Los dos agentes codificadores fronterizos en este momento, con diferencia, son Claude y Codex; sin embargo, he notado diferencias significativas en cuanto a cuándo los dos modelos son superiores y he notado desventajas reales en cada uno de ellos.
Por lo tanto, he implementado una especie de sistema de clasificación interno que uso cada vez que comienzo una nueva tarea, donde decido si debo usar Claude Code o Codex para realizar la tarea.
En este artículo, quiero analizar este sistema de clasificación interna que estoy usando, compartir mis pensamientos sobre cuándo qué modelo es superior y ayudarlo a aprovechar al máximo estos agentes de codificación usándolos en las tareas en las que se desempeñan mejor.
¿Por qué cambiar el agente de codificación según las tareas?
Hace unos seis meses, era bastante fácil decidir qué agente de codificación debería utilizar. Anthropic, con su modelo de la serie Opus, fue muy superior en todas las tareas de codificación. Por supuesto, ya en aquella época se podían utilizar otros modelos como el modelo de codificación de Google o el Codex, pero en mi opinión había una diferencia muy significativa en el rendimiento de estos modelos en comparación con Opus.
Sin embargo, el panorama competitivo de los agentes de codificación ha cambiado significativamente en esos seis meses, y ahora creo que hay dos modelos de frontera, Codex y Claude Code, con varios otros competidores interesantes muy cerca. Por ejemplo, GLM 5.3 o Kimi K3, que son excelentes agentes de codificación, aunque no alcanzan el rendimiento de Claude Code o Codex.
Por lo tanto, por ahora me centraré en los dos modelos de codificación de frontera, aunque creo que en unos meses esto podría cambiar y podríamos tener otro agente de codificación de frontera. Sin embargo, los aprendizajes que discutiré en este artículo son bastante genéricos y se trata de cómo reconocer cuándo un agente de codificación se desempeña mejor y en qué situaciones tiene dificultades. Analizaré las diferentes debilidades y fortalezas de Claude Code y Codex y también discutiré cómo puede descubrir estos problemas y ayudarlo a elegir el mejor agente de codificación para la tarea en la que está trabajando ahora y en el futuro, una vez que el panorama de los agentes de codificación cambie significativamente.
Fortalezas y debilidades del Código Claude y el Codex
Primero, analicemos las fortalezas y debilidades de Claude Code y Codex. Para hacerlo súper simple, explicaría las diferentes situaciones en las que debes usar cada modelo con la siguiente oración.
Codex es muy superior cuando se trabaja en una única tarea específica y difícil que desea completar, mientras que Claude Code es superior a la hora de organizar agentes para realizar rápidamente un montón de tareas más pequeñas.
Ahora permítanme explicar un poco cada punto. Empezaré con el Códice. En general, creo que actualmente tengo preferencia por el agente de codificación Codex, lo cual se basa en algunos factores: uno es que Claude Opus 5 habla demasiado y tengo que decirle al modelo que sea más conciso en sus respuestas varias veces al día, aunque tengo puntos muy fuertes en mis archivos de rebajas que resaltan que el modelo debe ser conciso.
No tengo este problema en absoluto con Codex. Codex va más directo al grano y también siento una tendencia a que Codex esté más ansioso por simplemente hacer el trabajo en lugar de hacerme preguntas todo el tiempo, mientras que Claude se inclina más por hacerme preguntas y detenerse sin terminar todo el trabajo. Al menos si no uso activamente el comando /goal.
Básicamente, cuando realizo una tarea única, generalmente más difícil, tengo una fuerte preferencia por usar Codex porque simplemente tiene una mejor capacidad para hacer esas cosas correctamente.
Se podría pensar que el hecho de que Codex tenga esta característica lo convierte en el modelo superior en todas las tareas de codificación. Sin embargo, desafortunadamente, encuentro que ahora estoy haciendo tantas tareas en paralelo porque muchas de las tareas que llegan, generalmente a través de comentarios sobre el producto, son soluciones rápidas más pequeñas que no necesitan un modelo súper inteligente para completar.
Naturalmente, no quiero tener que activar manualmente agentes separados para cada tarea más pequeña porque puedo tener entre 50 y 100 tareas de este tipo cada día, y me tomaría mucho esfuerzo personalmente activar todas esas sesiones yo mismo.
Por lo tanto, quiero tener un agente orquestador que organice a los subagentes para completar cada una de estas tareas más pequeñas individualmente. Y aquí es donde noto que Codex realmente tiene dificultades.
Codex es impresionantemente malo a la hora de orquestar muchos agentes diferentes para realizar muchas tareas más pequeñas. En general, si simplemente le pides a Codex que complete dos tareas, especialmente si no están muy relacionadas entre sí, encuentro que Codex muchas veces se olvida de una de las tareas y no la completa.
Esto, por supuesto, convierte al Codex en un modelo inútil cuando se trata de organizar muchas tareas más pequeñas y llevarlas a cabo. Por tanto, mi sistema de clasificación de alto nivel funciona de la siguiente manera.
Cada día realizo muchas tareas más pequeñas y tengo una única sesión de Claude Code donde organizo todas estas tareas más pequeñas y hago que Claude las complete con subagentes. Luego, cada vez que tengo tareas más importantes o proyectos más importantes, siempre inicio una única sesión del Codex por cada proyecto o tarea y la completo. También tengo preferencia por usar Claude Code cuando se trata de tareas de diseño o implementar cambios únicamente en el front-end (aunque casi siempre son soluciones rápidas, así que las hago con Claude de todos modos)
Ahora quiero señalar que esto podría cambiar muy pronto. OpenAI podría venir con algunas mejoras en su hardware, o podrían lanzar un nuevo modelo que sea más potente a la hora de orquestar tareas. Y en este caso, si este es el caso, básicamente pasaré al Codex a tiempo completo.
Cómo descubrir dónde sobresale un modelo y dónde tiene problemas
Ahora que he discutido mis preferencias sobre Claude Code y Codex y cuándo usar cada modelo, quiero pasar a un tema más general, que es cómo descubrir dónde un modelo sobresale y dónde tiene problemas. Para empezar, destacaré cómo descubrí los problemas que mencioné anteriormente tanto con Claude Code como con Codex.
En un nivel alto, creo que este tema trata de prestar atención a veces a cómo funcionan los agentes de codificación y, cuando funcionan, analizar qué hacen, cómo lo hicieron y cuánto tiempo tardaron. Para realizar este análisis, por supuesto, puede utilizar un agente de codificación para, por ejemplo, analizar métricas como:
Tiempo promedio de desarrollo para una sola tarea
Número de rondas de revisión de relaciones públicas
Y muchas otras métricas, por supuesto. En general, también puedes seguir tu intuición y ver cuando sientes que una tarea está tardando más de lo debido. Por ejemplo, una cosa importante que noté es que cuando usaba Claude Code para solucionar tareas individuales, tenía una fuerte tendencia a detenerse siempre y pedirme cosas, aunque yo no quisiera. Y luego, cada vez que me preguntaba cosas, incluía demasiadas palabras y me hacía muy difícil entender lo que la modelo realmente quería de mí.
Por lo tanto, comencé a probar Codex exactamente en las mismas tareas y noté una gran diferencia. Fue más capaz de simplemente completar la tarea y hacer suposiciones que, en su mayor parte, eran correctas, lo que básicamente lo hizo más efectivo para completar la tarea por mí. Básicamente, lo que hice para compararlos fue ejecutar la misma tarea con ambos modelos, lo que, por supuesto, cuesta algunas fichas adicionales, pero vale la pena encontrar el modelo óptimo para una tarea en la que estás trabajando, al menos como algo que puedes hacer de vez en cuando.
Y ahora, por otro lado, la forma en que descubrí que Codex era malo orquestando tareas más pequeñas y trabajando en muchas tareas más pequeñas fue que, en algunos casos, hacía que Codex trabajara en una sola tarea, luego podía pedir una pequeña enmienda a esa tarea o arreglar algo relacionado con esa tarea, pero al margen, y notaba que en una base sorprendentemente común, Codex simplemente se olvidaba de hacer una de las tareas, y tenía que recordárselo. Y en muchos casos, volvió a olvidar la tarea. Por supuesto, esto es inútil y a veces difícil de detectar porque cuando entrego tareas a los agentes, espero que recuerden la tarea, la completen y me pidan aprobación antes de olvidarse de ella.
Por lo tanto, comencé a orquestar dichas tareas con Claude Code y a probar exactamente las mismas tareas, y noté que era mucho mejor para recordar el trabajo sobresaliente que tenía que hacer y para orquestar a los subagentes para que realizaran muchas tareas más pequeñas.
Conclusión
En este artículo, hablé de cuándo usar Claude Code y cuándo usar Codex para su codificación. Actualmente, en mi opinión, estos son dos modelos de vanguardia, aunque esto podría cambiar significativamente en los próximos meses, y lo especialmente emocionante es que tenemos muchos modelos de código abierto que están funcionando increíblemente bien y a un precio mucho más bajo que los modelos de frontera. Hablé de los pros y los contras tanto del Claude Code como del Codex, y cuándo uso cada modelo con mi sistema de clasificación interno. Luego comencé a hablar un poco más en general sobre cómo se puede descubrir dónde un modelo sobresale y dónde tiene problemas. Todo se reduce a tener una idea de cuándo los modelos funcionan bien y cuándo son lentos. Además, utilizo medidas más cuantitativas al hacer que un agente de codificación revise de vez en cuando mis métricas, como el tiempo promedio de desarrollo o cuántas rondas de revisión para llevar el código al desarrollo. Creo que deberías realizar estas pruebas con regularidad para asegurarte de que tu pila tecnológica esté optimizada.
👋 Ponte en contacto
👉 Mi libro electrónico y seminario web gratuitos:
🚀 10 veces su ingeniería con LLM (curso gratuito por correo electrónico de 3 días)
📚 Obtenga mi libro electrónico gratuito sobre Modelos de lenguaje de visión
💻 Mi seminario web sobre modelos de lenguaje de visión
👉 Encuéntrame en las redes sociales:
💌 Subpila
🐦X/Twitter