OpenAI y Anthropic se acaban de meter en una carrera frontal por el nuevo trofeo de la IA: ya no se trata simplemente de que escriba código, sino de que sea capaz de trabajar como un agente durante horas, sosteniendo procesos complejos sin supervisión constante.
La comparativa empieza a poner números sobre la mesa y algunos pinchan el globo del marketing. En Terminal-Bench 2.0, GPT-5.3-Codex alcanza un 77,3%, dejando a Claude Opus 4.6 en 65,4%, una diferencia relevante cuando hablamos de flujos intensivos en terminal.
Sin embargo, el otro benchmark realmente comparable cuenta una historia distinta. En OSWorld (versión verificada), Opus 4.6 sube hasta el 72,7% y supera el 64,7% de Codex, lo que apunta a una mayor solidez en la interacción general con el sistema operativo.
Al final, esto no va de “quién gana” en abstracto, sino de para qué tipo de trabajo estás comprando —o delegando— cerebro.
Cuando ChatGPT reventó el mercado en noviembre de 2022, OpenAI parecía intocable. El fenómeno no solo dio lugar a un producto exitoso, sino que inauguró una categoría completa y obligó a todo el sector a moverse con rapidez, muchas veces sin una estrategia clara.
Pero en 2026 la fotografía es bastante menos cómoda para Sam Altman y compañía. Google ha logrado captar al gran público con Nano Banana Pro, mientras Gemini gana terreno de forma sostenida como chatbot generalista.
A esto se suma un dato impensable hace apenas un par de años: la cuota de mercado de ChatGPT ha retrocedido de forma apreciable en algunos mercados, algo que antes sonaba directamente a ciencia ficción.
El golpe más silencioso, sin embargo, ha llegado por el lado developer. Anthropic se ha consolidado como referencia en ingeniería de software, convirtiendo a Claude en una herramienta casi de cabecera para muchos programadores profesionales.
El timing no parece casual. GPT-5.3-Codex y Claude Opus 4.6 aterrizan prácticamente al mismo tiempo, y ambos modelos están pensados para lo que ya se conoce como programación agéntica.
Es decir, no se limitan a generar un snippet y desaparecer. Intentan encadenar tareas largas, combinando investigación, uso de herramientas, ejecución, revisión de errores y nuevas iteraciones de forma continua.
Esto cambia por completo la forma de medirlos. Cuando un modelo pasa 40 minutos tocando terminal, leyendo logs, modificando archivos y volviendo a testear, el criterio deja de ser “qué bien autocompleta” y pasa a ser qué tan bien sostiene el proceso completo.
También cambia el riesgo. Un agente con iniciativa puede ahorrarte horas de trabajo, pero si no está bien delimitado, también puede generar problemas serios en producción.
OpenAI presenta GPT-5.3-Codex como un modelo claramente orientado a agentes de programación, diseñado para ampliar de forma realista lo que un desarrollador puede delegar en la IA. Menos “aquí tienes una idea” y más “hazte cargo de esto”.
La compañía afirma que mejora el rendimiento del código, el razonamiento y el conocimiento profesional frente a generaciones anteriores y, además, que es un 25% más rápido. En la práctica, esto implica menor latencia y mayor throughput, con más iteraciones por hora y menos esperas innecesarias entre prueba y corrección.
A esto se suma un detalle especialmente relevante: OpenAI asegura que versiones tempranas de Codex se utilizaron para depurar su propio entrenamiento, gestionar despliegues y analizar resultados de pruebas. Si un modelo acelera tus propios ciclos internos de ingeniería, estás comprando ventaja compuesta.
En las demos, OpenAI muestra creación autónoma de apps y juegos web, desde un juego de carreras con ocho mapas hasta otro de buceo explorando arrecifes. Todo muy convincente, aunque con una pega importante para quienes integran IA en producción: GPT-5.3-Codex aún no está disponible vía API.
Claude Opus 4.6 llega como una actualización centrada en planificación, autonomía y fiabilidad, especialmente en entornos con grandes bases de código. Anthropic insiste en que el modelo puede sostener tareas agénticas durante más tiempo y revisar y depurar su propio trabajo con mayor precisión.
Menos “me invento una función” y más “entiendo lo que ya existe, lo respeto y lo arreglo”. Una de sus bazas más potentes es una ventana de contexto de hasta un millón de tokens en beta, suficiente para incluir repositorios enormes, documentación interna y un histórico largo sin que el modelo “olvide” información clave a mitad del proceso.
A esto se suma el llamado pensamiento adaptativo, que ajusta automáticamente la profundidad del razonamiento según el contexto. No se desperdicia cómputo en tareas simples, pero se puede exigir más cuando el problema lo requiere. Además, incorpora niveles de esfuerzo configurables y técnicas de compresión de contexto para sostener tareas largas sin reventar límites.
Claude Code también introduce equipos de agentes coordinándose en paralelo, junto con una integración más profunda con herramientas como Excel o PowerPoint. Y aquí aparece una diferencia práctica inmediata: Opus 4.6 sí está disponible vía API.
El precio base es de 5 dólares por millón de tokens de entrada y 25 dólares por millón de tokens de salida, con un recargo premium cuando se superan los 200.000 tokens en el prompt.
El problema al comparar estos modelos no es la falta de cifras, sino la correspondencia entre evaluaciones. Cada compañía elige pruebas que la favorecen, con metodologías y métricas distintas, lo que obliga a leer con lupa para separar demo técnica de comparación real.
Las métricas verdaderamente comparables se reducen, por ahora, a Terminal-Bench 2.0 y OSWorld (versión verificada). El primero sugiere que Codex es más eficaz en flujos centrados en la terminal, mientras que OSWorld apunta a que Opus 4.6 destaca más en la interacción general con el sistema.
No hay una supremacía clara: hay un reparto de fortalezas.
Esta transición hacia tareas prolongadas cambia por completo el checklist: contexto largo, herramientas, fiabilidad, control humano en tiempo real, integración en el pipeline y, por supuesto, coste.
La parte positiva es la de siempre. Cuando dos gigantes se pisan los talones, los beneficiados solemos ser nosotros. Si la tendencia continúa, tocará acostumbrarse a elegir IA como eliges un IDE o un stack tecnológico: no por hype, sino por encaje real con tu trabajo.
Me dedico al SEO y la monetización con proyectos propios desde 2019. Un friki de las nuevas tecnologías desde que tengo uso de razón.
Estoy loco por la Inteligencia Artificial y la automatización.
La Newsletter Diaria Sobre Inteligencia Artificial. Además: Portal de Noticias, Tutoriales, Tips y Trucos de ChatGpt, Openai e Inteligencia Artificial.
Nuestra web está alojada en:
