Contexto técnico
No me enganché aquí en el drama en torno a Anthropic, sino en algo más terrenal: en el ciclo de producción, la gente está simplemente cansada de esperar. Y esto ya es importante para la automatización con IA, porque en el ensamblaje real de funcionalidades, gana no la marca más ruidosa, sino la que no ralentiza mi ritmo.
El escenario descrito me resulta muy familiar: tomo una funcionalidad, la paso por análisis, luego código, luego yo mismo hago la revisión. Para este modo, Codex a menudo se siente más fluido en la práctica. Especialmente cuando necesitas un paso rápido sin hablar de más y con buen seguimiento de instrucciones.
Si miramos las comparaciones disponibles, el panorama no es blanco o negro. Claude Code es fuerte en grandes bases de código existentes, se asienta más profundamente en el flujo de CLI y a veces resulta más rápido en tareas complejas. Pero Codex gana regularmente donde se necesita previsibilidad, ejecuciones autónomas y menos sorpresas en las respuestas.
En cuanto a los tokens, tampoco hay una sola verdad mágica. En algunas tareas, Claude Code es notablemente más económico; en otras, Codex gasta menos. Pero desde la sensación en el trabajo diario, entiendo por qué algunos desarrolladores ahora están cambiando: si el modelo responde al ritmo adecuado y mantiene el contexto de mi solicitud sin divagaciones innecesarias, le perdono muchas cosas.
En cuanto a la parte sobre "los problemas de Anthropic con el gobierno", la mantendría en el estado de charla de la comunidad, no como un hecho. Lo mismo con los rumores sobre Sonnet 5: mucha discusión, ninguna confirmación. No construiría una integración de IA ni una hoja de ruta de producto basándome en esas filtraciones.
Qué significa esto para el negocio y la automatización
Primero: elegir una herramienta para el equipo no debe basarse en un benchmark de un solo hilo. Yo miraría su flujo real: nuevas funcionalidades, revisiones, costo de errores, consumo de tokens y velocidad del ciclo desde la idea hasta el merge.
Segundo: si tienen muchas tareas autónomas e iteraciones cortas, Codex ahora parece un candidato muy práctico. Si tienen un contexto heredado pesado y necesitan un developer-in-the-loop ajustado, Claude Code todavía no debe ser descartado.
Tercero: pierden aquellos que esperan el "modelo perfecto" y no construyen una arquitectura de IA adecuada alrededor del proceso. En Nahornyi AI Lab resolvemos precisamente estos puntos de unión para los clientes: dónde se necesita un agente, dónde un copiloto normal y dónde no se trata de cambiar el modelo sino el flujo de trabajo en sí.
Si su equipo ya está atascado en la generación de código, revisión o desarrollo interno, no hay que adivinar basándose en rumores. Mejor desglosar su proceso paso a paso y construir el desarrollo de soluciones de IA bajo carga real. Si lo desean, Vadym Nahornyi y yo en Nahornyi AI Lab podemos ayudarles a construir ese esquema sin hype innecesario y con beneficios claros para el negocio.