Una reseña de Unite.AI reportó que Codex creó una herramienta de facturación, corrigió nueve errores y recopiló 18 precios acertados; sus límites aparecieron al probar aplicaciones y conceder permisos en Mac.
***

• La prueba de la reseñista encontró correctas las cuentas de una aplicación de facturación y las correcciones de nueve errores plantados.
• Codex reunió 18 precios desde páginas oficiales, aunque no pudo abrir algunas de sus creaciones en el navegador sin ajustar permisos.
• La experiencia mostró potencial para tareas cotidianas, pero también la necesidad de verificar resultados y revisar el acceso que recibe el agente.

Codex mostró resultados sólidos en tres pruebas, pero la verificación quedó en manos humanas

Un agente que ejecuta tareas, no solo sugiere código

OpenAI Codex busca atender un tipo de trabajo que suele consumir horas aunque no parezca especialmente complejo: construir una herramienta pequeña, reparar una aplicación o reunir datos en una hoja de cálculo. En lugar de limitarse a proponer fragmentos de código, el agente puede leer archivos, editarlos, ejecutar comandos y realizar comprobaciones, según la descripción incluida en la reseña de Unite.AI. La prueba de Janine Heinrichs examinó esas capacidades en una aplicación de escritorio de ChatGPT para Mac.

El análisis evaluó tres tareas concretas con GPT-6.1 Sol y un nivel de razonamiento medio en el plan Plus: crear un sistema de facturación para autónomos, arreglar errores en una aplicación de presupuestos e investigar precios de herramientas de programación. La reseñista reportó resultados utilizables en los tres ejercicios y tiempos de entre aproximadamente cuatro y ocho minutos. Sin embargo, también señaló que Codex no logró verificar por sí mismo varios resultados en un navegador.

La versión de Codex descrita en el artículo vive dentro de la aplicación de escritorio de ChatGPT, en la sección Work, donde el usuario adjunta una carpeta de proyecto y explica lo que necesita. El agente muestra un registro de sus acciones y entrega un resumen con enlaces a los archivos modificados o creados, que pueden abrirse en un panel de vista previa. La reseña también indica que las conversaciones nuevas se ejecutan en la nube por defecto y pueden retomarse desde la web o la aplicación móvil.

La prueba describe distintos modelos disponibles según el plan: GPT-6.1 Sol como opción predeterminada de Plus, GPT-6.1 Terra para tareas más rápidas y visuales, GPT-6 Luna como modelo ligero y GPT-6 Astra como alternativa de mayor capacidad. La autora afirma que su cuenta gratuita solo ofrecía Luna y que Astra tenía límites distintos según la suscripción. También sitúa el retiro de GPT-5.5 de Codex el 14 de octubre de 2026 y el lanzamiento de GPT-6.1 Terra el 26 de octubre de ese año; ambas fechas ya habían pasado al publicarse la reseña.

Una factura funcional y nueve errores corregidos

En la primera prueba, Heinrichs pidió una aplicación web para registrar horas y crear facturas para un escritor autónomo que cobra por hora. Codex tardó seis minutos y 21 segundos y generó Billable como un archivo HTML de 27 KB, sin exigir instalación ni una cuenta adicional. La herramienta permitía registrar clientes y tarifas, usar un temporizador o introducir horas manualmente, editar entradas y generar facturas por rango de fechas con impuesto HST del 13%.

La reseñista probó la aplicación con dos clientes, cinco registros de tiempo y una factura para el periodo del 1 al 11 de noviembre. El sistema incluyó las entradas correspondientes a ese intervalo y excluyó tanto una jornada de octubre como horas asociadas al otro cliente. Con una tarifa de CAD $87,50 por hora, una entrada de 3,25 horas produjo CAD $284,38 y otra de 1,333 horas, CAD $116,64; el total facturado fue CAD $453,27, con CAD $52,15 de HST.

La prueba también comprobó que una entrada de temporizador de cuatro segundos sumara CAD $0,10 y que la factura pudiera descargarse en PDF en una página. En el teléfono, la barra lateral pasaba a un menú superior y no aparecía desplazamiento horizontal, según la revisión. Entre las decisiones de diseño que la autora valoró estuvo guardar cada entrada con la tarifa vigente al registrarla, de modo que un aumento posterior no alterara retrospectivamente el costo del trabajo.

El resultado, no obstante, requería mejoras antes de servir como sistema de facturación completo: no incluía fecha de vencimiento ni condiciones de pago, y los datos quedaban almacenados solo en el navegador, sin respaldo o exportación. Además, la reseñista dijo que no pudo comprobar en el navegador el temporizador, el guardado, la descarga ni el diseño móvil, porque la vista previa bloqueó el archivo local. También observó una presentación inusual de las horas, como 1,3331 h, en una factura.

La segunda tarea consistió en corregir nueve fallas deliberadas en una aplicación de presupuesto a partir de un reporte deliberadamente vago. Codex trabajó durante siete minutos y 56 segundos, pidió autorización para usar Google Chrome y reportó que once comprobaciones automatizadas habían pasado. Según las pruebas posteriores de Heinrichs, corrigió problemas de suma de texto en lugar de números, cálculo invertido del saldo, porcentajes inválidos, discrepancias entre datos guardados y cargados, eliminación del elemento equivocado, errores de redondeo, ejecución de código mediante nombres de gastos y diseño para teléfonos.

La novena falla afectaba el envío del formulario: cada envío recargaba la página y borraba la entrada. Codex también la corrigió, aunque no la incluyó en su resumen final, que mencionó solo ocho problemas. La comparación de la reseñista mostró que, con los mismos tres gastos, la versión averiada sumaba un total ilegible de $01450312.40156 y señalaba que se había gastado el 36.258% de los ingresos; la versión reparada mostró $1.918,40 gastados, $2.081,60 restantes y un 48%.

Investigación de precios y tropiezos con los permisos

Para la tercera prueba, Heinrichs pidió comparar los precios oficiales de Codex, Claude Code, Cursor y Replit, y organizar los datos en una hoja de cálculo de Numbers. El encargo incluía una fila por plan, enlaces a las fuentes y un gráfico de barras con el plan de pago más barato de cada servicio. Codex tardó tres minutos y 48 segundos en investigar las páginas y crear un archivo de Excel después de que Numbers no se abriera en la Mac de la autora.

El documento contenía 18 planes, precios mensuales, descripciones breves y las URL consultadas; también incluía un gráfico vinculado a fórmulas activas. Heinrichs verificó cada precio con las páginas oficiales y reportó que los 18 coincidían. Tras cambiar los ajustes de privacidad de su Mac y volver a intentarlo, Codex abrió el documento en Numbers, comprobó que las filas, los enlaces y el gráfico se hubieran transferido y lo guardó en formato nativo, en tres minutos y diez segundos.

La autora destacó que la exactitud de los precios era útil, pero advirtió que una comparación correcta en términos técnicos aún puede inducir a error. El gráfico enfrentaba ChatGPT Go, con un precio de USD $8, y Claude Pro, con USD $20, como los planes de pago más baratos de sus respectivas opciones, aunque Go solo incluía el modelo ligero Luna. La reseña también recomendó revisar las descripciones de los planes antes de publicar una comparación.

El episodio expuso un problema práctico del uso de computadora: autorizar una aplicación desde el chat no bastó, porque la Mac también necesitaba conceder acceso desde sus ajustes de privacidad y seguridad. La reseñista indica que Chrome había agotado el tiempo de espera y Numbers no se había abierto antes de habilitar los permisos de Accesibilidad y Grabación de pantalla. Una vez hechos esos cambios, Codex pudo interactuar con Numbers; aun así, el agente cambió a Excel sin preguntar y explicó la alternativa después.

Utilidad, límites y alternativas

El balance de la prueba es favorable en cuanto a la ejecución: la factura tuvo cálculos correctos, los nueve errores plantados quedaron corregidos y los 18 precios coincidieron con sus fuentes. La reseñista no reportó que tuviera que reparar los archivos generados, aunque sí identificó decisiones pendientes de criterio, como añadir condiciones de pago, explicar todos los cambios y presentar de forma más justa la comparación de planes. En sus ejercicios, las tareas tomaron de tres a ocho minutos y no exigieron indicaciones de seguimiento.

La principal reserva fue la verificación independiente, no la generación inicial. Codex no pudo abrir en el navegador las aplicaciones que había creado o reparado, por lo que la autora tuvo que interactuar con ellas y comprobar los resultados por su cuenta. El agente informó algunas limitaciones y ejecutó comprobaciones automatizadas, pero eso no sustituyó las pruebas manuales; su resumen, además, omitió una corrección que sí había realizado.

El uso de computadora amplía las tareas que el agente puede ejecutar, desde operar Chrome hasta trabajar en Numbers, pero también aumenta la importancia de decidir qué permisos conceder. La reseña recomienda limitar a Codex a una carpeta de proyecto dedicada, dado que puede leer, editar y ejecutar archivos dentro del espacio adjunto, y revisar los cambios antes de depender de ellos. También advierte que el control de aplicaciones puede implicar riesgos de seguridad y que conviene ajustar con cuidado los niveles de aprobación.

La reseña presenta a Claude Code como una opción para quienes trabajan principalmente en bases de código existentes y ya usan el asistente de Anthropic, mientras que Codex puede convenir a quienes quieren combinar programación con investigación y hojas de cálculo. Cursor ofrece edición y agentes integrados en un editor basado en VS Code, con cambios revisables dentro del entorno de desarrollo. Replit, en cambio, se orienta a construir y publicar aplicaciones desde un espacio de trabajo en línea, una diferencia relevante para usuarios que priorizan tener un producto accesible en la web.

Heinrichs concluye que Codex merece una prueba para quienes ya pagan por ChatGPT, en particular autónomos, pequeños negocios y equipos que buscan automatizar herramientas internas. La recomendación no elimina la necesidad de probar cada resultado, comprobar los cálculos y examinar las fuentes antes de usarlo en un proceso importante. Para desarrolladores centrados en repositorios existentes, o para quienes quieren publicar una aplicación sin gestionar archivos locales, la reseña señala que Claude Code, Cursor o Replit pueden ajustarse mejor a necesidades específicas.

Imagen original de DiarioBitcoin, creada con inteligencia artificial, de uso libre, licenciada bajo Dominio Público.

Este artículo fue escrito por un redactor de contenido de IA y revisado por un editor humano para garantizar calidad y precisión.

ADVERTENCIA: DiarioBitcoin ofrece contenido informativo y educativo sobre diversos temas, incluyendo criptomonedas, IA, tecnología y regulaciones. No brindamos asesoramiento financiero. Las inversiones en criptoactivos son de alto riesgo y pueden no ser adecuadas para todos. Investigue, consulte a un experto y verifique la legislación aplicable antes de invertir. Podría perder todo su capital.

Suscríbete a nuestro boletín