A partir de diciembre, ChatGPT y Codex compartirán una misma reserva de tokens para las tareas más exigentes, lo que obliga a los usuarios a replantearse cómo reparten su presupuesto de computación entre conversaciones y programación asistida. La medida no afecta a los chats instantáneos ordinarios, pero sí a los flujos de trabajo que demandan razonamiento profundo, análisis de repositorios completos o agentes que operan de forma autónoma durante periodos prolongados.
El cambio en detalle: una sola cartera para dos productos
Hasta ahora, ChatGPT y Codex funcionaban como silos independientes. ChatGPT servía para conversación, análisis, redacción y tareas generales; Codex, por su parte, estaba especializado en ingeniería de software: escribía código, navegaba repositorios, ejecutaba pruebas y proponía refactorizaciones. Cada uno tenía su propio contador de uso y sus propios límites según el plan suscrito (Plus, Pro, Business).
La nueva política, reflejada en la documentación actualizada de uso de OpenAI, establece que el uso elegible en ChatGPT y Codex extraerá de una asignación compartida basada en tokens a partir de diciembre. En la práctica, esto significa que una sesión intensiva de Codex —por ejemplo, un agente que recorre un repositorio de 50 000 líneas, ejecuta tests y propone cambios— consumirá tokens que ya no estarán disponibles para una tarea compleja en ChatGPT, como el análisis de un informe técnico de 100 páginas o la generación de un borrador largo con razonamiento extendido.
Lo que NO cambia: los chats instantáneos ordinarios (el modo por defecto de ChatGPT) no contarán contra esta reserva compartida. OpenAI ha dejado claro que la medida va dirigida a "capacidades computacionalmente más intensivas", es decir, a los modos que activan razonamiento extendido, uso de herramientas, o agentes autónomos.
Qué planes se ven afectados y cómo se gestiona el presupuesto
Los planes Plus, Pro y Business verán la nueva interfaz de gestión en Configuración, donde aparecerá el saldo restante, los tiempos de reinicio y la opción de comprar créditos adicionales una vez agotada la asignación mensual. Los planes gratuitos y los planes Enterprise/Edu mantienen sus reglas actuales y no entran en el esquema de reserva compartida.
Este diseño responde a una lógica de gestión de capacidad de cómputo: los modelos de razonamiento (la familia o1 y sus sucesores) y los agentes que encadenan múltiples llamadas a herramientas consumen recursos de inferencia muy superiores a los de un chat estándar. Al unificar el contador, OpenAI puede dimensionar mejor su infraestructura y evitar que un usuario sature la capacidad de Codex sin que eso repercuta en su disponibilidad de ChatGPT, o viceversa.
Para el usuario, la consecuencia práctica es clara: habrá que presupuestar. Quien use Codex a diario para tareas pesadas (migraciones de código, auditorías de seguridad, generación de tests exhaustivos) verá reducido el margen para lanzar tareas equivalentes en ChatGPT. La solución pasará por priorizar, adquirir créditos extra o esperar al reinicio mensual.
Por qué ahora: la convergencia de agentes en ChatGPT
El anuncio no llega en el vacío. Durante 2026, OpenAI ha ido difuminando la frontera entre "chat" y "agente de código". ChatGPT ha incorporado capacidades que antes eran exclusivas de Codex: ejecución de código en entorno aislado (Code Interpreter / Advanced Data Analysis), navegación web, análisis de archivos, y más recientemente, la capacidad de lanzar agentes que operan de forma semi-autónoma sobre repositorios GitHub.
Paralelamente, Codex ha evolucionado de ser una herramienta de "autocompletado mejorado" a un agente de ingeniería de software capaz de recibir unaIssue de GitHub, explorar el código base, proponer una solución, escribir tests y abrir un pull request —todo sin intervención humana continua.
Esta convergencia hace que la distinción de contadores separados sea cada vez más artificial. Si un mismo usuario lanza un agente en ChatGPT para refactorizar un módulo y, simultáneamente, pide a Codex que escriba los tests de ese mismo módulo, está consumiendo dos veces la misma capacidad de razonamiento del modelo subyacente. Unificando la contabilidad, OpenAI alinea la facturación con la realidad técnica: el recurso escaso es la inferencia de modelos de razonamiento, no el producto por el que se accede a ella.
Otros movimientos de OpenAI en noviembre: contexto estratégico
El cambio de límites no es un hecho aislado. En las últimas semanas, OpenAI ha anunciado o filtrado una serie de decisiones que dibujan su hoja de ruta para el cierre de 2026:
Señal compartida robots.txt para preferencias de entrenamiento
OpenAI ha propuesto un estándar para que los operadores de sitios web expresen sus preferencias de rastreo para entrenamiento de IA mediante una única directiva en robots.txt, en lugar de mantener reglas separadas por cada rastreador (GPTBot, CCBot, anthropic-ai, etc.). La iniciativa busca simplificar el cumplimiento y reducir la fragmentación. OpenAI prevé implementarla "en los próximos meses"; mientras tanto, sus controles de rastreo actuales siguen vigentes.
Investigación sobre detección de desalineación en modelos frontera
La compañía ha publicado trabajos sobre métodos para identificar casos en los que un modelo capaz se desvía de sus instrucciones u objetivos previstos, incluyendo situaciones donde las comprobaciones de salida ordinarias no detectan el problema. Es parte de su programa de seguridad para modelos de próxima generación.
Reunión de Sam Altman con ejecutivos de Samsung en Corea del Sur
A finales de octubre, Altman se reunió con cerca de 50 directivos de Samsung para discutir la integración de IA en gestión, toma de decisiones y trabajo interno. Samsung ha formado ya a 2 300 ejecutivos y planea extender el programa a toda la plantilla. El movimiento señala la apuesta de OpenAI por el mercado empresarial coreano, clave por su peso en semiconductores y electrónica de consumo.
Recorte del objetivo de recaudación: de 30 000 a 20 000 millones de dólares
Según Financial Times y Wall Street Journal, OpenAI ha rebajado su objetivo de nueva financiación en 10 000 millones, situando la valoración en torno a 1,25 billones de dólares y habiendo captado ya unos 11 000 millones. La compañía no ha confirmado oficialmente los términos. El ajuste refleja la volatilidad del sector y la presión de los inversores por ver retornos más tangibles.
Límite de cuentas de pago por dispositivo y tarjeta
OpenAI ha introducido un tope en el número de cuentas de pago (ChatGPT Go, Plus, Pro 100, Pro 200, Pro 500) asociadas a un mismo dispositivo y tarjeta. Los planes gratuitos, Business, Enterprise y Edu están exentos. Los usuarios que alcancen el límite verán el mensaje "Device limit reached", y cerrar sesión no libera la plaza. La medida busca frenar la reventa de accesos y el abuso de promociones.
Impacto en flujos de trabajo reales: ejemplos concretos
Desarrollador full-stack que usa ambos productos
Antes: Por la mañana, usa ChatGPT Pro para diseñar la arquitectura de una nueva funcionalidad (razonamiento extendido, 50k tokens). Por la tarde, lanza Codex para implementar los endpoints, escribir tests de integración y abrir el PR (otros 80k tokens). Ambos contadores son independientes; no hay fricción.
Después de diciembre: La sesión de arquitectura consume 50k tokens de la reserva compartida. La implementación con Codex consume 80k tokens de la misma reserva. Si la asignación mensual es de 200k tokens (hipotético), al terminar el día lleva 130k gastados. Le quedan 70k para el resto del mes. Si necesita otra tarea pesada en ChatGPT, deberá comprar créditos o esperar.
Equipo de data science que alterna análisis y código
Un analista usa ChatGPT para explorar datasets, generar hipótesis y redactar informes (modo razonamiento). Un ingeniero usa Codex para productionizar los notebooks, crear pipelines y desplegar modelos. Ambos tiran de la misma hucha. La coordinación interna se vuelve necesaria: quizás convenga concentrar las tareas pesadas en ventanas temporales y dejar los chats ligeros para el día a día.
Usuario ocasional de Codex, intensivo en ChatGPT
Quien apenas toque Codex pero use ChatGPT Pro para análisis de documentos legales, financieros o técnicos de gran longitud gana margen: los tokens que antes "perdía" por tener un contador de Codex sin usar ahora están disponibles para ChatGPT. El cambio beneficia a quien concentra su uso en un solo producto.
Cómo prepararse: checklist práctico
- Audita tu uso actual. Revisa en Configuración → Uso (o la API de facturación si eres Business) cuántos tokens consumes en ChatGPT (modos razonamiento/agentes) y en Codex por separado. Suma ambos. Ese es tu nuevo consumo base.
- Estima el margen. Compara el total con tu asignación de plan. Si superas el 70-80 % de la cuota mensual habitual, planifica compra de créditos o migración a plan superior.
- Prioriza flujos críticos. Identifica qué tareas son innegociables (entregas a cliente, deploys de producción, auditorías de seguridad) y cuáles son posponibles (experimentación, aprendizaje, refactorizaciones estéticas).
- Usa chats instantáneos para lo ligero. Recuerda: el modo chat estándar no cuenta. Para preguntas rápidas, formateo, resúmenes cortos o brainstorming, usa el modo por defecto y reserva la reserva compartida para lo que realmente necesita razonamiento extendido.
- Monitoriza la primera quincena de diciembre. Los primeros 15 días serán el banco de pruebas real. Ajusta hábitos según lo que revele el contador unificado.
Lectura entre líneas: hacia una plataforma unificada de agentes
El movimiento de OpenAI sugiere una dirección clara: ChatGPT se está convirtiendo en la interfaz única para todos los agentes de OpenAI. Codex, Operator, Deep Research y futuros agentes especializados (análisis legal, modelado financiero, diseño de fármacos) convergerán bajo una misma capa de orquestación, con un único presupuesto de cómputo y una única superficie de facturación.
Para el usuario final, esto simplifica la experiencia: una sola suscripción, un solo panel de uso, una sola cola de agentes. Para OpenAI, permite optimizar la asignación de GPUs/TPUs entre cargas de trabajo heterogéneas y reducir el coste marginal de añadir nuevas capacidades agénticas.
El riesgo es la opacidad del contador. Un token no es una unidad intuitiva: depende del modelo, de la longitud de contexto, del número de llamadas a herramientas, de si hay razonamiento encadenado. OpenAI tendrá que ofrecer estimadores claros ("esta tarea de Codex equivale aproximadamente a X minutos de ChatGPT Pro razonando") para que la gestión de presupuesto no se convierta en una caja negra.
En perspectiva: la economía del cómputo de inferencia
Este cambio es un síntoma de una realidad más amplia: el cómputo de inferencia se ha convertido en el recurso escaso de la IA generativa. Durante 2024-2025, el cuello de botella era el entrenamiento (GPUs H100, datos, energía). En 2026, con modelos frontera desplegados a escala y millones de usuarios lanzando agentes que encadenan docenas de llamadas, el coste marginal de cada interacción compleja domina la economía del servicio.
Unificar contadores es, en el fondo, imponer un precio de sombra al razonamiento profundo. Obliga al mercado (usuarios, desarrolladores, empresas) a internalizar el coste real de pedirle a un modelo que "piense mucho y use herramientas". Y acelera la búsqueda de alternativas: modelos más pequeños y especializados (distilados), inferencia local (llama.cpp, vLLM, ollama), y arquitecturas que separen razonamiento ligero de pesado (routing dinámico, mixture-of-experts).
Para quien construye sobre la API de OpenAI, la lección es clara: diseña para eficiencia de tokens. Cada llamada a tools, cada vuelta de razonamiento, cada token de contexto cuenta doble ahora. El patrón "lanzar agente y olvidar" ya no es gratis.
Conclusión: adaptarse o pagar más
La unificación de límites de ChatGPT y Codex no es una mala noticia per se —es una racionalización inevitable—. Lo que era una anomalía contable (dos productos que comparten modelo base pero tienen presupuestos separados) se corrige para alinear incentivos y costes.
Los usuarios que planifiquen, monitoricen y optimicen sus flujos de trabajo agénticos seguirán sacando valor neto positivo. Los que traten la reserva compartida como infinita se encontrarán con sorpresas en la factura de enero.
Diciembre será el mes de la verdad. Mientras tanto, conviene empezar a medir: ¿cuántos tokens de razonamiento consume realmente tu día a día? La respuesta puede cambiar tu forma de trabajar con IA.
Artículo basado en la documentación actualizada de uso de OpenAI y la cobertura de The Neuron (Everything That Happened in AI Today, Monday, November 2, 2026) y AIBriefs (AI News Today, Monday, November 2, 2026). La información refleja el estado anunciado a fecha de publicación.