de revisión de Codex?

Usa /review en la CLI de Codex o en la extensión del IDE. Elige una revisión contra la rama base, los cambios sin confirmar, un commit concreto donde esté disponible o instrucciones personalizadas. El revisor informa hallazgos sin editar el árbol de trabajo.

¿Cómo revisa Codex los pull requests de GitHub?

Conecta el repositorio a Codex en la nube, activa Code Review en los ajustes y menciona @codex review en el pull request. Las revisiones automáticas pueden ejecutarse cuando se abren pull requests para revisión, y las reglas de AGENTS.md bien ubicadas añaden comprobaciones específicas del repositorio.

Recibe la lista de configuración de Claude Code y Codex al suscribirte al boletín.