Planifica en ChatGPT Pro, ejecuta en Codex: El manual de traspaso del documento de diseño

El flujo de trabajo que vale la pena robar este mes no es un modelo, es una división del trabajo. Le entregas a GPT-6 Pro en ChatGPT una URL de repositorio, le pides un documento de diseño en lugar de un parche, y le das ese documento a Codex o a Claude Code para que lo implemente. El planificador se ejecuta sobre GPT-6 Astra — GPT-6 Pro es el nombre que los límites de uso de ChatGPT emplean para él — y Astra es un modelo del 2026-09-03, así que nada de esto es cobertura de lanzamiento ni una afirmación de lanzamiento. Lo que cambió en los últimos siete días es más acotado, y vale la pena decirlo con exactitud: el 2026-09-17, profesionales del sector reportaron que el plugin oficial de GitHub en el ChatGPT Chat común, no en ChatGPT Work ni en Codex, puede editar archivos del repositorio, hacer commit y abrir pull requests sin consumir la cuota de Codex/Work. Eso es una afirmación de la comunidad, no documentación del proveedor — las páginas de ayuda oficiales siguen describiendo la app de GitHub como de solo lectura y canalizan toda la escritura a través de Codex — y las advertencias que la acompañan importan tanto como la afirmación. Todo lo que sigue está etiquetado como reportado por el proveedor, reportado por la comunidad, o leído directamente de las páginas oficiales el 2026-09-19.

El flujo de trabajo, en una sola pasada

Los profesionales describen el mismo bucle con pequeñas variaciones. El que se repite: pegar una dirección de GitHub en ChatGPT, pedirle que lea el código y produzca un documento de diseño, luego descargar ese documento y dárselo a un agente ejecutor. Algunos también piden una pull request; otros se detienen en el documento y dejan que el ejecutor se encargue de escribir. En cualquier caso, la forma es idéntica —planificar en el producto de chat, construir en el producto de agente— y la razón por la que vale la pena copiarla es que las dos mitades se facturan por separado.

• Artefacto de planificación — un documento de diseño: las interfaces que hay que añadir, los archivos que hay que tocar, indicados por su ruta, el orden de migración, las pruebas de aceptación y qué hacer si algo sale mal.

• Artefacto de ejecución — una rama y una solicitud de extracción, producidos por un agente que puede ejecutar las pruebas que acaba de escribir.

• Artefacto de revisión — el diff, que es lo único que debería llegar jamás a un revisor.

El documento de diseño es la pieza estructural, y se gana su lugar por dos razones. En primer lugar, un documento es portátil: el mismo texto funciona tanto si el ejecutor es Codex, Claude Code o un agente con scripts que hayas escrito tú mismo, de modo que la planificación que pagaste no queda atada a la herramienta de un solo proveedor. En segundo lugar, es la superficie de revisión que existe antes de que se escriba nada en tu repositorio — lo cual importa muchísimo dado que la ruta de escritura del producto de chat es la parte menos documentada de todo el conjunto.

Por qué la estructura de dos cubos es todo el truco

ChatGPT no factura este flujo de trabajo con cargo a un solo fondo. Chat, ChatGPT Work y Codex tienen asignaciones separadas, y Work y Codex comparten un único fondo común entre ellos; una clave de API de OpenAI se factura aparte, de nuevo. Esa estructura es la que hace económico el traspaso: el pensamiento ocurre en el segmento de Chat, la acción ocurre en el segmento del agente, y un documento de diseño cuesta un mensaje de Chat, mientras que la implementación cuesta uso del agente.

Las cifras, tal como OpenAI las publica para el lado de Chat — datos reportados por el proveedor en la documentación del plan del propio proveedor, no mediciones:

• ChatGPT Pro por $200 al mes — 200 mensajes de GPT-6 Pro a la semana; GPT-5.6 Sol Pro además incluye 170 al día, y ambos modelos juntos tienen un límite de 200 al día.

• ChatGPT Pro a $100 al mes — 50 mensajes de GPT-6 Pro a la semana, extraídos de una asignación compartida con GPT-5.6 Sol Pro.

• Business Standard — 15 mensajes de GPT-6 Pro al mes, compartidos con Sol Pro; Business Premium — 50 a la semana con la misma base compartida.

• ChatGPT Plus — no hay GPT-6 Pro en Chat en absoluto. Astra llega a Plus solo a través de ChatGPT Work y Codex, que es precisamente el segmento que este manual intenta proteger.

Del lado de Work/Codex, OpenAI publica estimaciones en lugar de límites, y lo dice: aproximadamente de 5 a 45 mensajes de Astra por ventana de cinco horas en Plus, de 25 a 225 en Pro 5x y de 100 a 900 en Pro 20x, y en la misma página se señala que el consumo real varía según la complejidad de la tarea, el contexto, la salida y el uso de herramientas, y que pueden aplicarse límites semanales adicionales. Esos rangos se sitúan en aproximadamente la mitad de las cifras equivalentes de Sol, que es la razón aritmética por la que un modelo de frontera es siquiera asequible de ejecutar como agente.

La consecuencia práctica es una regla de presupuestación que puedes escribir en una tarjeta. Gasta mensajes de Chat en decisiones y uso de agentes en código. Una sesión de planificación que discute sobre una interfaz durante veinte minutos cuesta un puñado de mensajes de Chat y produce un documento que le ahorra a un agente una hora de ediciones exploratorias, que es el intercambio que los profesionales del hilo están haciendo en realidad.

La ruta de escritura: lo que hace el conector y lo que la gente dice que hace

Aquí las fuentes discrepan, y la discrepancia es lo interesante.

La propia documentación de ayuda de OpenAI es inequívoca: la aplicación de GitHub en ChatGPT lee tus repositorios para analizarlos y buscarlos, y generar código, editarlo y subirlo a GitHub es para lo que sirve Codex. Esa es la postura de solo lectura, y es la que hay que tener en cuenta para planificar si vas a incorporar esto a un proceso de equipo, porque es la que tiene un proveedor detrás.

La postura de la comunidad, con fecha 2026-09-17, es que el plugin de GitHub de la versión web en modo Chat editará código, hará commits y abrirá pull requests, y que, como es un plugin oficial en lugar de un servidor MCP de terceros, no consume cuota de Codex ni de Work. El mismo hilo es cuidadoso con el alcance: herramientas pequeñas, ediciones menores, errores pequeños — las refactorizaciones grandes y la depuración difícil siguen perteneciendo a Codex. Sus propios comentaristas añaden las advertencias que vale la pena repetir, porque son las que de verdad muerden:

• Los límites de uso normales de ChatGPT siguen aplicándose. "No es cuota de Codex" no significa "gratis".

• La calidad puede degradarse tras varias rondas sin previo aviso, y la sesión puede pasar a un modelo más pequeño a mitad de la tarea.

• Los autores del hilo aconsejan no cambiar a Work cuando la interfaz lo ofrece, y advierten que saturar las páginas de chat anónimas degrada la experiencia web para todos.

Un informe independiente en japonés del mismo patrón llega a una conclusión compatible sin la afirmación sobre la cuota: si una integración de GitHub admite acciones de escritura, el chat normal puede leer un repositorio, modificar archivos, crear una rama y abrir una pull request; se aplican los límites de velocidad habituales del chat; y Codex y Work recurren al grupo compartido de agentes, por lo que el chat normal es para una edición de unos pocos archivos y Codex es para tareas largas de software. Donde ambas versiones coinciden, la coincidencia es la parte utilizable: el chat es un canal para cambios pequeños, Codex es el canal para sesiones largas, y los grupos están separados.

Existen servidores MCP de terceros que exponen un flujo de trabajo real de git —rama, diff, commit, push, abrir una solicitud de extracción— con permisos que puedes escalonar desde solo lectura hasta push. Si quieres que la ruta de escritura sea determinista y auditable en lugar de un comportamiento que esperas que ocurra, esa es la ruta; si quieres mantenerte dentro de lo que documenta OpenAI, planifica en Chat y escribe en Codex.

En cualquier caso, la entrega del documento de diseño es lo que hace que la ruta de escritura del chat sea defendible. Una sesión de chat con alcance de escritura en un repositorio es una concesión de permisos más amplia que una sesión de chat con alcance de lectura, y el documento es el artefacto que revisas antes de que se ejerza esa concesión.

El traspaso, paso a paso

• Dirige al planificador hacia el repositorio —una URL pública pegada en el prompt, o el conector de GitHub si lo has autorizado— y pídele que lea el código antes de proponer nada.

• Pide un documento de diseño, no un parche. Exige las rutas de los archivos, las interfaces que se añaden o modifican, el orden en que deben integrarse los cambios y las pruebas que demuestran cada paso.

• Pídele que cite los archivos que realmente leyó. Un documento de diseño que describe una interfaz que el repositorio no tiene es la forma más común en que falla este flujo de trabajo, y las citas son la manera de detectarlo en un minuto en lugar de un sprint.

• Guarda el documento en el repositorio en lugar de pegarlo en la siguiente herramienta. Un ejecutor que lee un archivo puede volver a leerlo; un ejecutor que recibió un pegado solo tiene una oportunidad.

• Inicia el ejecutor con el documento como su instrucción, y limita cada pull request a una sección del mismo. Las sesiones largas son donde la calidad del agente decae silenciosamente.

• Después, mantén al planificador en un rol de solo revisión. Cuando el documento sea incorrecto, vuelve a planificar y actualiza el documento — no dejes que el ejecutor improvise saltándose el documento, porque el trabajo improvisado es lo que el documento existía para prevenir.

Dónde se rompe

• Estado obsoleto del repositorio — el planificador leyó la rama predeterminada mientras trabajas en una rama de características, por lo que las rutas de archivo del documento están una versión atrás. Indica qué rama leer o pega el árbol de la rama.

• Deriva del documento de diseño: el documento y el código no coinciden, y el ejecutor sigue el documento. El paso de archivos citados mencionado arriba es el seguro barato.

• Sorpresa de cuota en la dirección equivocada: una conversación de planificación de veinte minutos es barata en mensajes de Chat y cara en atención; una ejecución larga de agente es lo contrario. Presupuesta el cupo que realmente estás gastando.

• Degradación silenciosa: una sesión de chat que pasa a un modelo más pequeño tras varias rondas seguirá produciendo un documento de diseño seguro de sí mismo. Evalúa el documento por sus propios méritos, no partiendo de la suposición de que lo escribió el modelo insignia.

• Aumento gradual de permisos: la ruta de escritura, ya sea a través de un plugin o de un servidor MCP, otorga a una sesión de chat la capacidad de modificar tu código. Organiza los permisos en niveles y revócalos cuando el cambio se aplique.

Ejecutando la mitad del ejecutor a través de un solo endpoint

La mitad de planificación de este flujo de trabajo vive dentro de un producto de suscripción, y esa parte es lo que es. La mitad de ejecución es una llamada a la API, y esa es la mitad que vale la pena tener en propiedad. Si conviertes al ejecutor en un script —un pequeño bucle de agente, una tarea de CI que transforma un documento de diseño aprobado en una rama—, la llamada al modelo es la única pieza que tiene que ser intercambiable, porque el modelo que querrás el próximo trimestre no es el modelo con el que estás planificando hoy.

Para eso sirve una capa de enrutamiento. openai/gpt-6-astraestá detrás del mismo endpoint compatible con OpenAI que más de 200 modelos adicionales, con el precio de lista del proveedor trasladado con un 0 % de margen, de modo que cuando un proveedor cambia un precio, el precio de nuestro lado cambia el mismo día en lugar de hacerlo en la próxima renovación de contrato. La conmutación por error automática te permite poner un modelo no probado en una fracción del tráfico con uno ya probado por debajo, que es la forma honesta de averiguar si un ejecutor barato es lo suficientemente bueno para tus pruebas. Y el DSL de enrutamiento compone varios modelos en una sola llamada, de modo que un modelo revisor puede comprobar el diff del ejecutor con la misma clave, en la misma ruta de solicitud, sin una segunda integración.

Nada de eso cambia la estructura del traspaso. Cambia el costo de experimentar con la mitad que controlas: una clave, un endpoint y una cadena de modelo que puedes cambiar sin tocar el pipeline.

¿Quién debería ejecutar esto ahora y quién debería esperar?

Si ya pagas un plan de ChatGPT de nivel Pro y ya usas Codex o Claude Code, vale la pena adoptar el traspaso esta semana, porque las dos partidas ya están separadas en tu factura y el documento de diseño es lo más barato del ciclo. Empieza con un cambio que entiendas lo bastante bien como para detectar un mal plan: pide el documento, lee los archivos citados y luego entrégalo.

Si estás en Plus, modera las expectativas. Astra te resulta accesible a través de Work y Codex, pero no mediante Chat, así que la mitad de planificación de esta guía no está disponible para ti en la forma descrita: estarías planificando y ejecutando desde el mismo conjunto de recursos, lo que elimina el argumento económico y deja solo la disciplina de escribir el documento primero. Esa disciplina sigue valiendo la pena. El descuento, no.

Y si tu razón para querer esto es la ruta de escritura en Chat en lugar del traspaso, espera a que la documentación de OpenAI se ponga al día con el hilo del foro. Una capacidad que las propias páginas de ayuda del proveedor contradicen es una capacidad que conviene mantener en un repositorio de pruebas hasta que las páginas cambien.

La misma clave llega al resto del catálogo, y puedes explorar el catálogo completo de modelos para ver qué más hay detrás de un endpoint compatible con OpenAI.