Llevo meses desarrollando casi todo con agentes. Así curro ahora: - Yo no escribo código. Escribo la spec y decido. - Varios agentes implementan en paralelo, cada uno en su worktree. - Revisa un modelo distinto del que implementó, y tiene que reproducir y romper los tests. - No se mergea nada sin build, tests y cobertura en verde. Aquí cuento lo que me funciona con Claude Code y Codex, y lo que no. Trucos, prompts y errores reales. ¿Cómo lo hacéis vosotros?

Empezando con agentes y pagando tú: plan de 20 de Claude más el de 20 de Codex. Opus orquesta, los agentes tiran de Haiku 5.5 y luna. Si se queda corto, subes. Mi experiencia: el de 100 compensa más que el de 200. ¿Cómo lo repartes tú?

¿Hay algún benchmark agentic de tareas largas con tools, o solo los de siempre? Sin acceso todavía, es lo único que diría si merece un hueco en la rotación de modelos para agentes.

OpenAI y ServiceNow amplían su acuerdo: modelos y agents de OpenAI dentro de ServiceNow, y workflows de ServiceNow dentro de ChatGPT y Codex. Lo práctico: la integración va en las dos direcciones. ¿Qué workflow meterías tú en Codex primero? openai.com/index/openai-serv…

Lo del estado persistente entre frames es lo que más me interesa comprobar. Si sales de una zona y vuelves a los cinco minutos, ¿sigue igual o la vuelve a inventar?

¿Cuánto aguanta la coherencia del mundo? Si giras la cámara y vuelves, ¿sigue ahí lo que había? Y el audio, ¿reacciona a lo que pulsas en el teclado o va por su lado?

Curious about the review step. For code I never let a model review its own output. Does the design agent check its slides with a different model, or the same one looking at a screenshot?

Codex 0.165.0 trae Google Cloud Vertex AI como provider integrado. Si ya tiras de GCP, se activa con una línea en la config: model_provider = "gcp". ¿Vais a mover parte del routing de modelos a Vertex? github.com/openai/codex/rele…

Ya no hay límites 👏

Before I route a cheaper model I check the usage terms, since some low-cost tiers train on prompts. With computer use that means whole screens. Does Terra keep the same data policy as the regular API?

Before routing an agent through it: does computer use on the API keep or train on the screenshots? A screen leaks far more than a prompt, so that answer decides where it runs.

¿Llegó a salir algo o lo cortó el sandbox? Ahí está la diferencia entre anécdota e incidente. Si el informe no dice qué salida de red tenía la máquina, cuesta sacar conclusiones.

How does the AI policy part work? Is it text the skill reads, or are some rules enforced? I put anything machine-checkable in hooks, not instructions. "No donor data in prompts" feels like that kind of rule.

One-tenth the price per token, but how many tokens does Terra burn per finished task vs Astra? And is the 3× faster wall-clock with tool calls and retries included?

For agent loops the line I'd check is cached input: an orchestrator's bill is event frequency × the uncached part of the conversation. Does the 50% cut apply to cached tokens too, or only standard input/output?

GPT-6.1 Terra llega con foco en visual reasoning y computer use. Cuesta $1/M tokens de input y $5/M de output, casi la mitad que GPT-6.1 Sol. Encaja bien en el routing: el computer use repetitivo de tus agents iría a Terra. ¿Lo meterías ahí? simonwillison.net/2026/Oct/2…