OpenAI Codex vs Claude Code: probé ambos. Esta es la verdad

OpenAI Codex vs Claude Code: probé ambos. Esta es la verdad

Tenía un hueco en mi agenda el martes por la mañana y una pregunta que ya no podía seguir ignorando. Cada vez que alguien me preguntaba por qué herramienta de codificación agéntica pagar realmente en 2026, había dado una respuesta vaga de "depende de tu workflow" que sabía que era perezosa. Así que despejé la mañana, abrí dos terminales, inicié sesión tanto en mi cuenta Anthropic Max como en mi plan OpenAI ChatGPT Pro, y ejecuté las mismas tres tareas a través de ambos stacks una tras otra.

Tres tareas. Un informe de investigación formateado como PDF. Una landing page de marketing para un producto SaaS ficticio. Un dashboard de analíticas para el mismo producto. Nada exótico — estos son los trabajos que acepto para clientes en cualquier semana. El tipo de trabajo donde un freelancer con un stack agéntico funcional entrega antes del almuerzo y un freelancer sin uno entrega el martes siguiente.

Lo que esperaba: Claude Code ganaría en pulido de UI, Codex ganaría en documentos estructurados, y la comparación terminaría en algún lugar alrededor de "usa ambos según el trabajo." Lo que realmente obtuve fue una imagen mucho más nítida que eso — incluyendo un momento, alrededor del minuto 14 de la construcción del dashboard, donde casi detengo la prueba porque no creía lo que el cronómetro me decía.

Quédate conmigo hasta la sección del dashboard. Ahí es donde el marco de toda esta comparación encajó.

Qué es realmente cada herramienta en mayo de 2026

Antes de llegar a las ejecuciones, necesitas entender qué hay realmente dentro de cada caja, porque ambos productos recibieron mejoras sustanciales en el último trimestre y muchas de las opiniones de "lo probé hace seis meses" que circulan ahora están obsoletas.

Claude Code (Anthropic) es la herramienta de codificación agéntica en la que he vivido durante el último año. A fecha de este mes, funciona en cuatro superficies: una CLI de terminal, una extensión de VS Code, una app de escritorio para Mac y Windows, y una versión web en research preview. Bajo el capó alterna entre tres modelos — Opus 4.7 para planificación pesada y generación de código, Sonnet para iteración rápida, Haiku para trabajo de subagente barato. La capa de personalización es donde gana su valor: 30 eventos hook que puedes conectar al ciclo de vida, subagentes auto-delegantes que se bifurcan sin que tengas que supervisarlos, comandos slash como /ultraplan, /ultrareview y /loop para workflows estructurados, más el Claude Agent SDK en Python y TypeScript si quieres embeber esto en tus propios productos. En el lado enterprise, es desplegable a través de Amazon Bedrock, Google Vertex AI y Microsoft Foundry — lo que significa que un equipo de seguridad del Fortune 500 puede colocarlo dentro de su contrato cloud existente sin guerra de aprovisionamiento.

OpenAI Codex es la versión reconstruida. La versión que usé hace dieciocho meses no es la versión que estoy revisando hoy. Ahora también se distribuye en cuatro superficies — terminal, escritorio, VS Code y una versión cloud en chat.openai.com/codex que ejecuta sesiones sandbox a las que puedes delegar trabajo y marcharte. Ejecuta la familia GPT más las variantes dedicadas GPT-Codex y GPT-Codex-Spark (Spark está en research preview). Las adiciones clave en esta generación son soporte nativo de Git worktree para que múltiples agentes puedan trabajar en branches paralelos sin pisarse, un navegador in-app con comentarios inline para revisión de diseño, capacidades robustas de computer-use para trabajo de QA, y una integración con GitHub donde etiquetas @Codex en un PR y un sandbox cloud se levanta automáticamente para revisarlo. Hay un comando experimental /goal para trabajos multi-herramienta de larga duración, y GPT Image 2 está integrado directamente en el escritorio para que puedas generar imágenes hero sin salir de la herramienta. Los precios están incluidos en cada plan de ChatGPT incluyendo el nivel gratuito.

Esa última frase es importante porque cambia las matemáticas para mucha gente. Ninguna de las herramientas requiere una clave API separada. Claude Code está incluido con los planes Anthropic Pro ($20/mes), Max 5X ($100/mes) y Max 20X ($200/mes). Codex está incluido con ChatGPT gratuito, Plus ($20/mes) y Pro ($200/mes) — donde Pro es efectivamente uso ilimitado, y una promoción actual en la tier de $100 duplica el uso de Codex hasta el 31 de mayo. Si ya pagas por cualquiera de los planes de consumidor, ya tienes acceso. Esa es una ecuación diferente a hace un año cuando ambos eran herramientas especializadas medidas por API.

Aquí está la comparativa de funcionalidades antes de entrar en las pruebas reales.

Leyendo esa tabla, esperarías que se sintieran como productos muy diferentes. Lo hacen. Pero no de las maneras que predecirías solo por los puntos de las viñetas, por eso tuve que ejecutar el trabajo realmente.

La configuración de la prueba, y por qué estas tres tareas

Elegí las tres tareas deliberadamente. Cada una estresa un músculo diferente.

El informe de investigación prueba la generación de documentos estructurados — escritura de formato largo con citas, salida formateada y un render final en PDF. Esta es la tarea que la mayoría de los freelancers subestiman. Parece "solo escribe un documento," pero realmente requiere que el modelo planifique una estructura, mantenga docenas de fuentes en memoria de trabajo y produzca algo que un cliente que paga aceptaría sin revisión. Pedí a ambas herramientas un informe de 20 páginas sobre el estado de las herramientas de codificación agéntica en mayo de 2026, formateado como PDF con portada, tabla de contenidos, citas y una sección sobre predicciones de consolidación del mercado.

La landing page prueba generación de UI frontend con pulido de marca. Esta es la tarea que hace dieciocho meses separaba modelos buenos de impresionantes, y ahora separa impresionantes de listos para producción. Pedí una landing page para un producto ficticio llamado "Throughline" — una herramienta de resumen de reuniones con IA — con una sección hero, tres bloques de funcionalidades, una fila de social proof, una sección de precios y un footer. Sin sistema de diseño especificado. El modelo tenía que tomar decisiones de gusto.

El dashboard de analíticas de marketing prueba la tarea más difícil de las tres: un frontend interactivo completo con gráficos, filtros, gestión de estado y datos de aspecto realista. Pedí un dashboard de analíticas de Throughline con volumen de reuniones semanal, tasas de engagement de resúmenes, un panel de búsqueda, un leaderboard y un panel de configuración. Múltiples componentes, interactividad real, el tipo de construcción que cotizaría en 4-6 horas de tiempo senior frontend.

Mismo prompt para ambos. Mismo estado inicial. Misma máquina. Registré consumo de tokens, tiempo de reloj, calidad de salida y el número de veces que tuve que intervenir para desatascar al agente.

Tarea uno: el informe de investigación

Inicié ambas ejecuciones al mismo momento disparándolas en terminales paralelos. Claude Code a la izquierda, Codex a la derecha.

Codex tomó la delantera en la fase de planificación inmediatamente. El comando /goal de Codex captó el prompt, lo descompuso en un esquema de investigación con ocho subtemas, lanzó búsquedas web de fuentes actuales y empezó a rellenar secciones dentro de los primeros noventa segundos. La estructura que produjo por adelantado era ajustada — el tipo de esquema que yo escribiría si tuviera treinta minutos para pensar sobre el informe antes de abrir un documento.

Claude Code, en cambio, abrió con una conversación de planificación. Me pidió aclarar el nivel de audiencia (compradores CTO vs. audiencias de desarrolladores), el estilo de citas (académico vs. estilo blog) y si la sección de predicciones debía ser conservadora o especulativa. Preguntas útiles — y exactamente para lo que está diseñado /ultraplan — pero me costaron unos tres minutos de input que no había presupuestado. Una vez definido, Claude fue profundo en cada sección con párrafos más largos, más transiciones, más estructura retórica.

Los entregables finales se veían diferentes de maneras reveladoras. El informe de Codex tenía 19 páginas, era denso en citas con 34 fuentes y se leía como un briefing de McKinsey — párrafos cortos, encabezados claros, viñetas densas, resumen ejecutivo al frente. El informe de Claude tenía 26 páginas, menos fuentes (22) y se leía como un ensayo extenso — párrafos fluidos, arcos narrativos, menos viñetas. Ambos eran genuinamente buenos. Simplemente estaban optimizados para diferentes contextos de lectura.

Tiempo: Codex terminó en 7 minutos y 22 segundos. Claude Code en 11 minutos y 4 segundos.

Tokens: Codex consumió aproximadamente 1,8M tokens. Claude consumió aproximadamente 3,1M, el presupuesto mayor provenía enteramente de secciones de salida más largas. Misma tarea, volumen de salida muy diferente.

Render PDF: Aquí noté la primera divergencia que no había predicho. Codex canalizó la salida directamente a través de su flujo de generación de PDF integrado y me entregó un archivo terminado. Claude Code escribió el markdown, luego generó un comando Pandoc y luego me necesitó para confirmar un prompt del sistema sobre instalar dependencias faltantes. Más rápido para Codex en la última milla, por quizás 90 segundos.

Si tu semana incluye muchos informes orientados al cliente — revisiones trimestrales, análisis de mercado, resúmenes de auditoría — ese pipeline de PDF importa más que la calidad subyacente de escritura. El viaje de ida y vuelta de Codex desde "necesito un informe sobre X" hasta "aquí está el PDF en tu carpeta de descargas" es materialmente más corto hoy.

Tarea dos: la landing page para Throughline

Claude Code obtuvo su primera victoria clara aquí, y no fue sutil.

Di a ambas herramientas el mismo prompt: construye una landing page de marketing para Throughline, una herramienta de resumen de reuniones con IA, con una sección hero, tres bloques de funcionalidades, una fila de testimonios/social proof, una sección de precios y un footer. Usa Tailwind. Haz que se vea como el tipo de página que verías de una empresa SaaS Serie A.

Codex entregó una página funcional en 4 minutos y 11 segundos. La estructura era correcta, todas las secciones presentes, el texto pasable. El lenguaje visual era — siendo justo — competente. Parecía una plantilla SaaS de 2023. Hero centrado con fondo degradado, fila de funcionalidades de tres columnas con iconos, una tabla de precios genérica. Nada mal. Nada memorable.

Claude Code tardó 6 minutos y 38 segundos. Luego siguió otros 90 segundos puliendo. El resultado era una categoría diferente de salida. La sección hero tenía tipografía asimétrica con un wordmark en minúsculas, el degradado era un radial con textura de ruido que realmente conservaría, las secciones de funcionalidades usaban layouts alternados de imagen-izquierda/imagen-derecha con sutiles insinuaciones de parallax, la fila de social proof usaba un marquee de logos que se desplazaba al pasar el cursor, y la sección de precios tenía un tier "más popular" con una sutil elevación de sombra que venía de la paleta de marca real en lugar de un color de acento genérico.

No exagero cuando digo que enviaría la salida de Claude Code a un cliente sin revisión. La salida de Codex la revisaría durante media hora primero.

Esto coincide con todo lo que he escrito sobre los instintos de diseño de Opus 4.7 en la comparativa Opus 4.7 vs GPT 5.4 vs Gemini 3 Pro. Cuando la tarea implica decisiones de gusto sobre jerarquía visual, color, movimiento y ritmo — Claude Code sigue siendo el líder en esta generación.

Pero aquí está la salvedad: Claude Code quemó casi el doble de tokens para llegar ahí. Aproximadamente 1,4M tokens versus 780k de Codex. Si eres sensible a los costes y la diferencia de calidad no se traduce en ingresos de clientes, Codex es la elección racional. Si cobras a clientes dinero real por landing pages y la diferencia visual se muestra en tasas de conversión, la prima de Claude Code está justificada.

Tarea tres: el dashboard, y el momento en que casi detengo la prueba

Puse en cola la construcción del dashboard de analíticas esperando que fuera la tarea más larga de las tres. Me equivoqué sobre qué herramienta me sorprendería.

Claude Code terminó el dashboard en 2 minutos y 4 segundos.

Volví a mirar el cronómetro para asegurarme de que no había leído mal. Dos minutos. Del prompt a un dashboard interactivo funcional con gráfico de volumen de reuniones semanal, panel de engagement de resúmenes, cuadro de búsqueda, leaderboard y panel de configuración. Los datos eran sintéticos pero realistas. Los gráficos renderizaron limpiamente en la primera carga. La lógica de filtros funcionaba. El estado persistía a través del toggle del panel.

El conteo de tokens fue la parte que rompió mi modelo mental. Claude Code consumió aproximadamente 283.000 tokens para todo ese dashboard. Dos minutos, 283k tokens, dashboard funcional.

Codex tardó 8 minutos y 11 segundos y consumió aproximadamente 1,64M tokens para un dashboard discutiblemente equivalente. La salida era buena — totalmente funcional, estructura de componentes limpia, gestión de estado sensata. Pero la brecha tanto en tiempo de ejecución como en tokens en esta tarea específica fue mayor que cualquier cosa que haya visto antes entre estas herramientas.

Quiero ser cuidadoso aquí porque una tarea no es una tendencia. Pero el patrón que vi repetidamente a lo largo de las tres tareas vale la pena nombrar: Claude Code es dramáticamente más rápido en builds frontend pesados, y dramáticamente más lento en documentos estructurados largos. Codex invierte eso. No están convergiendo hacia un único "mejor coder agéntico" — se están especializando en direcciones opuestas.

Aquí es también donde los comandos /ultraplan y /ultrareview ganaron su lugar en la mesa. Antes de la construcción del dashboard, ejecuté /ultraplan sobre el prompt. El plan que volvió descompuso la construcción en una cáscara de layout, una capa de datos con series temporales simuladas, cuatro componentes de gráficos, un store de filtros y un panel de configuración — y anotó explícitamente qué piezas debían ser auto-delegadas a subagentes Sonnet para mantener a Opus enfocado en la orquestación. Esa auto-delegación es la mayor razón por la que el tiempo de ejecución colapsó. Cinco subagentes trabajando en paralelo en alcances de componentes aislados, con Opus cosiendo el resultado. El comando /goal de Codex hace algo similar en espíritu, pero el despacho de subagentes no es tan automático.

Los números agregados de las tres tareas

Después de completar las tres ejecuciones, dejé que el polvo se asentara y saqué los totales.

El consumo total de tokens a lo largo de las tres tareas fue casi idéntico en torno a 6M tokens cada uno. Pero la distribución entre tareas estaba invertida. Claude Code gastó más en documentos, menos en UI. Codex gastó más en UI, menos en documentos. El agregado era igual. La experiencia vivida era completamente diferente dependiendo de qué tarea estuvieras ejecutando.

En tiempo de reloj, Claude Code terminó la suite en unos 15 minutos en total. Codex tardó unos 26 minutos. Eso es una brecha de 11 minutos, que es aproximadamente la diferencia entre "esperaré en mi escritorio" y "voy a por café y vuelvo."

En eficiencia de costes, Codex es el operador más disciplinado. Produce salida más concisa, tiene menos callejones sin salida en tareas simples y mete el balón en la portería con menos tokens por unidad de valor. La salida de Claude Code es 2-5x más larga de media — a veces eso se traduce en calidad material (la landing page), a veces es simplemente verboso (el informe de investigación).

Dónde cada uno ganó mi confianza (y dónde no)

Claude Code ganó mi confianza en trabajo frontend pesado, planificación profunda y cualquier trabajo donde la calidad de salida escala con el gasto de tokens. La landing page no era solo más bonita — era mejor de una manera que se traduciría en ingresos de clientes. El dashboard no era solo más rápido — el patrón de auto-delegación es el tipo de ventaja arquitectónica que se compone a lo largo de una semana laboral. Si escribes cualquier tipo de workflow personalizado con hooks de Claude Code, si embedes agentes en tus productos a través del Agent SDK, si haces brainstorming a nivel estratégico y necesitas primero un compañero de pensamiento antes que un compañero de código, Claude Code es donde empezaría.

No ganó mi confianza en la última milla de documentos estructurados. El pipeline de PDF todavía requiere que confirme rutas de Pandoc e instalaciones de dependencias más a menudo de lo que me gustaría.

Codex ganó mi confianza en documentos estructurados pesados en investigación, entrega end-to-end y cualquier workflow que toque GitHub. La integración @Codex con GitHub merece su propio párrafo: etiqueté Codex en una revisión de PR en mi propio repositorio durante la ventana de prueba, me fui y volví a una revisión reflexiva con comentarios línea por línea y tres ediciones sugeridas. Sandbox cloud levantado automáticamente. Sin configuración. Ese workflow solo ya vale la suscripción Plus para cualquiera que maneje más de dos repositorios.

El navegador in-app con comentarios inline es la función que no pensé que me importaría y ahora me niego a dejar. La capacidad de QA con computer-use es genuinamente fuerte. El generador integrado GPT Image 2 es el tipo de cosa que suena menor hasta que lo necesitas.

No ganó mi confianza en el pulido visual. La salida de la landing page era correcta. Correcta no es lo que vendo.

Las matemáticas de suscripción y una nota sobre las restricciones de Anthropic

Claude Code Pro es $20/mes. Max 5X es $100/mes. Max 20X es $200/mes. Codex está incluido con ChatGPT gratuito, Plus a $20/mes y Pro a $200/mes.

Dos cosas que saber sobre Anthropic que no aparecen en la tabla de precios. Primero, Anthropic restringe el uso por terceros de tu suscripción de Claude. Segundo, OpenAI es más permisivo con el uso agrupado en suscripción. Lee los términos antes de construir un producto sobre cualquiera de los dos.

Cómo estoy usando ambos ahora realmente

Aquí está el workflow en el que aterricé después de esta prueba, que he estado ejecutando las últimas tres semanas y que ha acortado materialmente mi trabajo con clientes.

Cuando un trabajo empieza con estrategia — descubrir qué construir, planificar arquitectura, hacer brainstorming de flujos UX — abro Claude Code. El comando /ultraplan es lo más cercano que tengo a un partner senior de ingeniería que realmente está prestando atención.

Cuando ese plan se convierte en trabajo UI — landing pages, dashboards, herramientas internas — me quedo en Claude Code. Los subagentes auto-delegantes hacen que la construcción se sienta rápida.

Cuando el trabajo gira hacia documentación estructurada — informes de investigación, resúmenes de auditoría, briefings de clientes — cambio a Codex. El comando /goal en documentos estructurados es más rápido que cualquier cosa que haya visto.

Cuando el trabajo toca GitHub — cambio a Codex. Cuando necesito una imagen hero — Codex se queda abierto por GPT Image 2. Todavía uso Higgsfield para las sesiones de fotos de producto de alta gama, pero para trabajo de imagen inline rápido, Codex es suficiente.

Este enfoque de stack mixto es la parte que quiero subrayar. Las dos herramientas no compiten por el mismo asiento en mi escritorio. Ocupan asientos diferentes. La pregunta "¿Claude Code o Codex?" es la pregunta equivocada. La pregunta correcta es "¿cuál para este tipo específico de trabajo?" Y una vez que sabes la respuesta para tu propia carga de trabajo, dejas de elegir y empiezas a cambiar.

Si llevas un stack ajustado y solo puedes permitirte uno, aquí mi consejo honesto: si tu semana es principalmente trabajo UI y cobras a clientes por calidad visual, Claude Code Max 5X es los mejores $100. Si tu semana es principalmente investigación, documentación y trabajo de equipo mediado por GitHub, Codex Plus a $20 es el mejor trato.

Si tu semana es ambas cosas — y la mayoría de las semanas de desarrolladores profesionales lo son — paga por ambas. Plus y Max 5X juntos son $120/mes por lo que equivale a dos ingenieros senior en retainer. No hay otra partida en mi negocio que devuelva tanto valor por dólar.

Lo que le diría a mi yo del pasado sobre esta comparación

Hace seis meses habría escrito este mismo post y habría llamado a Claude Code el ganador. Hoy no puedo escribir ese post honestamente. Codex cerró la brecha en la mayoría de las funcionalidades de workflow que solía llamar decisivas, y abrió una brecha propia en integración GitHub, sandbox cloud, QA con computer-use y generación de imágenes integrada.

Lo que le diría a mi yo del pasado es que la pregunta correcta dejó de ser "qué herramienta es mejor" en algún momento alrededor del Q1 2026, y las personas que todavía la hacen están a punto de ser superadas por las que aprendieron a cambiar.

La respuesta honesta a "¿Claude Code o Codex?" en mayo de 2026 es: sí. Ambos. Y si tu presupuesto te obliga a elegir uno, elige el que coincida con el trabajo que entregas la mayoría de las semanas — no el que tiene las notas de lanzamiento más ruidosas.

Preguntas frecuentes

¿Cuál es mejor para desarrolladores solo en 2026, Claude Code o Codex?

Para desarrolladores solo, la elección correcta depende de la mezcla de trabajo — Claude Code es más fuerte para semanas con mucho trabajo UI y planificación profunda, mientras que Codex es más fuerte para documentos de investigación, trabajo de revisión mediado por GitHub y entrega end-to-end. Si solo puedes pagar uno y tu trabajo se inclina hacia lo visual, toma Claude Code Max 5X a $100/mes. Si tu trabajo se inclina hacia documentación estructurada y workflows de equipo, toma Codex Plus a $20/mes.

¿Es Claude Code más rápido que Codex?

Claude Code terminó la suite de tres tareas en unos 15 minutos versus Codex en 26 minutos en mi prueba, con la brecha concentrada en la construcción del dashboard donde los subagentes auto-delegantes de Claude comprimieron el tiempo de ejecución a 2 minutos. Por tarea, la respuesta se invierte — Codex fue más rápido en el informe de investigación por unos 4 minutos. Más rápido depende de lo que estés construyendo.

¿Tiene Claude Code o Codex una ventana de contexto mayor?

Claude Code soporta hasta 1.000.000 de tokens de ventana de contexto con Opus 4.7. Codex con GPT-5.5 funciona a aproximadamente 256.000 tokens. Para razonamiento de codebase completo, la ventana de Claude Code es materialmente mayor. Para trabajo típico a nivel de tarea, ambas ventanas son suficientes.

¿Puedo usar OpenAI Codex sin una clave API separada?

Sí — Codex está incluido con cada nivel de suscripción de ChatGPT, incluyendo el plan gratuito. Plus ($20/mes) y Pro ($200/mes) elevan los límites de uso. No se requiere clave API separada ni configuración de facturación. Lo mismo aplica para Claude Code, incluido con los planes Anthropic Pro, Max 5X y Max 20X.

¿Soporta Codex Git worktrees y agentes paralelos?

Sí — Codex ahora tiene soporte nativo de Git worktree, permitiéndote ejecutar múltiples sesiones de agente en branches paralelos sin conflicto. Claude Code soporta el mismo workflow pero históricamente requería configuración manual de worktree, que cubrí en la guía de Git worktrees de Claude Code. Codex lo entrega como primitivo first-class en el release de mayo 2026.

Trabajemos juntos

¿Buscas construir sistemas de IA, automatizar workflows o escalar tu infraestructura tecnológica? Me encantaría ayudar.

• Fiverr (builds e integraciones a medida): fiverr.com/s/EgxYmWD
• Portfolio: mejba.me
• Ramlit Limited (soluciones enterprise): ramlit.com
• ColorPark (diseño y branding): colorpark.io
• xCyberSecurity (servicios de seguridad): xcybersecurity.io