Codex CLI vs Claude Code 2026: arquitectura, precios y acceso desde China

Tanto Codex CLI como Claude Code se distribuyen como herramientas agénticas nativas de terminal y, a mediados de 2026, ambas aplican la seguridad en dos capas: aislamiento del sistema operativo por debajo y una capa de gobernanza programable por encima. Lo que las separa ahora es el énfasis y la profundidad. Codex lidera con el sandbox del kernel y mantiene pequeño su sistema de hooks; Claude Code lidera con la superficie de hooks más rica de la categoría y ha añadido por debajo ejecución en sandbox a nivel del sistema operativo. Esa diferencia de énfasis sigue repercutiendo en cómo cada herramienta gestiona la configuración, los permisos, los flujos de trabajo multiagente y la gobernanza de equipos. La comparación que sigue traza esas diferencias con criterios de decisión concretos y amplía el territorio de la ingeniería con IA que llevo construyendo en este sitio.

Uso Claude Code como herramienta principal. Declaro ese sesgo desde el principio. Las observaciones que siguen provienen del uso diario de ambas herramientas en tareas de producción, evaluaciones a ciegas y flujos de trabajo con las dos a la vez.

TL;DR: Codex aplica la seguridad principalmente en la capa del kernel del sistema operativo (Seatbelt, Landlock, seccomp)¹, con un pequeño sistema de cinco eventos de hooks (estable desde la CLI v0.124.0) montado encima. Claude Code lidera con la gobernanza en la capa de aplicación, 31 eventos de hooks programables a agosto de 2026², y lo respalda con Bash en sandbox a nivel del sistema operativo (Seatbelt/bubblewrap); además, desde la v2.1.219, con un strictAllowlist que rechaza de plano los hosts que no están en la lista. Ambas herramientas trabajan con contextos grandes: Claude Code usa Opus 5 por defecto en las cuentas Max, Team Premium, Enterprise y de API, y Sonnet 5 en Pro y Team Standard (ambos nativamente de 1M; Sonnet $2/$10, Opus $5/$25 por MTok)²⁰; Codex CLI usa por defecto la familia GPT-5.6 (272K en Codex por defecto, 872K con model_context_window; GPT-5.6 Sol a un precio promocional de $4/$20 por MTok al menos hasta el 21 de noviembre de 2026)¹⁹²¹. Usa Codex para delegar tareas en la nube con sandbox y para el aislamiento a nivel de kernel. Usa Claude Code para la gobernanza programable, la refactorización de largo alcance y la revisión de código centrada en seguridad. Los mejores resultados llegan usando ambas.

Conclusiones clave

• Desarrolladores independientes: Empieza con la herramienta que encaje con el ecosistema de tu lenguaje principal. Ambas conviven en el mismo repositorio sin conflictos (CLAUDE.md y AGENTS.md son independientes).
• Líderes de equipo: Los perfiles de Codex ofrecen un cambio de configuración explícito y auditable. La jerarquía por capas de Claude Code aplica reglas sensibles al contexto de forma automática. Elige según si tu equipo prefiere el control explícito o la adaptación automática.
• Ingenieros de seguridad: El sandbox del kernel de Codex impide que el agente se salte las restricciones a nivel del sistema operativo. Los hooks de Claude Code comparten frontera de proceso con el agente, pero permiten lógica de validación arbitraria; eso sí, ahora tienen debajo un Bash en sandbox a nivel del sistema operativo. Ajusta la herramienta a tu modelo de amenazas.

¿Qué herramienta deberías elegir? (rutas de decisión por perfil)

La respuesta de esta comparación depende de quién seas. Cuatro rutas, una para cada uno de los lectores más habituales de esta página.

Desarrollador independiente en proyectos personales o de equipos pequeños

Opción por defecto: Claude Code. El contexto nativo de 1M de tokens de Sonnet 5 con el precio de $2/$10, el sistema de gobernanza de 31 eventos de hooks y el marketplace de plugins cubren los casos que un desarrollador independiente encuentra a diario (refactorizaciones de bases de código grandes, continuidad entre sesiones, automatización del formateo al guardar). Pro a $20/mes o Max a $100-200/mes resulta predecible y generoso.

Recurre a Codex CLI cuando: necesites aislamiento a nivel de kernel para una revisión puntual de código no confiable, o cuando ChatGPT Pro/Plus ya cubra tu gasto principal en IA y añadir Claude te parezca redundante. Ambas herramientas conviven sin roces; CLAUDE.md y AGENTS.md viven una al lado de la otra.

Líder técnico en una organización de ingeniería de 10 a 50 personas

Opción por defecto: Claude Code. Los hooks programables (barreras de linting, escaneos de seguridad, bloqueo de comandos prohibidos) codifican los estándares del equipo de forma determinista en lugar de confiar en que el modelo siga las instrucciones del prompt. La configuración gestionada permite al responsable fijar una política para toda la organización que los desarrolladores no pueden anular. La CLI claude agents y las primitivas de Agent Teams encajan con los patrones que los equipos usan de verdad para los flujos de revisión.

Recurre a Codex CLI cuando: las revisiones sensibles a la seguridad necesiten un aislamiento duro a nivel de kernel (por ejemplo, revisar código de un contratista externo o PR de código abierto de autores desconocidos), o cuando el equipo ya esté comprometido con el instrumental de OpenAI mediante Azure OpenAI / Microsoft Foundry. Úsalo como herramienta de revisión puntual, no como el caballo de batalla diario.

Revisor centrado en seguridad o investigador de red team

Opción por defecto: Codex CLI (para entradas adversarias) + Claude Code (para la ejecución gobernada). El sandbox del kernel de Codex sobre Seatbelt en macOS y Landlock+seccomp en Linux deniega las llamadas al sistema por debajo de la capa de aplicación, así que un agente hostil literalmente no puede tocar zonas del sistema de archivos que no hayas autorizado. Los hooks de Claude Code se ejecutan en la capa de aplicación, aunque el Bash en sandbox les ha puesto debajo un suelo a nivel de sistema operativo (Seatbelt/bubblewrap) desde principios de 2026, y el strictAllowlist de la v2.1.219 endureció su política de red. Usa la herramienta que corresponda a la amenaza.

Recurre a Claude Code cuando: quieras acciones programables posteriores a la revisión (hooks de triaje, registro de auditoría, generación automática de informes). El flujo típico: Codex inspecciona bajo la restricción del sandbox y Claude Code se encarga del triaje y de la capa de aplicación de políticas.

Desarrollador chino o radicado en China continental

Ambas herramientas funcionan, pero la conectividad y el costo pesan más que las funciones a la hora de elegir. Salta a Acceder a Codex y Claude Code desde China antes de decidirte.

La división arquitectónica de fondo

La diferencia más profunda entre Codex y Claude Code está en dónde ocurre la gobernanza. Codex aplica la seguridad en la capa del kernel mediante Seatbelt en macOS, y Landlock y seccomp en Linux¹. El sistema operativo restringe el acceso al sistema de archivos, las llamadas de red y la creación de procesos antes de que esas operaciones lleguen a la aplicación. El modelo no puede saltarse estas restricciones porque el sistema operativo deniega la llamada al sistema antes de que se ejecute.

Claude Code aplica la seguridad en la capa de aplicación mediante hooks, programas que interceptan acciones en 31 puntos del ciclo de vida a agosto de 2026². Un hook PreToolUse sobre Bash puede inspeccionar cada comando, validarlo contra la lógica que quieras y bloquearlo con el código de salida 2. El sistema de hooks ofrece gobernanza programable: codifica reglas de negocio, ejecuta linters, busca credenciales. La contrapartida solía ser que la aplicación de políticas en la capa de aplicación comparte frontera de proceso con el agente, pero esa línea se ha difuminado desde ambos lados. Claude Code ejecuta Bash en sandbox sobre primitivas del sistema operativo (Seatbelt en macOS, bubblewrap en Linux) desde su lanzamiento de sandboxing de enero de 2026, y la v2.1.219 añadió una opción sandbox.network.strictAllowlist que rechaza de plano los hosts que no están en la lista. Y Codex ganó un sistema de hooks estable en la v0.124.0: cinco eventos (SessionStart, UserPromptSubmit, AfterToolUse, AfterAgent, Stop) configurados como bloques [[hooks]] en config.toml, sin ningún evento previo a la herramienta, así que nada se dispara antes de una llamada a una herramienta como sí hace PreToolUse en Claude.

Toda arquitectura de seguridad cambia expresividad por solidez de la frontera. Estas dos herramientas nacieron en extremos opuestos de ese espectro y cada una se ha movido hacia el centro, pero el énfasis sigue siendo deliberado. El sandbox del kernel tiene sentido cuando el modelo de amenazas incluye a un agente potencialmente adversario (revisar código malicioso, ejecutar scripts no confiables). Los hooks en la capa de aplicación tienen sentido cuando el modelo de amenazas es un agente demasiado confiado pero bienintencionado (tu propio código, tu propio equipo, tus propias convenciones). La mayoría de los desarrolladores necesita los dos modelos de amenazas en distintos momentos.

Filosofía de configuración

Codex usa TOML para la configuración. Claude Code usa JSON. La diferencia de formato es cosmética. La de filosofía no.

Codex organiza la configuración en torno a perfiles, presets con nombre entre los que cambias explícitamente con --profile. Un perfil careful fija approval_policy = "untrusted" y aplica un sandbox agresivo⁹. Un perfil deep-review cambia a un modelo más capaz. Siempre sabes qué configuración está activa porque la elegiste por su nombre. La capa de instrucciones usa AGENTS.md, un estándar abierto bajo la Agentic AI Foundation de la Linux Foundation³, legible por Codex, Cursor, Copilot, Amp, Devin Desktop y Gemini CLI.

Claude Code organiza la configuración en torno a una jerarquía por capas: cinco capas que caen en cascada desde la configuración gestionada (máxima prioridad) hasta la línea de comandos, el proyecto local, el proyecto compartido y los valores por defecto del usuario. Los archivos CLAUDE.md tienen alcance de usuario, de proyecto y local. Los directorios de skills, hooks y reglas añaden más capas. La configuración adecuada al contexto se aplica de forma automática, pero la configuración activa no se ve en ningún archivo único. La reconstruyes leyendo la jerarquía.

Los perfiles favorecen la explicitud y la auditabilidad. Puedes responder a «¿qué configuración estaba activa?» revisando qué bandera --profile se pasó. La jerarquía por capas favorece la automatización y la sensibilidad al contexto. El contexto correcto se aplica solo, pero responder a «¿qué configuración está activa?» exige leer hasta cinco capas y entender su orden de fusión. La contrapartida es real: alguna vez me ha sorprendido que un CLAUDE.md de nivel de usuario anulara una instrucción de nivel de proyecto, algo que no pasaría con perfiles explícitos.

Modelos de seguridad comparados

El patrón: Codex ofrece fronteras más fuertes con un control más grueso. Claude Code ofrece fronteras más débiles con un control más fino¹¹. La elección correcta depende de tu modelo de amenazas. ¿Revisas código externo no confiable? Sandbox del kernel. ¿Aplicas estándares de código de la organización sobre código confiable? Hooks programables.

Contexto y modelos

Actualización, 3 de septiembre de 2026. Dos correcciones y una adición a los párrafos de más abajo, que se conservan tal como se escribieron el 11 de agosto para que el registro quede a la vista.

Primero, el valor por defecto de Codex. La página de modelos de Codex de OpenAI ya nombraba gpt-5.6-sol como el ajuste Power por defecto el 10 de agosto, así que «el valor por defecto recomendado es GPT-5.5» ya estaba desactualizado cuando este artículo se actualizó el 11 de agosto. GPT-5.5 es el buque insignia al que GPT-5.6 Sol sustituyó. A 3 de septiembre, esa misma página ya no nombra el modelo por defecto: «Empieza con el ajuste Power por defecto disponible para tu cuenta» y, para las cuentas Pro, Business y Enterprise elegibles, el despliegue de Astra «actualiza las opciones Power a Terra Light, Sol Light, Sol Medium, Astra Light, Astra Medium y Astra Extra High». La asimetría de contexto dentro de la herramienta que se describe más abajo también se ha movido. La ventana por defecto de la familia GPT-5.6 dentro de Codex es de 272.000 tokens (la nota de la versión v0.144.6 corrigió la cifra) y, desde la v0.149.0 del 20 de agosto, el ajuste model_context_window puede subir Sol, Terra y Luna hasta 872.000, todavía por debajo del 1M de Claude Code. El catálogo de modelos de Codex 0.153.1 también lista GPT-5.5 con 272.000 en Codex, no con los 400K que se citan más abajo.¹⁹

Segundo, el valor por defecto de Claude Code depende del plan, no es un único modelo. La documentación de configuración de modelos de Anthropic lista «Max, Team Premium, Enterprise y Anthropic API: usan Opus 5 por defecto» y «Pro y Team Standard: usan Sonnet 5 por defecto». Los $2/$10 por MTok de Sonnet 5, descritos más abajo como precio introductorio hasta el 31 de agosto, son ahora el precio estándar; la subida prevista no llegó a producirse.²⁰

Tercero, el modelo que cambia la comparación. OpenAI lanzó GPT-6 Astra el 3 de septiembre a $10 por millón de tokens de entrada, $1 en caché y $50 de salida, con una ventana de contexto de 1.050.000 tokens y 128.000 de salida máxima. La ventana larga lleva recargo: «Los prompts con más de 272K tokens de entrada se cobran a 2x la entrada y las tarifas de caché, y a 1,5x la salida, para toda la solicitud». La disponibilidad, textualmente: «GPT-6 Astra empieza a desplegarse hoy para las empresas de nuestro Trusted Access Program, y el acceso a través de la API y de nuestros planes Plus, Pro, Business y Enterprise llegará en los próximos días». Codex CLI 0.153.1, ese mismo día, «añadió compatibilidad para configurar GPT-6-Astra a través de la API sin cambiar el modelo por defecto ni mostrarlo en el selector de modelos». La contraparte de Anthropic en lo más alto de su gama disponible con carácter general es Claude Fable 5.1 (1 de septiembre): $10/$50 por MTok con lecturas de caché a $0.25 y contexto de 1M. Ambos proveedores listan ya un buque insignia de $10/$50, a tarifa base, por encima de sus modelos por defecto para programar. El 3 de septiembre, según la página del modelo Astra, el acceso fuera del Trusted Access Program todavía estaba por llegar y, según la página de modelos de Codex, las opciones Power de Astra solo alcanzaban a las cuentas elegibles; ninguno de los dos proveedores convierte su buque insignia en el modelo por defecto de su herramienta de programación.¹⁹²⁰

A agosto de 2026, el valor por defecto recomendado de Codex CLI es GPT-5.5 (lanzado el 23 de abril de 2026)⁴: 400K de contexto en Codex, 1M en la API, $5/$30 por MTok y un 82,7 % en Terminal-Bench 2.0, el estado del arte entre los modelos disponibles públicamente en el momento de su lanzamiento. GPT-5.4, el buque insignia anterior, sigue disponible por API con su modo experimental de contexto largo de 1,05M (facturación de 2x la entrada / 1,5x la salida por encima de 272K de entrada)⁴, pero Codex v0.145.0 (21 de julio de 2026) migró las selecciones de GPT-5.4 incluidas a las variantes GPT-5.6 Terra y Luna (272K de contexto cada una). El snapshot gpt-5.2-codex se apagó el 23 de julio de 2026: los scripts fijados a él ahora fallan, y el sustituto que recomienda OpenAI es GPT-5.6 Sol.⁴

Claude Code usa Sonnet 5 por defecto desde la v2.1.197 (30 de junio de 2026): contexto nativo de 1M de tokens, 128K de salida máxima, $3/$15 por MTok con un precio introductorio de $2/$10 hasta el 31 de agosto de 2026⁵. El alias opus resuelve a Opus 5 desde la v2.1.219 (24 de julio de 2026): contexto de 1M, 128K de salida máxima, $5/$25 por MTok, presentado por Anthropic como una mejora de capacidad al mismo precio que Opus 4.8. Los modelos por defecto y los límites de contexto de ambos proveedores cambian entre versiones; consulta la página de cada proveedor para ver los valores actuales.

Ambas herramientas manejan hoy bien los contextos grandes, con una asimetría: el modelo por defecto de Claude Code es nativamente de 1M dentro de la herramienta y sin recargo por contexto largo, mientras que Codex limita GPT-5.5 a 400K en Codex (la ventana completa de 1M es solo por API). Para ingerir un monorepo en una sola ventana, Claude Code lleva hoy la ventaja dentro de la herramienta; la calidad de la recuperación (lo bien que cada herramienta encuentra el código relevante) sigue importando más que el tamaño bruto de la ventana en la mayoría de los proyectos.

Fin del texto del 11 de agosto; la actualización del 3 de septiembre de más arriba lo reemplaza.

Los benchmarks públicos se mueven más rápido que cualquier artículo comparativo. La instantánea de abril de 2026 tenía a Opus 4.7 liderando SWE-bench Verified (87,6 %) y SWE-bench Pro (64,3 %), mientras que GPT-5.4 (75,1 %) y GPT-5.3-Codex (77,3 %) lideraban Terminal-Bench 2.0¹². GPT-5.5 mantuvo Terminal-Bench 2.0 en el 82,7 % en su lanzamiento del 23 de abril, el estado del arte entre los modelos disponibles públicamente en aquel momento⁴. Ambos proveedores han publicado modelos más nuevos desde entonces: OpenAI con GPT-5.6 Sol y GPT-6 Astra, y Anthropic con Opus 4.8 (mayo) y Opus 5 (julio) como mejoras de capacidad al mismo costo, y con Fable 5.1 (1 de septiembre) por encima de ellos a $10/$50.¹⁹²⁰ Este artículo no trae una tabla de benchmarks para esos modelos posteriores. Trata cada número de aquí como una medición puntual y consulta las páginas de los proveedores antes de comprometerte. En mis evaluaciones a ciegas con una versión anterior de Opus, rindió mejor en tareas de revisión y de seguridad incluso con menos contexto, y el mismo patrón se mantiene con 1M.

Ambas herramientas admiten enrutamiento de modelos. Codex selecciona los modelos por perfil⁹. Claude Code usa Opus 5 o Sonnet 5 por defecto según el plan, con el alias opus apuntando a Opus 5, y cada invocación puede anularlo con --model o con configuración a nivel de ajustes.

Precios en profundidad

Los precios se dividen en tres patrones: facturación por token de la API, suscripciones que incluyen el uso de la CLI agéntica y facturación a través de proveedores de nube con AWS / GCP / Azure. La vía más barata depende del volumen diario de tokens, no del precio de lista.

Precios de Claude Code (verificados el 3 de septiembre de 2026)

Por token (API de Anthropic):¹³

Los $2/$10 de Sonnet 5 eran introductorios en el lanzamiento y ahora son el precio estándar; la subida del 1 de septiembre se canceló. Opus 4.8, 4.7 y 4.6 siguen disponibles como modelos heredados a la misma tarifa de $5/$25. Sin recargo por contexto largo: las ventanas de 1M de tokens de Opus 5 y de Sonnet 5 se cobran a la tarifa estándar. La Batch API ofrece un 50 % de descuento sobre entrada y salida.¹³

Suscripciones que incluyen Claude Code:⁸

Los precios de los proveedores de nube siguen las tarifas de lista de AWS Bedrock / Google Vertex AI / Microsoft Foundry, que se acercan mucho a la API directa de Anthropic pero con diferencias de disponibilidad regional y de residencia de datos.

Precios de Codex CLI (verificados el 4 de septiembre de 2026)

Por token (API de OpenAI):¹⁴

Los precios cambian a medida que OpenAI rota las variantes de modelo. Las filas de GPT-5.6 Sol, GPT-6 Astra y GPT-5.5 se verificaron el 4 de septiembre de 2026; las filas más antiguas son al 8 de agosto de 2026. GPT-5.6 Sol por encima de 272K de entrada se factura a $8/$30 para toda la solicitud.

El snapshot gpt-5.2-codex se apagó el 23 de julio de 2026, según la tabla de deprecaciones de OpenAI; el sustituto recomendado por OpenAI es GPT-5.6 Sol.⁴ Los prompts de contexto largo en GPT-5.4 (por encima de 272K tokens de entrada) se facturan a 2x la entrada y 1,5x la salida durante esa sesión, en los niveles estándar, batch y flex.⁴

Suscripciones que incluyen Codex:

ChatGPT Plus ($20/mes), Pro (desde $100/mes para el nivel 5x, $200/mes para el 20x) y Business (puestos de pago por uso solo para Codex, o puestos estándar de ChatGPT Business con límites de uso de Codex) incluyen todos uso de la familia Codex con topes propios de cada plan. GPT-5.5, GPT-5.4 y GPT-5.3-Codex están disponibles a través de la API de OpenAI con precios por token publicados y límites de tasa para los niveles de API admitidos (el nivel gratuito no está admitido).¹⁴ Los equipos que solo usan la API se saltan la suscripción por completo; usa las suscripciones de ChatGPT cuando el uso de Codex incluido, sumado a la superficie de chat más amplia, sea la mejor opción para el equipo.

Cuánto cuesta de verdad el contexto de 1M de Opus 5

La pregunta práctica: «Si le doy a Opus 5 una base de código de 1M de tokens, ¿cuál es la factura?».

Una pasada de contexto completo con una respuesta de 10K tokens: - Entrada: 1.000.000 de tokens × $5.00/MTok = $5.00 - Salida: 10.000 tokens × $25.00/MTok = $0.25 - Total (sin caché): $5.25 por pasada

Con caché de prompts de 5 minutos sobre la base de código de 1M de tokens (suponiendo una sola escritura de caché y lecturas repetidas para las preguntas de seguimiento): - Primera escritura: 1.000.000 × $6.25/MTok = $6.25 (una sola vez) - Cada lectura posterior dentro de los 5 min: 1.000.000 × $0.50/MTok + 10.000 de salida × $25/MTok = $0.75 - Cinco lecturas en una sesión: $6.25 + (5 × $0.75) = $10.00 por cinco pasadas de contexto completo

Ejemplo en CNY con un tipo de referencia de 1 USD ≈ 6.82 CNY (la paridad central del PBOC se agrupó en el rango de 6.82-6.90 alrededor de abril de 2026): ~¥68.20 por cinco sesiones de contexto completo con Opus 5 sobre una base de código de 1M de tokens. El tipo de cambio se mueve; verifica el actual antes de citarlo en una compra. Para presupuestar, lo que importa es el cálculo, no la cifra exacta en CNY.

La cuenta equivalente en el modo de contexto largo de GPT-5.4 (el buque insignia anterior; la ventana de 1,05M de GPT-5.5 es solo por API y factura 2x la entrada y 1,5x la salida por encima de 272K, lo que deja esa misma pasada completa de 1M sin caché en $10.45): - Entrada: 1.000.000 de tokens × ($2.50 de base × 2 de multiplicador por contexto largo) = $5.00 - Salida: 10.000 tokens × ($15.00 de base × 1,5 de multiplicador por contexto largo) = $0.225 - Total (sin caché): $5.23 por pasada, a menos de un 1 % del precio sin caché de Opus 5 con el contexto completo de 1M

Con GPT-5.3-Codex (techo de 272K de entrada) harían falta al menos cuatro pasadas para ingerir esa misma base de código de 1M, lo que cambia el perfil de costo a nivel de sesión. La mayoría de los equipos de desarrollo chinos no necesita 1M de contexto completo a diario, así que la comparación realista pasa por los tamaños de sesión habituales (50K-200K tokens), donde ambas herramientas cuestan menos de $1 por sesión.

Cuándo las suscripciones ganan al pago por token

Regla aproximada (no es una cuota de tokens publicada, porque Anthropic no publica ninguna): el uso interactivo ligero cabe con holgura en Pro; los flujos agénticos diarios más pesados sobre Opus 5 empujan hacia el territorio de Max 5x o Max 20x; las cargas sostenidas de contexto completo ($5 o más por sesión) pueden salir más baratas con pago por token y una caché de prompts agresiva que con una suscripción con tope. Corre una semana representativa en Pro, revisa tu panel de uso de Claude y sube de nivel según haga falta en lugar de adivinar con una fórmula. Los equipos hacen la misma cuenta por usuario, más la sobrecarga de administración, políticas y SSO que absorbe el nivel Enterprise.

Acceder a Codex y Claude Code desde China

El acceso de primera parte a las API de OpenAI y Anthropic no está oficialmente admitido desde China continental, según las listas de países admitidos que publica cada proveedor.¹⁸ A veces los desarrolladores enrutan a través de redes y cuentas fuera del continente para sortearlo, pero hacerlo conlleva un riesgo de suspensión de cuenta y de cumplimiento normativo que tienes que sopesar frente al argumento de productividad que estés defendiendo. Los binarios de la CLI se instalan y se ejecutan en local una vez descargados; el comportamiento cotidiano del bucle del agente es el mismo en todas partes. Las vías legítimas están en el enrutamiento a través de proveedores de nube.

Disponibilidad regional de AWS Bedrock

Los modelos Claude de Anthropic se sirven a través de Amazon Bedrock en regiones concretas de AWS. A abril de 2026, los endpoints públicos de ejecución de Bedrock cubren regiones de APAC como Tokio, Seúl, Singapur, Bombay y Sídney, pero actualmente no opera ningún endpoint de ejecución de Bedrock en China continental ni en Hong Kong.¹⁵ Los clientes chinos que enrutan por AWS suelen usar Singapur o Tokio, con el costo de latencia asociado.

Disponibilidad regional de Google Vertex AI

Google Cloud ofrece endpoints de IA generativa de Vertex AI en regiones de Asia-Pacífico.¹⁶ La disponibilidad concreta de cada modelo Claude varía según la región, y asia-east2 (Hong Kong) ha ofrecido históricamente menor latencia a los usuarios del sur de China. Verifica la disponibilidad del modelo Claude en la región de Vertex que elijas antes de comprometerte; la cobertura se amplía con el tiempo, pero no es uniforme en toda APAC.

Microsoft Foundry

Claude está disponible a través de Microsoft Foundry en el despliegue estándar global de Azure, y normalmente requiere suscripciones Enterprise / MCA-E elegibles. Claude no está documentado públicamente como disponible en Azure China (operado por 21Vianet), que es una nube soberana aparte con un catálogo de servicios distinto. Los clientes chinos que usan Foundry enrutan por la huella global de Azure y no por Azure China.¹⁷

OpenAI Codex desde China

La lista de países admitidos de OpenAI no incluye China continental; OpenAI advierte de que el acceso desde regiones no admitidas puede provocar el bloqueo o la suspensión de la cuenta.¹⁸ Azure OpenAI está disponible en regiones globales concretas (no en Azure China), y las empresas chinas que buscan un acceso conforme suelen enrutar por Azure OpenAI en una región permitida y con las condiciones contractuales adecuadas, en lugar de intentar usar la API directa de OpenAI.

Alternativas de modelos de proveedores chinos

DeepSeek, Qwen (Alibaba) y Kimi (Moonshot) son alternativas a nivel de modelo que los equipos chinos evalúan por costo y latencia. Son modelos, no CLI agénticas. Emparejarlos con Claude Code exige un adaptador o gateway compatible con la API de Anthropic (Claude Code espera la forma de petición/respuesta de Anthropic; ANTHROPIC_BASE_URL apunta a endpoints compatibles con Anthropic, no con OpenAI). Codex admite enrutamiento de modelos a nivel de perfil, pero espera igualmente respuestas compatibles con OpenAI. Ninguna de las dos herramientas ofrece soporte de primera clase para DeepSeek/Qwen/Kimi; la vía es una capa adaptadora que traduzca entre la forma de la API del proveedor y lo que espera la CLI. Estos modelos responden bien a las preguntas de compra, latencia y residencia de datos. Las preguntas sobre la corrección del bucle del agente y la madurez de las llamadas a herramientas siguen resolviéndose mejor con los modelos frontera Claude y GPT para los que están afinadas estas CLI.

Capacidades multiagente

Codex ofrece delegación de tareas en la nube mediante codex cloud exec⁶, una superficie que OpenAI sigue marcando como experimental. Describes una tarea, Codex levanta un entorno en la nube, ejecuta el agente contra tu base de código y devuelve un diff. No supervisas el razonamiento del agente en tiempo real; defines la tarea de antemano y recoges los resultados después. La delegación en la nube encaja de forma natural con los pipelines de CI/CD y el procesamiento por lotes. Para el paralelismo local, la experiencia multiagente v2 se estabilizó como opción activable en la v0.145.0 (21 de julio de 2026), con modelos de subagente, niveles de razonamiento y concurrencia configurables⁷.

Claude Code ofrece la creación explícita de subagentes mediante la herramienta Task¹⁰, y esa superficie ha crecido bastante a lo largo de 2026: los subagentes se ejecutan en segundo plano por defecto desde la v2.1.198, crean subagentes anidados hasta una profundidad de 3 y corren hasta 20 en paralelo por defecto a partir de la v2.1.219, con flujos de trabajo dinámicos (/workflows, v2.1.154+) orquestando flotas mayores. El agente padre crea subagentes con tareas específicas y contexto aislado, coordina los resultados y sintetiza las salidas. La creación de subagentes permite una orquestación interactiva: ves el razonamiento y puedes intervenir. Combinada con patrones de deliberación en los que varios agentes critican las salidas de los demás, la orquestación interactiva detecta problemas que se les escapan a los modelos de lanzar y olvidar.

Las tareas en la nube encajan con flujos en los que defines la tarea de antemano y quieres los resultados más tarde. La coordinación de subagentes encaja con flujos en los que la tarea evoluciona a través del razonamiento y exige síntesis en tiempo real.

El espectro de confianza

Antes de mirar la matriz de decisión, piensa dónde cae tu tarea en el espectro de confianza. Toda tarea de programación agéntica implica una decisión de confianza implícita: ¿cuánto confías en el criterio del agente para esta tarea concreta?

Confianza baja (usa Codex): Estás revisando código que no escribiste, ejecutando scripts de fuentes externas o delegando trabajo a un entorno en la nube que no puedes supervisar en tiempo real. El agente podría encontrarse con entradas adversarias. Quieres que el sistema operativo imponga las fronteras sin importar lo que decida el modelo.

Confianza media (usa cualquiera): Estás trabajando en tu propia base de código, con patrones conocidos. El agente puede equivocarse, pero son errores de exceso de confianza, no de mala fe. Quieres revisar los cambios antes de que entren, pero no necesitas aislamiento a nivel de kernel.

Confianza alta (usa Claude Code): Has construido barreras con hooks, instrucciones en CLAUDE.md y permisos en lista de permitidos. El agente opera dentro de un entorno gobernado que tú diseñaste. Confías lo suficiente en la capa de gobernanza como para aprobar acciones de forma selectiva en lugar de restringirlas en bloque.

La mayoría de los desarrolladores opera en confianza media la mayor parte del tiempo, y por eso funciona el flujo con las dos herramientas: Codex se encarga de las tareas de baja confianza, donde su sandbox brilla, y Claude Code se encarga de las de confianza media a alta, donde los hooks programables aportan más valor que las restricciones del kernel.

Marco de decisión

Una matriz de decisión concreta según necesidades específicas:

Ninguna herramienta domina esta matriz. El patrón de fondo es más simple de lo que sugieren diez filas: Codex destaca cuando necesitas fronteras duras y Claude Code destaca cuando necesitas lógica programable. Si estás ejecutando código no confiable, revisando aportes externos o delegando en un entorno en la nube que no puedes supervisar, las fronteras duras importan más. Si estás aplicando convenciones de equipo, orquestando flujos de varios pasos o construyendo barreras que codifican reglas de negocio, importa más la lógica programable. Si más de tres de tus necesidades apuntan a una herramienta, empieza por ahí. Si el reparto está igualado, plantéate el flujo con las dos.

Mi recomendación

Usa las dos. Pasé tareas idénticas de revisión de código por ambas herramientas en 12 categorías de tareas (documentadas en mi serie de evaluaciones a ciegas) y comprobé que ninguna por separado lo detectaba todo. Un ejemplo concreto: durante una revisión de autenticación en FastAPI, Opus señaló un canal lateral de temporización en la función de comparación de contraseñas. La comparación usaba el operador == de Python en lugar de hmac.compare_digest(), creando un oráculo de temporización¹¹. Codex pasó por alto ese problema por completo. En la misma base de código, el sandbox de Codex detectó un vector de SSRF en un endpoint que descargaba URL, donde las URL suministradas por el usuario podían alcanzar servicios internos. Opus había aprobado el endpoint porque la validación de entrada parecía correcta en la capa de aplicación, pero el sandbox del kernel marcó la petición de red saliente hacia un rango de IP interno. Modelos distintos entrenados con datos distintos detectan clases de vulnerabilidad distintas. Usar los dos cuesta más o menos el doble por revisión, pero detecta bastantes más problemas en código sensible a la seguridad.

Mi flujo de trabajo diario se reparte por tipo de tarea:

• Claude Code se encarga de implementar funciones, revisar código y refactorizar varios archivos. Los hooks aplican el formateo, bloquean comandos peligrosos y ejecutan las pruebas después de cada edición. El modelo interactivo de subagentes funciona bien para tareas que evolucionan a través del razonamiento.
• Codex se encarga de la revisión de código no confiable con --sandbox read-only (reviso PR y dependencias externas dentro del sandbox del kernel), de las tareas por lotes delegadas a la nube con codex cloud exec y de las segundas opiniones de arquitectura, donde la perspectiva de otro modelo detecta puntos ciegos.

CLAUDE.md y AGENTS.md conviven en el mismo repositorio sin conflictos. La sobrecarga de mantenimiento es mínima porque ambos archivos comparten la mayor parte del contenido. Mantengo una sección común de convenciones y la copio en los dos.

Cuándo no usar ninguna de las dos. Ni Codex ni Claude Code son la opción correcta cuando necesitas determinismo garantizado. Ambas son probabilísticas: el mismo prompt puede producir salidas distintas en ejecuciones distintas. Si tu flujo exige reproducibilidad exacta (por ejemplo, generar archivos de configuración que deben coincidir byte a byte con un esquema), usa un motor de plantillas o un generador de código. Las herramientas agénticas son más fuertes cuando la tarea exige criterio y más débiles cuando exige precisión sin criterio.

Para la comparación completa, con la metodología y los resultados de la evaluación a ciegas en 12 categorías de tareas, consulta Claude Code vs Codex: cuándo usar cada uno. Para empezar con cada una por separado, consulta la guía de Claude Code o la guía de Codex. Para un recorrido práctico por el sistema de hooks que impulsa la capa de gobernanza de Claude Code, consulta el tutorial de hooks.

Referencias

Preguntas frecuentes

¿Puedo usar Codex y Claude Code en el mismo proyecto?

Sí. CLAUDE.md y AGENTS.md son archivos separados que cada herramienta lee de forma independiente. Ninguna herramienta interpreta el archivo de instrucciones de la otra. Los archivos de configuración no entran en conflicto. Yo mantengo los dos en todos mis proyectos activos. La única consideración es mantener sincronizado el contenido compartido entre los archivos de instrucciones, algo que lleva minutos porque los formatos son parecidos.

¿Cuál es más barata para el uso diario?

Consulta la sección completa de Precios en profundidad más arriba. Versión rápida: Claude Code tiene precios por token de la API de Anthropic (Sonnet 5 a $2/$10, introductorio en el lanzamiento y ahora el precio estándar; Opus 5 a $5/$25), además de una escalera de suscripciones (Pro $20, Max 5x $100, Max 20x $200, Team $30/usuario, Team Premium $150/usuario). Codex CLI tiene precios por token de la API de OpenAI (GPT-5.6 Sol a $4 de entrada / $20 de salida por MTok, una tarifa promocional al menos hasta el 21 de noviembre de 2026; GPT-5.5 a $5 / $30) y para la familia GPT-5.4 / GPT-5.3-Codex, más lo que incluyen ChatGPT Plus/Pro. La eficiencia de tokens varía según el tipo de tarea; para trabajo sensible al presupuesto, pasa una tarea representativa por las dos y compara los cargos reales. Los precios por token difieren entre proveedores, así que los recuentos brutos de tokens no se traducen directamente en costo.

¿Cuál maneja mejor las bases de código grandes?

Ambas manejan bien los repositorios grandes. Los modelos por defecto de Claude Code (Opus 5 o Sonnet 5 según el plan) son nativamente de 1M de tokens al precio estándar. La familia GPT-5.6 por defecto de Codex corre a 272K dentro de Codex y a 872K con model_context_window, y las ventanas de 1,05M (tanto GPT-5.6 Sol como GPT-6 Astra y GPT-5.5, cada una facturada a 2x la entrada y 1,5x la salida en cuanto la entrada supera los 272K) están del lado de la API; consulta la actualización del 3 de septiembre en la sección Contexto y modelos. Ninguna de las dos lee tu base de código entera de una vez; ambas se apoyan en la recuperación para el trabajo cotidiano (búsqueda en la base de código en Claude Code, con los CLAUDE.md por capas cargando contexto por adelantado; descubrimiento de archivos guiado por búsqueda en Codex). El tamaño bruto de la ventana importa sobre todo al razonar sobre relaciones entre muchos archivos en un solo turno, y ahí Claude Code tiene hoy la ventana más grande dentro de la herramienta.

¿Codex CLI se ejecuta en local o en la nube?

Las dos cosas, pero no en el mismo modo. Codex CLI se ejecuta en local por defecto, igual que cualquier herramienta de terminal.¹ La delegación en la nube es un flujo aparte, con codex cloud exec o Codex Cloud, que ejecuta tu tarea en un contenedor sobre infraestructura alojada por OpenAI y devuelve un diff. Codex Cloud es a lo que suele referirse la gente cuando dice «el sandbox de Codex»; el sandbox local de Codex CLI es la vía a nivel de kernel con Seatbelt / Landlock descrita en la sección de modelos de seguridad, más arriba.

¿Puedo acceder a Claude Code y Codex desde China continental?

El acceso de primera parte a las API de OpenAI y Anthropic no está oficialmente admitido desde China continental. Los binarios de la CLI se instalan y se ejecutan en local, pero enrutar tráfico hacia las API de primera parte desde China continental puede acarrear la suspensión de la cuenta o problemas de cumplimiento normativo. Las vías legítimas pasan por Azure OpenAI (regiones concretas fuera de China), AWS Bedrock (las regiones públicas de APAC más cercanas, incluidas Tokio, Seúl, Singapur, Bombay y Sídney; sin endpoint de ejecución en China continental ni en Hong Kong), Google Vertex AI (asia-east2 en Hong Kong y otras regiones de APAC, con salvedades de disponibilidad por modelo) y Microsoft Foundry sobre Azure global (no Azure China) para Claude. Consulta Acceder a Codex y Claude Code desde China más arriba para los detalles.

¿Cómo afectan al uso de tokens los comentarios o el código en chino?

Los caracteres chinos se tokenizan de forma distinta al inglés. El tokenizador de Claude trata la mayoría de los caracteres chinos como un token cada uno, lo que hace que el código fuente en chino sea a menudo más eficiente en tokens por línea que su equivalente en inglés, pero menos eficiente por carácter (un token cubre un carácter en lugar de una palabra inglesa de 4 a 6 caracteres). Codex (la familia GPT) usa un enfoque parecido. El efecto práctico: espera recuentos de tokens más o menos comparables para contenido equivalente de comentarios o docstrings en cualquiera de los dos idiomas, con un comportamiento por token dominado por la estructura del código más que por la proporción de lenguaje natural.

¿Puedo usar Claude Code o Codex CLI con DeepSeek, Qwen o Kimi como modelo de respaldo?

Solo mediante un adaptador o gateway. Claude Code espera la forma de petición/respuesta de la API de Anthropic (ANTHROPIC_BASE_URL apunta a endpoints compatibles con Anthropic); Codex espera la forma de OpenAI. DeepSeek, Qwen y Kimi publican sus propias API, que necesitan traducción antes de que una sesión de Claude Code o de Codex CLI pueda manejarlas. Existen proyectos de adaptadores de la comunidad, pero no son de primera clase, y los dialectos de llamadas a herramientas y de caché de prompts de cada proveedor difieren lo bastante como para que los bucles agénticos de varios turnos se rompan a menudo. DeepSeek, Qwen y Kimi son opciones creíbles para la generación de código de un solo tiro a través de un arnés de shell aparte, y para la revisión de un solo archivo a sus precios nativos. La corrección completa del bucle agéntico y la fiabilidad de las llamadas a herramientas siguen viniendo de los modelos frontera Claude y GPT para los que se afinaron estas CLI.

¿Qué diferencia hay entre Codex CLI y las funciones Codex de ChatGPT?

Codex CLI es la herramienta de terminal que vive en github.com/openai/codex. «Codex» dentro de ChatGPT se refiere a la misma familia de modelos expuesta a través de las apps web, de escritorio y móviles de ChatGPT, con otras posibilidades de interfaz (delegación de tareas en la nube, resultados asíncronos, integración con el historial de ChatGPT). La CLI y ChatGPT comparten los modelos subyacentes; lo que difiere es el flujo de trabajo y la gestión del contexto. Si tu pregunta es «¿qué herramienta instalo en mi portátil?», te refieres a Codex CLI.

¿Necesito una suscripción a ChatGPT para usar Codex CLI?

No, aunque ayuda con el costo. Codex CLI funciona con una clave de la API de OpenAI independiente, facturada por token. ChatGPT Plus o Pro incluyen algo de uso de Codex (consulta la página de suscripciones de ChatGPT para ver los topes actuales).¹⁴ Para los desarrolladores chinos, la facturación directa por API con una cuenta de OpenAI suele ser una vía más limpia que enrutar una suscripción de ChatGPT por los rieles de pago de China continental.

¿Cuántos hooks hay realmente en Claude Code?

31 eventos del ciclo de vida, según la referencia oficial de hooks a agosto de 2026.² La cuenta crece de forma constante, y por eso se acumulan citas obsoletas: los artículos anteriores citan 17 o 26, según cuándo se congelaron. Las incorporaciones a lo largo de 2026 incluyen PostToolUseFailure, SubagentStart, TeammateIdle, TaskCompleted, PermissionRequest, PermissionDenied, PreCompact / PostCompact, Elicitation / ElicitationResult, StopFailure, TaskCreated, CwdChanged, FileChanged, InstructionsLoaded, ConfigChange, WorktreeCreate / WorktreeRemove, Setup y, más recientemente, DirectoryAdded (v2.1.219, julio de 2026).

¿Cuándo salió Opus 4.7 y cómo cambia esta comparación?

El 16 de abril de 2026. Fue la primera versión GA de Opus posterior a Glasswing de Anthropic, salió con salvaguardas cibernéticas explícitas y llevó Claude Code a 1M de tokens al precio estándar, con el liderazgo en SWE-bench Verified con un 87,6 %. La alineación se ha movido dos veces desde entonces: Opus 4.8 (mayo de 2026) y después Opus 5 (24 de julio de 2026) al mismo $5/$25, con Sonnet 5 (30 de junio, 1M nativo, $2/$10) convertido en el modelo por defecto de Claude Code para Pro y Team Standard. Del lado de OpenAI, GPT-5.5 (23 de abril) se llevó el estado del arte en Terminal-Bench 2.0 con un 82,7 %. El liderazgo en benchmarks es fluido; trata cualquier resultado aislado como una medición puntual. Consulta la sección Contexto y modelos, más arriba, para el panorama actual.