API ChatGPT Codex para aplicaciones de medios con IA

Alguien del equipo me preguntó la semana pasada si podíamos “simplemente usar la API de ChatGPT Codex” para lanzar la función de generación de imágenes más rápido. Tuve que pausar antes de responder. La frase es técnicamente precisa y casi completamente engañosa, dependiendo de cuál de sus dos mitades entienda la persona.

Si estás construyendo un producto de medios con IA — imágenes, video, audio, cualquier cosa que produzca un archivo — y has estado leyendo sobre Codex como acelerador para desarrolladores, este artículo existe para separar dos cosas que se siguen confundiendo en un solo término: Codex como agente de programación, y las APIs de inferencia que realmente generan tus medios. Ambas son reales, ambas son útiles, ninguna hace el trabajo de la otra.

Soy Dora. Escribo estas notas después de haber conectado algo y visto dónde está la fricción. Esto es lo que encontré.

Qué quiere decir la gente con “API de ChatGPT Codex”

Codex como agente de programación vs acceso al modelo vía API

Codex en 2026 es el agente de programación de OpenAI — el que escribe, refactoriza y depura tu código a través de una CLI, una app de escritorio, plugins de IDE y la interfaz web de ChatGPT. Por debajo corre sobre GPT-5.5 y las variantes ajustadas de Codex. No es un endpoint de completado de chat al que le haces POST con prompts. Es un entorno de agente, con habilidades, soporte para MCP, ejecución en sandbox y un SDK de Python actualmente en beta. El alcance actual está documentado en la documentación de Codex de OpenAI.

Entonces, cuando alguien dice “la API de ChatGPT Codex”, normalmente se refiere a una de dos cosas. O bien: acceso programático a Codex, el agente — ejecutando tareas de programación a través del SDK o mediante la CLI autenticada por suscripción. O bien: acceso a los modelos de inferencia generales de OpenAI (gpt-5.5, gpt-5.4-mini, gpt-image-2, sora-2, los modelos de moderación) a través de la API estándar de OpenAI, usando “Codex” como abreviación porque esa es la marca que el desarrollador asocia con código.

Son productos diferentes. Comparten una clave de API. No comparten un propósito.

Por qué la frase puede ser engañosa para apps de medios

Para una app de medios con IA, la trampa es asumir que “Codex API” reemplaza la capa de inferencia. No lo hace. Codex escribe el código de integración que llama a gpt-image-2. No genera la imagen. Si diseñas tu diagrama de arquitectura con “Codex” como un solo bloque, descubrirás en tiempo de ejecución que todavía necesitas todas las otras APIs que usan tus competidores — imagen, video, moderación, almacenamiento. Codex simplemente te llevó a ese tiempo de ejecución más rápido.

Esto no es una queja sobre Codex. Es una petición de precisión sobre qué estás comprando.

En qué puede ayudar Codex en un producto de medios con IA

Scaffolding de backend y código de integración

Aquí es donde Codex demuestra su valor rápidamente. Levantar un servicio FastAPI que envuelve una API de generación, generar clientes tipados desde una especificación OpenAPI, escribir el boilerplate para workers de cola, redactar configuraciones de Docker y pipelines de CI — todas son tareas razonables para Codex, especialmente el tipo que haces una vez y luego dejas quieto.

Lo he usado para montar capas de integración en menos de una hora, lo que me habría tomado medio día desde cero. El código no siempre está listo para producción, pero está lo suficientemente cerca como para revisarlo y editarlo, lo cual es un tipo diferente de valor que “escríbeme una app.”

Flujos de prompts y lógica de UI

Este me sorprendió. El trabajo pesado de construir lógica de construcción de prompts — tomar la entrada en lenguaje natural del usuario, sanearlo, adjuntar imágenes de referencia, formatear la solicitud multipart para una API de generación de imágenes, parsear la respuesta de vuelta en algo que tu frontend pueda renderizar — Codex lo maneja bien, porque es principalmente reconocimiento de patrones contra documentación de APIs que ya ha visto. También escribe componentes razonables en React/Next.js para el ciclo de subida-prompt-visualización. Sigo revisando cada línea, pero revisar es más rápido que escribir.

Generación de tests y refactorización

La generación de tests es el caso de uso subestimado. Codex leerá el código de tu servicio de generación y escribirá tests de integración contra respuestas simuladas, tests de manejo de errores para casos de rate-limit y timeout, y tests de snapshot para la forma de la respuesta. La refactorización en una codebase pequeña también funciona bien — renombrar una variable de modelo, extraer un bloque de configuración, dividir un handler grande — siempre que el diff sea lo suficientemente pequeño como para leerlo.

Lo que todavía necesita una API de inferencia separada

Esta es la sección que el encuadre engañoso suele omitir.

API de generación de imágenes para assets

Si tu app genera imágenes, llamas directamente a la API de generación de imágenes. A partir de abril de 2026 el modelo actual es gpt-image-2, accedido a través de la Image API o como herramienta dentro de la Responses API, ambas documentadas en la documentación de la API de imágenes de OpenAI. Es un endpoint separado con facturación separada, límites de tasa separados y características de latencia separadas de todo lo que toca Codex. Codex puede generar el código cliente que lo llama. No genera los píxeles.

Para apps de medios específicamente, también querrás analizar: el comportamiento de fidelidad de entrada en ediciones, las restricciones de tamaño (gpt-image-2 admite resoluciones arbitrarias pero con límites de relación de aspecto y conteo de píxeles), y si necesitas fondos transparentes (gpt-image-2 no los admite; gpt-image-1.5 sí). Estas son decisiones que Codex no tomará por ti.

API de video con IA para trabajos de generación

El video es el panorama más complicado. Sora 2 y Sora 2 Pro de OpenAI son accesibles hoy a través de la Videos API, pero según la documentación de la API de Sora 2, la Videos API está programada para quedar obsoleta el 24 de septiembre de 2026. Si estás construyendo una función de video ahora, esa fecha de deprecación debería estar en tu pared. O planificas una ruta de migración hacia lo que OpenAI la reemplace, o desde el primer día arquitectas en torno a una capa de video multi-proveedor para que cambiar el endpoint de Sora sea un cambio de configuración en lugar de una reescritura.

De cualquier forma: la API de video con IA es su propio asunto. Se factura por segundo de salida, no por token. Asíncrona por naturaleza — envías una generación, recibes un ID de trabajo, sondeas o esperas una callback. Codex escribe la lógica de sondeo. No corre el modelo.

Almacenamiento, colas, callbacks y moderación

Una app de medios con IA real es principalmente lo que rodea a la llamada de generación:

Dónde almacenas la salida (S3, R2, tu propio CDN) y cuánto tiempo la conservas.
La cola que retiene los trabajos de generación mientras la API los procesa.
El worker de webhook o sondeo que recoge los trabajos completados y actualiza tu base de datos.
La capa de moderación sobre las entradas de usuario antes de que lleguen al endpoint costoso.

Para ese último punto específicamente — el endpoint gratuito de omni-moderación de OpenAI acepta tanto texto como imágenes y es la forma más económica de filtrar prompts antes de gastar dinero en una llamada a gpt-image-2 o Sora-2. Pasar cada entrada de usuario por él no cuesta nada y detiene la mayoría de las solicitudes que violan políticas antes de que lleguen. Saltarse este paso es una de esas decisiones que parece bien con 10 solicitudes al día y ruinosa con 10.000.

Codex puede escribir toda esta fontanería. Codex no ejecuta ninguna de ella.

Tokens, coste y claves de API: qué verificar

El coste en tokens corresponde al uso de programación/modelo, no solo a la inferencia de medios

Este es el modelo de costes que la gente suele entender mal con más frecuencia.

Cuando usas Codex (el agente), pagas tarifas de tokens al nivel de GPT-5.5 por tokens de entrada y salida — igual que cualquier otra llamada a un modelo de texto. Una sesión típica de Codex CLI que procesa 50K tokens de entrada y produce 10K tokens de salida es una factura no trivial.

Cuando llamas a gpt-image-2 directamente, pagas por imagen más los tokens de entrada de imagen para cualquier imagen de referencia, que pueden ser sustanciales. Cuando llamas a sora-2, pagas por segundo de video generado. Ninguna de estas es la misma unidad de facturación. Decir “el coste en tokens de generar un video” es un error de categoría — el video es por segundo. El coste en tokens corresponde al lado de programación y al lado del modelo de texto. La inferencia de medios tiene sus propios contadores.

Calcula los números por separado. De lo contrario, modelarás tu economía unitaria como si todo fueran tokens y descubrirás, alrededor del segundo mes, que tu función de video no es rentable.

Manejo de claves de API y separación de entornos

Una clave de API te da acceso a la mayoría de estas superficies. Eso es una comodidad y un peligro.

Algunas cosas que vale la pena hacer bien desde el principio. Mantén claves separadas por entorno — dev, staging, prod — para poder rotar o revocar una sin derribar todo el producto. Nunca dejes que una clave de API acabe en un repositorio generado por Codex sin una plantilla .env y una entrada en .gitignore; Codex las construirá si se lo pides, pero no siempre las ofrece por iniciativa propia. Usa claves con alcance de proyecto en el dashboard de OpenAI para ver exactamente qué función está consumiendo qué presupuesto. Y si estás dejando que Codex corra de forma autónoma con acceso al shell, la clave de API en ese entorno puede hacer todo lo que tu cuenta puede hacer — trátalo con la misma cautela que darías a una clave SSH.

Por qué los precios exactos deben verificarse en la documentación oficial

No voy a publicar números por token o por imagen aquí, y tampoco deberías confiar en ellos en ningún otro lugar. Los precios de OpenAI han cambiado varias veces en los últimos doce meses, y la única fuente que se mantiene precisa es la página oficial de precios de la API de OpenAI. Compruébala antes de construir tu modelo de costes. Compruébala de nuevo antes de lanzar. Es mejor que inventarse algo.

Arquitectura recomendada para constructores

Codex para la creación de código

Usa Codex durante los ciclos de construcción y refactorización. No en tu camino crítico. Codex sirve para escribir el servicio, no para correr dentro de él.

API de medios para la ejecución de generación

Tus llamadas de generación de medios van directamente a los endpoints de inferencia — gpt-image-2 para imágenes, sora-2 (mientras viva) o tu alternativa para video, omni-moderación para seguridad. Estas son las solicitudes que realmente se ejecutan cuando un usuario hace clic en un botón.

Registro, reintentos y enrutamiento de fallback

La capa aburrida que convierte un prototipo funcional en algo que puedes dejar corriendo de noche:

Reintentos con backoff exponencial más jitter. Los reintentos sincronizados de una flota golpearán el mismo techo de tasa al mismo tiempo y empeorarán tu problema.
Registra el ID del modelo, ID de solicitud, latencia, conteos de tokens de entrada/salida y estimación del coste final por solicitud. Querrás esto la primera vez que una factura parezca incorrecta.
Construye una ruta de fallback desde el primer día. Si la API de inferencia primaria está degradada, tener un segundo proveedor configurado (aunque rara vez lo uses) es la diferencia entre un incidente silencioso y una interrupción. Especialmente relevante para video, dado el cierre de Sora 2 el 24 de septiembre de 2026.

Las herramientas que sobreviven en un flujo de trabajo comparten un rasgo: no crean molestias. La capa aburrida es lo que evita que las creen.

Preguntas frecuentes

¿Existe una API de ChatGPT Codex?

Sí, con una aclaración. Codex es accesible programáticamente — a través del SDK de Codex (Python, en beta), la CLI de Codex con autenticación basada en suscripción o clave de API, y a través del plugin OpenAI Developers para Codex. Pero “Codex API” no es un único endpoint al que le haces POST con prompts como la Chat Completions API. Es un entorno de agente. El modelo subyacente (GPT-5.5) también está disponible a través de la API estándar de OpenAI como modelo general de texto/razonamiento, que es lo que la mayoría de la gente realmente quiere decir con “Codex API” en un contexto de app de medios.

¿Cómo uso Codex con una API de video con IA?

Usas Codex para escribir el código de integración, no para hacer la llamada de generación. Un patrón típico: pídele a Codex que construya un servicio que envía trabajos a la API de Videos de Sora 2, sondea hasta la finalización (o maneja callbacks si usas una cola), almacena el MP4 resultante en tu almacenamiento de objetos y actualiza tu base de datos de aplicación. Codex maneja el cableado. La generación de video real corre a través de la API de Videos de OpenAI con su propia facturación por segundo. Ten en cuenta el cierre del 24 de septiembre de 2026 y construye el servicio para que el proveedor de video sea intercambiable.

¿Es seguro poner claves de API en código generado por Codex?

No en el código en sí. Codex a veces incrustará una cadena de marcador de posición o hará referencia a una variable de entorno que aún no existe — ambas están bien, ninguna es una clave real. El riesgo es el desarrollador que copia el ejemplo y pega una clave real en lugar del marcador de posición. Se aplica la práctica estándar: las claves viven en variables de entorno, los archivos de entorno están en gitignore, la gestión de secretos para producción vive en el almacén de secretos de tu proveedor de nube, y cada clave tiene alcance de proyecto y es rotable. El código generado por Codex sigue siendo tu código una vez que lo confirmas.

¿Debería usar Codex o una plataforma de inferencia para la generación de medios?

Esta es la pregunta que inició este artículo y es una falsa elección. Codex te ayuda a construir la aplicación. Una plataforma de inferencia (o la API directa de OpenAI) ejecuta la generación. Usas ambas. Si la pregunta real de fondo es “¿deberían mis llamadas de generación de medios ir directamente a OpenAI o a través de una capa de agregación que soporte múltiples proveedores?” — esa es una decisión separada impulsada por cuánto riesgo de dependencia de un proveedor estás dispuesto a asumir, especialmente con el cierre de Sora 2 en el calendario. Vale la pena responder. No es la misma pregunta.

Artículos anteriores: