OpenAI lanza Codex, su agente de programación en la nube

Un agente que no autocompleta, sino que trabaja solo

OpenAI ha presentado hoy Codex, un agente de ingeniería de software que funciona en la nube y puede ocuparse de varias tareas de programación al mismo tiempo. La compañía lo describe como una vista previa de investigación ("research preview"), disponible desde hoy para usuarios de ChatGPT Pro, Business y Enterprise, con soporte para Plus y Edu "próximamente", según el anuncio de OpenAI.

El salto respecto a las herramientas de autocompletado de código no es menor. Codex no sugiere la siguiente línea mientras el desarrollador escribe: recibe una tarea completa (escribir una función, corregir un error, responder preguntas sobre un repositorio) y la ejecuta de principio a fin, en un entorno propio, sin supervisión continua.

Cómo funciona en la práctica

Según explica OpenAI, cada tarea que se asigna a Codex se procesa en un entorno aislado ("sandbox") en la nube, precargado con el repositorio del usuario. Desde la barra lateral de ChatGPT, basta con escribir una instrucción y pulsar "Code" para que el agente se ponga a trabajar, o "Ask" si lo que se quiere es simplemente una pregunta sobre el código existente.

Dentro de ese entorno, Codex puede leer y editar archivos, y ejecutar comandos como baterías de pruebas, linters (herramientas que revisan el estilo y posibles errores del código) o verificadores de tipos. OpenAI señala que completar una tarea suele llevar entre 1 y 30 minutos, dependiendo de su complejidad, y que el progreso puede seguirse en tiempo real.

Una vez terminado el trabajo, Codex confirma ("commit") los cambios en su propio entorno y aporta lo que OpenAI llama "evidencia verificable": citas de los registros de terminal y de los resultados de las pruebas, de modo que el usuario pueda rastrear cada paso dado durante la tarea. A partir de ahí, el desarrollador puede revisar el resultado, pedir cambios adicionales, abrir directamente una pull request en GitHub o integrar el código en su entorno local.

OpenAI también ha introducido los archivos AGENTS.md, un formato similar a los README que permite indicarle a Codex cómo moverse por un repositorio concreto, qué comandos usar para las pruebas y qué convenciones sigue el proyecto. La compañía asegura que, incluso sin estos archivos de guía ni configuraciones adicionales, codex-1 obtiene un buen rendimiento en sus evaluaciones internas de programación.

El modelo detrás: codex-1

Codex funciona con codex-1, una versión de OpenAI o3 optimizada específicamente para ingeniería de software. Según OpenAI, este modelo se entrenó mediante aprendizaje por refuerzo sobre tareas de programación reales en distintos entornos, con el objetivo de generar código que se parezca al estilo humano y a las preferencias habituales en las pull requests, que siga las instrucciones con precisión y que sea capaz de ejecutar pruebas de forma iterativa hasta obtener un resultado correcto.

Un objetivo central del entrenamiento, explica la compañía, fue alinear las salidas del modelo con las preferencias humanas de codificación. Comparado con OpenAI o3, codex-1 produce de forma consistente parches más limpios, listos para su revisión e integración inmediata en los flujos de trabajo habituales de un equipo de ingeniería.

Seguridad y ejecución aislada

OpenAI dedica una parte del anuncio a explicar cómo ha abordado los riesgos de un agente capaz de escribir y ejecutar código de forma autónoma. El agente opera por completo dentro de un contenedor seguro y aislado en la nube. Durante la ejecución de una tarea, el acceso a internet está deshabilitado, de modo que la interacción del agente se limita al código proporcionado explícitamente a través de repositorios de GitHub y a las dependencias preinstaladas mediante un script de configuración definido por el usuario. El agente no puede acceder a sitios web externos, APIs ni otros servicios.

Respecto al riesgo de un uso malicioso, como el desarrollo de malware, OpenAI indica que Codex fue entrenado para identificar y rechazar con precisión ese tipo de solicitudes, distinguiéndolas de tareas legítimas que a veces emplean técnicas similares, como la ingeniería de bajo nivel a nivel de kernel. La compañía ha reforzado sus marcos de políticas y ha incorporado evaluaciones de seguridad adicionales, y ha publicado un anexo a la ficha de sistema ("system card") de o3 para reflejar estas evaluaciones.

Aun con estas salvaguardas, OpenAI insiste en un punto: sigue siendo esencial que los usuarios revisen y validen manualmente todo el código generado por el agente antes de integrarlo o ejecutarlo.

Quién ya lo está usando

Según OpenAI, equipos técnicos de la propia compañía han empezado a usar Codex en su trabajo diario, sobre todo para tareas repetitivas y bien delimitadas —refactorizar código, renombrar elementos, escribir pruebas— que de otro modo interrumpen la concentración. También resulta útil, señala la empresa, para montar el esqueleto de nuevas funciones, conectar componentes, corregir errores y redactar documentación.

Antes del lanzamiento, OpenAI trabajó con un grupo reducido de probadores externos para entender cómo se comporta Codex en distintas bases de código y procesos de desarrollo. Entre los casos mencionados por la compañía, Cisco está evaluando el agente como socio de diseño temprano para ideas de producto en distintas áreas de su catálogo. Temporal lo usa para acelerar el desarrollo de funciones, depurar problemas, escribir y ejecutar pruebas y refactorizar bases de código grandes, además de mantener a sus ingenieros concentrados al ejecutar tareas complejas en segundo plano. Superhuman lo emplea para agilizar tareas pequeñas pero repetitivas, como mejorar la cobertura de pruebas o corregir fallos de integración, lo que permite que gestores de producto hagan cambios de código ligeros sin recurrir a un ingeniero, salvo para la revisión final. Kodiak, por su parte, usa Codex para escribir herramientas de depuración, mejorar la cobertura de pruebas y refactorizar código en el desarrollo de su tecnología de conducción autónoma, y también como herramienta de referencia para que sus ingenieros entiendan partes del sistema que no conocen bien.

A partir de la experiencia de estos primeros probadores, OpenAI recomienda asignar tareas bien delimitadas a varios agentes de forma simultánea y experimentar con distintos tipos de tareas y formulaciones para explorar mejor las capacidades del modelo.

Una versión ligera para el terminal

Junto al lanzamiento de Codex, OpenAI recuerda que el mes pasado presentó Codex CLI, un agente de código ligero y de código abierto que se ejecuta directamente en el terminal del usuario, llevando modelos como o3 y o4-mini al flujo de trabajo local. Hoy la compañía anuncia además una versión más pequeña de codex-1, basada en o4-mini y pensada específicamente para Codex CLI, optimizada para preguntas y ediciones de código de baja latencia dentro de ese entorno.

Qué cambia para quien programa

La diferencia respecto a un asistente de autocompletado tradicional está en el grado de delegación. Aquí no se trata de aceptar o rechazar una sugerencia línea a línea, sino de encargar una tarea completa y recibir, minutos después, un conjunto de cambios ya probado y documentado con sus propios registros de ejecución. Eso desplaza el trabajo del desarrollador hacia la definición de la tarea y la revisión del resultado, más que hacia la escritura del código en sí.

OpenAI enmarca el lanzamiento como una vista previa de investigación, no como un producto cerrado, y mantiene el acceso limitado a determinados niveles de suscripción por ahora. La compañía deja claro que la validación humana del código generado sigue siendo un paso obligatorio, no opcional, antes de llevarlo a producción.