Gasto $600 al mes en herramientas de programación con IA. Dos suscripciones de Claude Code (CC) por $400 y una de Codex Pro por $200. Desde el mes pasado, esos $200 rindieron más que los $400.
Para la misma tarea de automatización, CC usó $155 de cuota, mientras que Codex usó $15. Ejecutar 7 instancias de Codex en paralelo completó en 25 minutos lo que habría sido trabajo de dos a tres días. Después de un mes de pruebas: excepto para web scraping e ingeniería inversa, Codex reemplaza por completo a CC.
Todavía conservo CC principalmente por costumbre—lo he usado por más de un año, todo mi flujo de trabajo está construido sobre él y el costo de migración no es bajo. Pero para tareas de programación puras, Codex es más rápido, más barato y mejor. Este artículo detalla todos los problemas que encontré y los flujos de trabajo que desarrollé durante el mes.
¿Qué es exactamente Codex?
Una herramienta de programación creada por OpenAI que compite directamente con Claude Code. También se ejecuta en la terminal, puede leer tu código, modificar archivos y ejecutar comandos—sus capacidades básicas son las mismas que las de CC.
Pero hay algunas diferencias:
Código abierto. El código es completamente público, con 75,000 estrellas en GitHub. CC no es código abierto. Código abierto significa que la comunidad es muy activa; hay más de 50 habilidades listas para usar contribuidas por otros que puedes instalar directamente.
Guardarraíles de seguridad. Los guardarraíles de seguridad de Codex son increíblemente estrictos—un "paradigma moral" total. Se negará rotundamente a ayudar con tareas de scraping o ingeniería inversa, con revisiones de seguridad del lado de la nube. Actualmente, las comunidades de bypass como linux.do y la comunidad Tavern no pueden hacer nada con GPT. Claude Code es relativamente más "malvado" y te ayudará a hacer "cosas malas" 😈.
GPT-5.5. El 24 de abril, el modelo predeterminado de Codex cambió a GPT-5.5, lo cual es un gran avance. Es muy rápido; comienza a ejecutarse segundos después de enviar un comando, alcanzando aproximadamente 90 tokens por segundo incluso sin modo de aceleración. La sensación más evidente es: finalmente habla como un humano. Antes, los comentarios de código de la serie GPT siempre tenían un "sabor a IA", pero la salida de 5.5 es mucho más natural.
¿Cuál es más potente?
Primero, la sensación: para tareas cotidianas de programación y automatización, Codex es significativamente más rápido que CC y ahorra dinero: la misma tarea cuesta $15 en Codex frente a $155 en CC. La razón es que GPT-5.5 usa muchos menos recursos por tarea que Claude; logra lo mismo con menos "pensamiento".
Sin embargo, CC tiene sus puntos fuertes. Para refactorizaciones complejas que requieren modificar una docena de archivos simultáneamente y comprender toda la arquitectura del proyecto, la comprensión de CC sigue siendo más profunda. En pruebas ciegas donde la gente no podía distinguir quién escribió el código, la tasa de victorias en calidad de código de CC fue del 67%. Además, los guardarraíles de seguridad de CC son más débiles, lo que hace que la ingeniería inversa y el scraping sean pan comido.
Honestamente, esta brecha no es tan importante en el uso real. Más adelante presentaré una herramienta llamada Superpowers; una vez instalada, la estabilidad de la calidad del código de Codex mejora enormemente, cerrando prácticamente la brecha.
Cómo instalar
Escribí sobre los detalles de instalación en el artículo anterior de introducción a CC, pero está bien si no lo has visto. Solo envía "Estoy usando Mac/Windows, ayúdame a instalar Codex CLI" a cualquier IA (incluyendo pero no limitado a Claude, ChatGPT, DeepSeek, Doubao, Gemini, etc.), y te enseñará paso a paso. Si te aparece un error, envía una captura de pantalla y puede ayudarte a resolverlo.
Codex es incluso más simple que CC: después de instalarlo, escribe codex en la terminal e inicia sesión con tu cuenta de ChatGPT. No es necesario configurar claves ni variables de entorno; solo inicia sesión y úsalo.
¿Cuánto cuesta?
Codex no se cobra por separado; está incluido en la suscripción de ChatGPT. El plan Plus de $20 funciona.
Sin embargo, para ser honesto, la cuota de Plus se quema muy rápido; un uso intensivo puede agotarla en un día. El plan Pro de $200 tiene 5 veces el uso, y durante el período de promoción actual, es 10 veces hasta el 1 de junio.
Mi gasto personal: dos suscripciones de CC ($400) + una de Codex Pro ($200) = $600 por mes. Los $200 de Codex realmente hacen mucho más trabajo que los $200 de CC porque consume de 3 a 4 veces menos recursos para la misma tarea.
Otro punto clave son los proxies de API (estaciones intermediarias). Los precios de los proxies de Codex suelen ser el 10% del precio oficial. En mis pruebas, algunas estaciones incluso ofrecen créditos a unos pocos centavos por dólar. Durante el Año Nuevo Lunar, incluso compré un paquete mensual por 79 RMB que permitía cientos de dólares de uso diario, aunque eso ya no está disponible. Además, los proxies de Codex son mucho más estables que los de Claude Code; OpenAI no "falla" tan a menudo como Anthropic.
Sin embargo, otro punto sobre los proxies es que son semisubterráneos. El problema con las industrias subterráneas es que debes probarlos tú mismo con dinero real para encontrar los confiables. Actualmente no tengo ninguna estación proxy por la que esté dispuesto a responder con mi reputación; he experimentado que varias estaciones cierren e incluso me han estafado con mil o dos mil RMB. Espero que todos lo prueben por sí mismos.
Primeras cosas que hacer después de la instalación
- AGENTS.md
CC tiene CLAUDE.md; Codex tiene AGENTS.md. Funcionan igual: colócalo en la raíz del proyecto para indicarle a la IA las reglas del proyecto.
Buena noticia: si ya tienes un proyecto de CC, Codex también leerá CLAUDE.md y funcionará de inmediato.
Pero hay un descubrimiento contrario a la intuición: escribir demasiado es malo. Las investigaciones muestran que los archivos AGENTS.md generados automáticamente en realidad disminuyen las tasas de éxito de las tareas. Esto se debe a que Codex puede leer el código por sí mismo; si lo llenas con demasiadas instrucciones, se distrae.
La forma correcta: solo escribe cosas que no pueda descubrir por sí mismo. Comandos de compilación, qué archivos no tocar, formatos de mensajes de commit. Eso es todo—no más de una página.
- Permisos: no uses los predeterminados
Por defecto, Codex pide confirmación para cada operación, lo cual es molesto. La mayoría de los desarrolladores ahora usan el modo automático—dejarlo hacer lo suyo sin presionar Enter constantemente.
Configúralo una vez en ~/.codex/config.toml:
approval_policy = "never"
sandbox_mode = "workspace-write"
De esta manera, Codex puede modificar archivos y ejecutar comandos en el directorio del proyecto sin preguntar.
Pero el requisito previo es tener Git como red de seguridad. Esto es exactamente lo mismo que dije en la introducción de CC:
El código debe estar en Git y subido a la nube. GitHub, GitLab, lo que sea. Con el modo automático activado, Codex se vuelve más agresivo; lo he visto romper archivos de configuración o eliminar cosas que no debía. Con Git, puedes revertir; sin él, tienes que reescribir.
Las bases de datos no se pueden poner en Git; deben respaldarse por separado. Mi práctica es respaldar los archivos de datos críticos cada cuatro horas en la nube. La IA a veces escribe scripts que sobrescriben datos—una vez hizo que un nuevo script de procesamiento sobrescribiera directamente la salida de un script antiguo en ejecución, y los datos se perdieron. Desde entonces, siempre hago una copia .bak antes de las operaciones con archivos de datos.
Resumen: Código en Git + subir a la nube, copias de seguridad programadas de la base de datos y .bak antes de operaciones con datos. Estos tres son requisitos previos para el modo automático, no opciones.
Cómo asignar tareas
- Que proponga un plan antes de actuar
Para tareas complejas, no lo dejes empezar a cambiar código de inmediato. Presiona Shift+Tab para entrar en modo de planificación, deja que mire el proyecto y proponga un plan, y solo déjalo empezar una vez que lo hayas revisado. Esta es la misma lógica que CC—cuanto más grande es la tarea, más necesitas pensar primero.
- Sé claro en cuatro cosas en las instrucciones
No necesitas escribir mucho, pero aclara estas cuatro: resultado deseado, archivo de referencia, qué no tocar y qué cuenta como finalización.
Ejemplo: "Agrega límite de velocidad al módulo de usuarios. Consulta la implementación del archivo de autenticación. No cambies las pruebas existentes. Se termina cuando todas las pruebas pasan."
- Comandos útiles
Notarás que la calidad de respuesta de Codex disminuye después de ejecutarse un tiempo. Escribe /compact para comprimir su memoria o /clear para empezar de nuevo. También hay una función que CC no tiene: /fork. Cuando no estés seguro de qué camino tomar, bifurca uno para probar una alternativa sin afectar el progreso actual.
Herramientas y habilidades que valen la pena
- Truco para ahorrar dinero: modo cavernícola
Un comando puede ahorrar el 65% del consumo de cuota:
export CODEX_RESPONSE_STYLE=caveman
Una vez activado, Codex deja de decir tonterías—sin explicaciones, sin cortesías, solo trabajo. Ahora tengo todas mis instancias de Codex configuradas con esto por defecto.
- Superpowers: Estabilizador de calidad
Lo recomiendo encarecidamente. En pocas palabras, es un conjunto de reglas que obliga a Codex a trabajar según un proceso: pensar qué hacer, escribir criterios de aceptación, escribir código y finalmente verificarlo.
Cuando se ejecuta "al desnudo", Codex tiende a saltar directamente al código y perder el rumbo. Con Superpowers, se frena con el proceso; cada paso tiene un punto de control que no se puede omitir. El resultado es una calidad mucho más estable para tareas complejas.
La instalación es simple: descárgalo de GitHub y ponlo en el directorio de habilidades. No es específico de una herramienta—CC, Cursor y Gemini pueden usarlo porque esencialmente es solo un documento.
- Monitoreo de uso
pip install ccusage. Una vez instalado, puedes ver cuánta cuota quemas diariamente. Sin esto, no tienes idea de cuánto estás gastando. Una vez tuve una tarea que se quedó atascada en un bucle y quemó decenas de miles de tokens en minutos; solo me di cuenta gracias al monitor.
Mi flujo de trabajo real
Tareas pequeñas: Abre Codex directamente
Corregir errores, ajustar formato, agregar pruebas—solo abre un codex en la terminal. Cuanto más simple sea la instrucción, mejor funciona: "Arregla el puntero nulo en este archivo" o "Agrega una prueba para esta función."
Tareas grandes: Dividir en múltiples rutas paralelas
Esta es la forma más potente de jugar. Divide una tarea grande en varios fragmentos, asigna un Codex a cada uno y ejecútalos simultáneamente. La forma correcta es crear una copia independiente del proyecto para cada Codex para que no choquen.
Datos reales: 7 instancias de Codex trabajando juntas terminaron en 25 minutos. Una sola persona trabajando en serie tomaría conservadoramente de dos a tres días.
La única regla de hierro: Un archivo solo se puede asignar a un Codex. Dos instancias de Codex modificando el mismo archivo simultáneamente causarán problemas inevitablemente, sin excepciones.
Problemas
- Decir tonterías después de un tiempo
Cada sesión de Codex tiene un límite de capacidad. Cuando se llena, no dará error; empezará a escribir código poco fiable. Esto es peor que un error—al menos con un error, sabes que algo está mal. Cuando la calidad baja silenciosamente, podrías haber construido ya varias capas sobre su mal código.
Mi regla: Si empieza a sentirse ligeramente extraño, simplemente empieza uno nuevo. No intentes alargar su vida. Mejor proporcionar contexto de nuevo que forcejear en una sesión fatigada.
- No instales demasiadas extensiones
Codex admite herramientas externas, pero cada herramienta consume recursos adicionales. He visto a alguien conectar un kit de herramientas de GitHub con 93 funciones, quemando más de 50,000 tokens adicionales por ronda de diálogo. Conserva solo lo que realmente necesitas y elimina el resto.
Impresiones reales
Codex ahora reemplaza por completo a CC. Solo conservo CC por costumbre y para necesidades de scraping; todo lo demás está en Codex.
La capacidad de cómputo de IA que un individuo puede desplegar está aumentando rápidamente. El año pasado era un CC trabajando; este año es un CC más siete u ocho instancias de Codex en paralelo. Si estás usando CC y sientes que no es suficiente—agrega un Codex, y entenderás lo que digo.
