El 16 de mayo de 2025, el equipo de OpenAI Codex organizó un evento AMA (Ask Me Anything) en Reddit, en el que detalló los orígenes, el desarrollo, las funciones actuales y los planes futuros de Codex.
**Origen y desarrollo
Codex comenzó como un proyecto paralelo de los ingenieros de OpenAI para hacer frente a la infrautilización de los modelos internos en su trabajo diario. el cambio clave en Codex fue mejorar drásticamente la experiencia de codificación mediante la generación de múltiples pequeños "codificadores de ambiente" y la posterior selección del mejor resultado de código. codex se desarrolló utilizando la CLI de Codex y una versión anterior de Codex para demostrar su eficacia en la rápida corrección de errores locales y la gestión remota de múltiples tareas paralelas. Se utilizaron la CLI de Codex y versiones anteriores de Codex para demostrar su eficacia a la hora de corregir rápidamente errores locales y gestionar remotamente múltiples tareas paralelas.
Funciones y capacidades actuales
Codex ofrece dos modos: el "Modo Consulta" permite a los usuarios pegar documentos de diseño o requisitos detallados y desglosarlos en partes más pequeñas; el "Modo Código" realiza tareas en un entorno contenedor durante un máximo de una hora. Realiza cambios específicos en función de las solicitudes de los usuarios, se mantiene dentro del ámbito de la solicitud y utiliza el historial del repositorio o cualquier archivo contenedor accesible como contexto. codex es especialmente adecuado para trabajar con grandes repositorios, desarrollo basado en pruebas y para seguir las instrucciones de las directivas AGENTS[.] en los archivos md (por ejemplo, pruebas, comprobaciones de código, comprobaciones de formato y plantillas de confirmación). Para un escalado seguro y para centrarse en los resultados conocidos, el acceso a Internet se desactiva una vez que el agente entra en el entorno de ejecución.
Muchos ingenieros de macOS, iOS y Android utilizan activamente Codex en su trabajo diario.Un flujo de trabajo práctico es añadir un archivo TODO[.] md y decirle a Codex que elija un TODO y lo corrija, o hacer un plan para la característica X y ponerlo en un TODO[.] md.
Disponibilidad y promoción actuales
Codex se ha desplegado por completo para los usuarios Pro, y el despliegue para los usuarios Team está previsto para el lunes, una vez completado el equilibrio de carga. El acceso a la aplicación móvil está en desarrollo, pero los usuarios ya pueden iniciar Codex en el móvil a través de ChatGPT Web.Codex-1 está ahora optimizado para la interfaz de usuario ChatGPT, y el acceso API al agente Codex está en progreso.Créditos API gratuitos para los usuarios Plus y Pro que utilizan el Codex CLI vendrán pronto.
Mejora del rendimiento y la productividad
Los equipos internos han descubierto que las versiones de código y funciones son hasta 3 veces más eficientes cuando se utiliza Codex, especialmente cuando la abstracción es clara, la cobertura de las pruebas es alta y las pruebas son rápidas.La CLI de Codex ha sido muy eficaz en la creación de aplicaciones desde cero, y a medida que la aplicación crece, la tarea puede trasladarse a Codex basado en la nube.
Precios y política de datos
Se están estudiando opciones de precios flexibles (incluido el pago por uso). Para los usuarios de Team, Enterprise y Edu, OpenAI no formará en contenidos Codex; los usuarios Pro (y eventualmente Plus) tendrán una opción destacada en el front-end.
Realización técnica y entorno
La versión actual es una vista previa de investigación MVP con planes para integrarse con otras herramientas de gestión de código fuente, rastreadores de problemas y herramientas de comunicación más allá de GitHub.El Codex CLI está escrito en TypeScript para permitir la familiaridad con la interfaz de usuario de punto final, con planes para proporcionar enlaces de motor de alto rendimiento para otros idiomas. Los usuarios pueden definir scripts de configuración del entorno compatibles con Dockerfile o extraer imágenes del registro de usuario. Se está considerando permitir a los usuarios introducir sus propios entornos informáticos en sistemas altamente bloqueados.
La comunidad ha mostrado un gran interés en integrar la CLI de Codex directamente en los IDE. En la actualidad, los contenedores están totalmente aislados, pero en el futuro está previsto que admitan configuraciones multirepositorio y memoria compartida entre tareas.
Planes de futuro e investigación
Codex añadirá la posibilidad de utilizar interacciones entre ordenador y navegador para probar y validar la interfaz de usuario.GPT-5 es el siguiente modelo base y está diseñado para mejorar todas las funciones de los modelos existentes y reducir la necesidad de cambiar de modelo. Los planes para el futuro son integrar Codex, Operator, Deep Research y Memory para que parezcan uno solo. El aprendizaje por refuerzo a gran escala ya se está utilizando para mejorar las capacidades de codificación, el estilo y la precisión de Codex. El equipo prevé revisiones de código impulsadas por IA que resuman los cambios en el código y se basen fielmente en resultados de ejecución y citas reales.
Las futuras funciones de ingeniería de software pueden evolucionar hacia puestos de liderazgo técnico, gestionando grandes componentes del sistema y colaborando con agentes de codificación de IA.
---
Codex ha sido lanzado oficialmente y se espera que revolucione la forma tradicional de revisión manual del código. La herramienta analiza automáticamente repositorios o ramas de código y genera de forma independiente una lista de tareas que deben corregirse.
Esta capacidad de automatización es impresionante, ya que no sólo mejora la calidad del código, sino que también reduce significativamente la inversión de tiempo de los desarrolladores en la revisión del código. Imagina un flujo de trabajo futuro en el que cada pull request (PR) pueda optimizarse automáticamente con la ayuda de Codex, lo que mejorará drásticamente la productividad del equipo y la coherencia del código.
escenario de aplicaciónEntre otros:
- Control de calidad de bases de código a gran escala
- Retroalimentación inmediata en el desarrollo iterativo rápido
- Comprobación de las especificaciones del código al inicio de un nuevo proyecto
El potencial de Codex es enorme y su impacto promete provocar una revolución en la industria del desarrollo de software. En cuanto a los detalles técnicos, Codex utiliza algoritmos avanzados de procesamiento del lenguaje natural y aprendizaje automático para comprender la estructura y la lógica del código y sugerir mejoras específicas. Esto es importante para mejorar la eficiencia del desarrollo y la calidad del código.
---
Recientemente, un desarrollador compartió su experiencia con Codex para la migración de código. Utilizó Codex para actualizar un antiguo proyecto de Python 2.7 a 3.11 y el framework Django de la versión 1.x a la 5.0.Todo el proceso duró sólo 12 minutos.Esta migración suele durar varias semanas.
Codex garantiza la compatibilidad y estabilidad del código mediante la conversión y optimización automatizadas del mismo. Además, Codex es capaz de manejar escenarios de aplicación complejos, como bases de código a gran escala y proyectos multimódulo, lo que aumenta aún más su valor de aplicación práctica.
Para los desarrolladores, Codex no sólo simplifica la tediosa tarea de la migración, sino que también les ayuda a centrarse más en la implementación y optimización de la lógica empresarial, impulsando así una rápida iteración y desarrollo de los proyectos.
---
A los científicos de datos les encantará este servidor MCP.
Genera automáticamente** datos sintéticos de alta calidad**, los evalúa y los valida con herramientas de visualización. Todo ello se realiza fácilmente en el IDE de Cursor.
El servidor es completamente de código abierto y ofrece una guía detallada paso a paso: https://t.co/fOgViRFHQQ
Características principales:
- Generación automática de datos sintéticos de alta calidad
- Evaluación y validación automatizadas
- Herramientas de visualización
- Integración en Cursor IDE
- 100% Java Código abierto
Se trata sin duda de una potente herramienta para los científicos de datos que necesitan grandes cantidades de datos para el entrenamiento, las pruebas y la validación de modelos. Tanto si se trata del desarrollo de proyectos de aprendizaje automático como de la necesidad de proteger la privacidad de los datos, MCP Server proporciona un soporte eficiente y fiable.
---
Google DeepMind acaba de lanzar AlphaEvolve, un agente de programación impulsado por Gemini diseñado para revolucionar el descubrimiento algorítmico.
Entre las principales características de AlphaEvolve se incluyen:
- Diseño de algoritmos de multiplicación de matrices más rápidos para mejorar la eficiencia computacional
- Encontrar nuevas soluciones a problemas matemáticos abiertos y hacer avanzar la investigación en matemáticas
- Mejora de la eficiencia en centros de datos, diseño de chips y formación en IA para una amplia gama de aplicaciones.
Ficha técnica de AlphaEvolveEl agente se basa en las potentes capacidades computacionales de Gemini y es capaz de explorar y optimizar algoritmos automáticamente. Mediante técnicas de aprendizaje profundo y de refuerzo, AlphaEvolve es capaz de operar eficientemente en conjuntos de datos a gran escala y encontrar soluciones óptimas en poco tiempo.
escenario de aplicaciónAlphaEvolve no sólo muestra un gran potencial en la investigación académica, sino que también tiene una amplia gama de aplicaciones en la industria. Por ejemplo, en la gestión de centros de datos, puede reducir el consumo de energía optimizando la asignación de recursos; en el diseño de chips, puede acelerar el proceso de simulación y mejorar la calidad del diseño; en el entrenamiento de IA, puede acelerar la convergencia de modelos y mejorar la eficiencia del entrenamiento.
El lanzamiento de AlphaEvolve supone un gran avance de la IA en el campo del descubrimiento algorítmico, y se espera que impulse el desarrollo de tecnologías afines.
---
AliCloud ha lanzado recientemente una versión optimizada de Qwen 2.5 Omni con mejoras de rendimiento mediante las técnicas GPTQ y AWQ, que se ha hecho pública en la plataforma Hugging Face.GPTQ es una técnica de cuantización que reduce significativamente la huella de memoria y los requisitos computacionales del modelo, mientras que AWQ mejora aún más la eficiencia de inferencia del modelo.
Esta versión de Qwen 2.5 Omni-optimizada no sólo mejora el rendimiento, sino que también destaca en aplicaciones del mundo real. Es adecuada para una amplia gama de tareas de procesamiento del lenguaje natural, como la generación de textos, los sistemas de diálogo, la traducción automática, etc.
Para desarrolladores e investigadores, esta versión optimizada ofrece herramientas más eficaces y flexibles que permiten realizar tareas de procesamiento del lenguaje natural de alto rendimiento en entornos con recursos limitados.
Además, Qwen 2.5 Omni Optimised es compatible con una amplia gama de plataformas de hardware, incluidas GPU y CPU, lo que permite a los usuarios tomar decisiones basadas en sus propias condiciones de hardware, mejorando aún más la usabilidad y flexibilidad del modelo.
---
Hemos simplificado el proceso de uso de cualquier modelo en la plataforma Replicate, lo que facilitará en gran medida el uso de editores de código de IA y modelos de grandes lenguajes (LLM). Esta actualización coincide con el lanzamiento de Codex, que ofrece a los desarrolladores aún más flexibilidad.
Ahora, los usuarios pueden:
- Copiar páginas en formato Markdown
- Cargar directamente en Claude o ChatGPT
- Ver el archivo llms.txt para cualquier modelo
Por ejemplo, el enlace al archivo llms.txt para Google Veo-2 es el siguiente: https://t.co/PwbpQe1JYS.
Estas mejoras no sólo mejoran la experiencia de los desarrolladores, sino también la accesibilidad y la integración del modelo.Ya se trate de completar código, depurar o generar nuevos fragmentos de código, estas funciones pueden mejorar considerablemente la eficacia del desarrollo.
Además, al ser compatible con múltiples plataformas principales de IA, Replicate facilita a los desarrolladores el aprovechamiento de las últimas tecnologías de IA para acelerar el desarrollo y la innovación del software.
---
La recién lanzada tecnología Emergent AI permite generar aplicaciones completas a través de simples conversaciones de chat, abarcando el desarrollo backend, las pruebas automatizadas y el despliegue en vivo de URLs. La llegada de esta tecnología marca un cambio significativo en la forma de programar.
Al interactuar con la IA, los usuarios pueden describir fácilmente la funcionalidad que necesitan para sus aplicaciones sin tener que escribir código complejo. Este proceso de desarrollo altamente automatizado no solo mejora la eficiencia del desarrollo, sino que también reduce la barrera técnica, lo que permite que más personas participen en el desarrollo de software.
He aquí 10 ejemplos de esta locurademostrando el poder de la IA emergente:
- Clonación de Airbnb
Los desarrolladores interesados pueden probarlo y experimentar esta revolucionaria tecnología visitando el enlace proporcionado.
A medida que la tecnología de IA siga evolucionando, se espera que la IA emergente se beneficie de una amplia gama de aplicaciones en diversos campos, desde aplicaciones a nivel empresarial hasta proyectos personales.
---
La CLI de Codex se mejora constantemente para ofrecer herramientas más potentes a los desarrolladores. A largo plazo, los agentes de codificación locales (por ejemplo, Codex CLI) y remotos (por ejemplo, Codex) se fusionarán gradualmente para formar un nuevo modelo de trabajo colaborativo.
Imagina esta combinación como un colega a distancia que no sólo te presta ayuda a distancia, sino que también mira tu código en tiempo real y te ofrece sugerencias. Este tipo de colaboración mejoraría enormemente la eficiencia de la programación y el trabajo en equipo.
Hemos realizado las siguientes mejoras en la CLI del Codex basándonos en los comentarios de los usuarios:
- Conecte rápidamente su organización API iniciando sesión a través de ChatGPT
- Introducción de un nuevo modelo codex-mini, optimizado específicamente para funciones de consulta y edición de código de baja latencia.
Estas mejoras aumentarán aún más la utilidad y la experiencia de usuario de la CLI de Codex, permitiendo a los desarrolladores programar de forma más eficiente.
El futuro de la programación está lleno de infinitas posibilidadesEsperemos con impaciencia el desarrollo de esta tecnología.
---
Recientemente, LangChain publicó un tutorial sobre su nueva integración con Box. Mediante el uso del kit de herramientas de agentes de IA de LangChain y el servidor MCP, las empresas pueden crear agentes inteligentes que automaticen la correspondencia entre facturas y pedidos de compra para optimizar los flujos de trabajo de aprovisionamiento.
Esta solución puede mejorar significativamente la eficacia y precisión del procesamiento y reducir la intervención manual, especialmente en operaciones de compra a gran escala. Al incorporar tecnología de procesamiento del lenguaje natural, el sistema es capaz de identificar y comparar automáticamente la información clave de los documentos, como números de pedido, importes y fechas, para garantizar la coherencia e integridad de los datos.
Escenarios de aplicación:
- Departamentos de compras de grandes empresas
- Plataforma de comercio electrónico
- gestión de la cadena
Vea el vídeo de demostración para más detalles: https://t.co/g9DoOldIjf
