El mercado de agentes de programación con IA alcanzó un punto de inflexión esta semana, y no solo en las clasificaciones de benchmarks. OpenAI lanzó una funcionalidad que convierte flujos de trabajo demostrados en skills repetibles, el modelo de programación insignia de Anthropic fue suspendido por el Gobierno de EE. UU. y un ataque a la cadena de suministro recordó a todo el mundo que los modelos de confianza de los agentes todavía van por detrás de la realidad.

Este es el análisis para los responsables de ingeniería que toman decisiones de plataforma.

Codex Record & Replay: el momento «grabadora de macros» de los agentes

La noticia de producto más importante de la semana es la más discreta. Record & Replay llegó en Codex Desktop 26.616 (macOS, 18 de junio): una funcionalidad que permite a los desarrolladores demostrar un flujo de trabajo de varios pasos y guardarlo como una skill de agente reutilizable. Piensa en una grabación de QuickTime, pero cuyo resultado es una capacidad ejecutable, no un archivo de vídeo.

El flujo es sencillo: activa Computer Use, pulsa grabar, recorre los pasos y Codex genera una skill a partir de la demostración. Después, la skill puede ejecutarse bajo demanda sin necesidad de volver a demostrarla. Inicialmente no está disponible en las regiones EEE/Reino Unido/Suiza y requiere tener Computer Use activado.

Por qué importa: es la primera vez que una gran plataforma de agentes de programación lanza una capacidad de «observar y aprender» a nivel de producto. Playground y los GPTs de OpenAI te permiten configurar el comportamiento; esto te permite enseñarlo haciéndolo. Para los equipos de ingeniería tiene aplicaciones inmediatas: flujos de incorporación, listas de comprobación de despliegue, scripts de regresión de QA… cualquier cosa que siga una secuencia conocida pero cambie lo suficiente de contexto como para que un script estático no baste.

La señal general se aclara con cada versión: OpenAI está construyendo sistemáticamente la cadena que va de la demostración → a la skill → al despliegue. Record & Replay es el paso de captura. Sites (el plugin que va del prompt al despliegue) es el paso de distribución. La adquisición de Ona (espacios de trabajo persistentes en la nube, anunciada el 11 de junio) es el entorno de ejecución.

Claude Fable 5: el modelo demasiado bueno para exportarse

El 12 de junio, el Gobierno de EE. UU. suspendió la exportación de Claude Fable 5 y Claude Mythos 5, los modelos de programación y razonamiento más capaces de Anthropic. La preocupación declarada: la seguridad nacional, concretamente la posibilidad de hacer jailbreak a estos modelos para identificar vulnerabilidades críticas de software a gran escala.

El impacto práctico es inmediato. Fable 5 ocupa el primer puesto en SWE-bench Verified (95,0 %) y SWE-bench Pro (80,3 %), y estaba prácticamente empatado con Codex GPT-5.5 en Terminal-Bench 2.1 (83,1 % frente a 83,4 %). Era la ventaja competitiva de Anthropic en el mercado de agentes de programación y ahora no está disponible para nadie fuera de EE. UU.

Para los equipos de ingeniería que evalúan plataformas:

  • Codex CLI + GPT-5.5 es ahora el agente de programación disponible con mejor rendimiento en tareas de terminal de principio a fin. Lidera Terminal-Bench 2.1 con un 83,4 %, el primer puesto en el benchmark que mejor mide la finalización de tareas reales por parte de agentes.
  • Claude Code con Opus 4.8 sigue disponible (17 $/mes en el plan Pro anual) y sigue siendo competitivo (88,6 % en SWE-bench Verified, 78,9 % en Terminal-Bench), pero no es Fable 5.
  • El mercado tiene ahora un líder de facto entre las plataformas sin restricciones. Esto acelera las decisiones empresariales: si construyes sobre un agente disponible a nivel mundial, Codex es la opción clara mientras no haya un calendario para el regreso de Fable 5.

La suspensión de exportación también plantea preguntas a más largo plazo sobre la disponibilidad de los modelos como factor de riesgo en la selección de plataformas, algo que hasta esta semana parecía teórico.

Toma forma el manual de seguridad de agentes empresariales

Tres novedades de esta semana, leídas en conjunto, forman un marco de seguridad empresarial coherente para los agentes de programación con IA.

1. El Agents SDK obtiene una arquitectura de seguridad de producción

La actualización del Agents SDK de OpenAI del 15 de abril (que sigue siendo la publicación de API más trascendente del año) introdujo la separación entre harness y cómputo, el patrón arquitectónico que debería ser un requisito mínimo en cualquier despliegue empresarial de agentes:

HARNESS (Control Plane)      |   COMPUTE (Execution Plane)
• Credentials & API keys     |   • Model-generated code
• Orchestration logic        |   • No credentials in scope
• Approval decisions         |   • Filesystem/Git/shell
• Tracing & audit            |   • Isolated container

Esta separación significa que, aunque el código generado por el modelo se vea comprometido, las credenciales nunca entran en el entorno de ejecución. Para el cumplimiento de SOC 2 Type II e ISO 27001, no es opcional: es la diferencia entre poder certificarse o no.

El SDK también admite estado duradero mediante instantáneas (el estado del agente sobrevive a los fallos del contenedor y puede reanudarse desde el último punto de control) y ejecución nativa en sandbox en siete proveedores (E2B, Runloop, Modal, Vercel, Cloudflare, Daytona, Blaxel) con una interfaz de adaptador personalizado.

2. El ataque a la cadena de suministro Miasma

Esta semana se dio a conocer un ataque coordinado a la cadena de suministro llamado Miasma, dirigido a 13 herramientas de programación con IA mediante la inyección en archivos de configuración. El vector de ataque: archivos de configuración comprometidos que inyectan instrucciones maliciosas en los prompts de los agentes y convierten herramientas de confianza en vectores de exfiltración involuntarios.

La conclusión no es el miedo, sino que los modelos de confianza de los agentes necesitan evolucionar. La respuesta del sector OpenClaw ha sido impulsar los manifiestos de configuración firmados y el aislamiento en sandbox en tiempo de ejecución de las instrucciones generadas por el modelo, dos cosas que la separación entre harness y cómputo del Agents SDK ya admite.

3. 1Password Credential Broker (beta)

1Password lanzó un Credential Broker (beta del 15 de junio) que entrega las credenciales a los agentes de confianza en el momento de su uso, sin almacenarlas en la configuración del agente. Esto completa una tríada de seguridad: ejecución aislada (SDK), configuraciones firmadas (la respuesta del sector a Miasma) y entrega de credenciales justo a tiempo (1Password).

Codex CLI v0.140.0: la versión de calidad de vida para desarrolladores

Codex CLI llegó a la v0.140.0 el 15 de junio con un conjunto de mejoras que importan en el uso diario:

  • Vistas /usage: actividad de tokens diaria, semanal y acumulada de un vistazo
  • Mejoras en /goal: el texto de gran tamaño y el contenido pegado extenso se conservan correctamente
  • Eliminación permanente de sesiones: por fin disponible para los flujos de limpieza
  • Importaciones selectivas desde Claude Code: complementarias al flujo «Migrate to Codex» a nivel de aplicación
  • Autenticación de Bedrock administrada: autenticación, facturación y controles de cuenta administrados por AWS simplificados (tras el lanzamiento en Bedrock del 1 de junio)
  • Menú unificado de @menciones: coherente entre la CLI y el IDE
  • Ejecutor de Windows basado en Wine: trabajo continuo de compatibilidad multiplataforma

La versión v0.139.0 (9 de junio) ya había incorporado la búsqueda web independiente desde el modo Code (incluso desde llamadas a herramientas JS anidadas) y resultados de búsqueda en texto plano. El ritmo de iteración no ha disminuido: commits diarios, versiones etiquetadas semanales y 89.991 estrellas en GitHub (Apache-2.0).

Qué vigilar la próxima semana

  1. Avanza la beta de Apple Xcode 27: las presentaciones de la WWDC mostraron compatibilidad nativa con agentes en el IDE para Codex, Claude Code y Gemini CLI. Las primeras pruebas prácticas de la beta para desarrolladores deberían empezar a aparecer la próxima semana, ofreciendo la primera visión real de flujos de trabajo con agentes integrados en el IDE ejecutándose localmente en Apple Silicon.

  2. Documentos S-1 de OpenAI: la versión pública del S-1 de OpenAI, prevista para agosto-septiembre, abrirá las finanzas de la empresa al escrutinio regulatorio. Las filtraciones previas y las notas de los analistas marcarán las expectativas del mercado en las próximas semanas.

  3. Claude Code bajo la restricción de exportación: Anthropic no ha comentado ningún calendario para el regreso de Fable 5. Si la suspensión persiste, cabe esperar una migración acelerada de Claude a Codex en las organizaciones que necesitan acceso sin restricciones.

  4. Se nota el precio por uso de GitHub Copilot: el cambio del 1 de junio a un precio de IA de 0,01 $/crédito, junto con una pausa en las altas de pago durante el despliegue, abre una ventana para que Codex capte a los equipos que están evaluando la renovación de Copilot.

  5. Record & Replay se vuelve multiplataforma: en el lanzamiento solo está disponible en macOS. La compatibilidad con Windows es el siguiente paso obvio, y será la señal de que OpenAI se toma en serio convertir la creación de skills en una primitiva central de la plataforma, no en un experimento de macOS.

Codex Weekly es un informe periódico de Big Hat Group Inc. para CTO, responsables de ingeniería y responsables de decisiones de plataforma que se mueven en el panorama de las herramientas de desarrollo con IA. Seguimos OpenAI Codex, los agentes de la competencia, la seguridad y los patrones de despliegue empresarial, porque las decisiones de herramientas que tomas hoy se convierten en decisiones de infraestructura mañana.