La actividad de Codex, el agente de programacion de OpenAI, se disparo en los ultimos seis meses. Segun el boletin AINews, de Latent Space, la herramienta paso de entre 550.000 y 700.000 usuarios a comienzos de ano a 7 millones, un crecimiento cercano a 10 veces en apenas medio ano. La cifra reabre una pregunta incomoda para Anthropic: ¿supero Codex a Claude Code en adopcion?
¿De donde salen los 7 millones?
La secuencia de datos es reciente. GPT-5.6 se lanzo el 9 de julio. El 12 de julio, OpenAI reporto 6 millones de usuarios acumulados en las 48 horas previas. Apenas 24,5 horas despues, la cifra ya marcaba 7 millones, es decir, cerca de un millon de usuarios nuevos en un solo dia.
Para dimensionar la trayectoria, en marzo OpenAI habia comunicado 2 millones de usuarios de Codex, y a comienzos de enero la base rondaba entre 550.000 y 700.000. Con esos puntos de referencia, la conclusion del boletin es que Codex multiplico por diez su base de usuarios en lo que va del ano.
¿Y Claude Code?
La comparacion es dificil porque Anthropic dejo de publicar cifras equivalentes. El ultimo dato conocido de Claude Code es de febrero: alrededor de 2 millones de usuarios y 2.500 millones de dolares en ingresos recurrentes anuales (ARR), con la aclaracion de que los usuarios activos semanales se habian duplicado desde el 1 de enero.
La interpretacion mas benevola del silencio de Anthropic, apunta AINews, es que la compania movio buena parte del uso de programacion hacia otra superficie de producto meses atras, con estadisticas de uso distintas y dificiles de comparar con las de una herramienta de linea de comandos. Aun asi, un crecimiento de 10 veces en seis meses es un numero dificil de igualar.
Los ajustes de OpenAI a GPT-5.6
El repunte llega en paralelo a una tanda de correcciones que OpenAI aplico a GPT-5.6 Sol en ChatGPT Work y Codex, tras las quejas por consumo acelerado de la cuota. Entre los cambios: optimizaciones de inferencia que entregan alrededor de un 10% mas de uso, la reversion del limite de contexto desde 372.000 de vuelta a 272.000 tokens por sus efectos en la facturacion, la marcha atras en algunos experimentos de esfuerzo de razonamiento y correcciones a un comportamiento demasiado activo de los subagentes en las configuraciones mas altas.
La lectura de fondo, mas alla de la disputa por el liderazgo, es que la conversacion de la industria se corrio desde el precio por token hacia el costo por tarea completada. Varios analisis recientes coinciden en que un modelo mas caro puede terminar siendo mas barato si delega mejor y evita trabajo innecesario.
