OpenAI ha cambiado la forma en que Codex gestiona la comunicación entre sus agentes de IA internos, haciendo ilegible para los desarrolladores una parte del sistema que antes era visible. Según informes de The Decoder, Codex ha cifrado desde principios de junio las instrucciones que un agente principal envía a subagentes, por lo que ahora los usuarios ven cadenas opacas en el historial de la sesión en lugar de descripciones de tareas legibles.

El cambio importa porque los asistentes de programación están pasando de autocompletado de un solo turno a sistemas de varios pasos que dividen el trabajo entre agentes especializados. En ese esquema, las instrucciones de entrega suelen ser la ventana más clara sobre lo que realmente está haciendo el sistema. Si los desarrolladores no pueden inspeccionar esas delegaciones internas, depurar, auditar y confiar se vuelve más difícil justo cuando los equipos consideran usar herramientas como Codex para tareas de software más amplias.

Qué ha cambiado en Codex

El cambio central informado es sencillo: ahora las instrucciones internas entre agentes en Codex están cifradas. The Decoder afirma que los desarrolladores ya no pueden leer cómo un agente principal asigna trabajo a subagentes, porque el registro de la sesión muestra texto ilegible en lugar de descripciones de tareas en lenguaje natural.

La publicación informa de que el comportamiento comenzó a principios de junio. También dice que la aplicación varía según el modelo. Para las variantes más grandes de GPT-5.6, Sol y Terra, el cifrado se describe como obligatorio. La variante más pequeña de GPT-5.6, Luna, al parecer sigue utilizando una ruta legible. The Decoder informa además de que GPT-5.5 impidió brevemente a los desarrolladores desactivar el cifrado mediante un interruptor, pero desde entonces se ha vuelto a una ruta legible.

Si esos detalles son correctos, sugieren que OpenAI no está aplicando una política uniforme en todos los niveles de modelo. En cambio, parece que la empresa está probando o haciendo cumplir diferentes reglas de observabilidad según el tamaño del modelo o la vía de despliegue. OpenAI no había explicado públicamente la razón del cambio en el material de origen proporcionado.

Por qué a los desarrolladores les importa la delegación interna

Para los usuarios de sistemas de programación agénticos, los mensajes internos no son un detalle estético. A menudo son la única forma práctica de entender si un modelo descompuso correctamente una tarea, envió las instrucciones adecuadas a un subagente que usa herramientas o se desvió antes de producir código.

Eso importa especialmente en flujos de trabajo similares a Codex, donde un sistema de IA puede planificar, llamar a herramientas, inspeccionar archivos, proponer cambios y entregar pasos especializados a trabajadores internos. Cuando esos pasos son visibles, los desarrolladores suelen poder detectar pronto modos de fallo obvios: se le preguntó a un subagente la cuestión equivocada, se le dio contexto obsoleto o se le indicó que operara en la ruta de repositorio incorrecta. Una vez ocultas esas instrucciones, los usuarios quedan evaluando solo el resultado final y los pocos registros superficiales que queden.

The Decoder señala un informe de error en GitHub que pide a OpenAI almacenar una copia local legible de la tarea delegada junto con la versión cifrada. Esa solicitud refleja una necesidad empresarial común: las compañías pueden aceptar un transporte seguro o controles de privacidad en el backend, pero aun así quieren auditabilidad local para los flujos de trabajo de ingeniería y cumplimiento. Sin ella, la observabilidad se degrada justo en el momento en que los productos de programación con IA piden confianza para asumir más autonomía.

Las preocupaciones de fiabilidad surgen junto con el cambio de privacidad

El informe no se detiene en la transparencia. The Decoder dice que varios desarrolladores han informado de transferencias fallidas en las que el contenido cifrado no pudo ser descifrado por un subagente. En algunos casos, al parecer, el problema apareció incluso cuando el agente principal y el subagente usaban el mismo modelo.

Si ese patrón se mantiene más allá de informes anecdóticos, convertiría un problema de visibilidad en un problema operativo. La delegación oculta es una cosa; la delegación oculta que además puede fallar silenciosamente es más grave para los equipos que usan herramientas de programación con IA en flujos de trabajo de producción o cercanos a producción.

La evidencia disponible aquí es limitada. La fuente describe informes de desarrolladores, no un aviso formal de incidente de OpenAI ni una divulgación verificada de tasas de error. No hay una cifra publicada sobre la frecuencia de estos fallos, qué usuarios se ven afectados o si el problema se limita a configuraciones específicas en GPT-5.6. Aun así, las quejas no cuantificadas importan porque los sistemas agénticos dependen de una transferencia de contexto fiable. Una capa de transferencia frágil puede socavar el valor de la automatización de nivel superior.

Para quienes evalúan Codex frente a otros productos de asistentes de programación, esto plantea una pregunta práctica: ¿cuánta opacidad están dispuestos a aceptar a cambio de comodidad o calidad del modelo? En los agentes de IA, la fiabilidad y la capacidad de inspección suelen importar tanto como el rendimiento bruto en benchmarks.

Lo que OpenAI ha confirmado — y lo que sigue siendo especulación

El hecho más sólidamente confirmado en el conjunto de fuentes es el propio comportamiento del producto: los desarrolladores están viendo instrucciones cifradas de agente a agente en Codex. The Decoder dice que OpenAI no ha explicado por qué.

El resto de la interpretación sigue sin confirmarse. Una teoría que circula en la comunidad, citada por The Decoder, es que OpenAI podría querer proteger rastros internos valiosos de sus competidores. La idea es que las transferencias entre agentes contienen datos de entrenamiento ricos sobre descomposición, planificación y ejecución, y exponerlos podría facilitar que fabricantes rivales de modelos destilen un comportamiento similar.

El informe vincula esa sospecha con preocupaciones más amplias de la industria sobre la destilación de modelos, incluida la discusión reciente en torno a Zhipu AI y el modelo abierto GLM-5.2. Pero eso sigue siendo una inferencia, no una prueba de que este cambio concreto en Codex esté impulsado por una defensa competitiva. No hay ninguna declaración directa de OpenAI en las fuentes proporcionadas que relacione la delegación cifrada con esfuerzos antidestilación.

Una segunda explicación en The Decoder es más simple: el cifrado puede formar parte de una arquitectura existente de privacidad o gestión de estado. El informe señala que la API de OpenAI ya cifra estados intermedios para que puedan reenviarse en solicitudes posteriores sin almacenar texto claro en los servidores. Si Codex ha ampliado ese enfoque a las transferencias entre agentes, el movimiento podría deberse más al diseño interno de seguridad que al secreto frente a los usuarios finales.

En esta etapa, ambas explicaciones siguen siendo plausibles. Lo que falta es la propia justificación de OpenAI, junto con documentación sobre si los usuarios pueden conservar rastros locales legibles, si las transferencias cifradas son opcionales en algunos modos de despliegue y cómo espera la empresa que los desarrolladores depuren flujos de trabajo multiagente cuando el grafo interno de tareas queda oscurecido.

Qué significa esto para los creadores de IA y los compradores empresariales

Este cambio en Codex llega en un momento incómodo para la IA empresarial. Cada vez más, los compradores quieren agentes de IA que hagan más que sugerir código; quieren sistemas que puedan investigar errores, modificar varios archivos, ejecutar pruebas y coordinar subtareas. Pero cuanta más autonomía obtiene un sistema, más trazabilidad suelen exigir las empresas.

Esa tensión ahora es visible en Codex. Si OpenAI bloquea los mensajes internos en GPT-5.6, Sol y Terra mientras deja Luna más abierta, los equipos de producto quizá tengan que elegir entre modelos de mayor capacidad y una mejor transparencia. Eso no es solo un asunto de experiencia de usuario. Afecta al análisis de causa raíz, la revisión de incidentes, la aprobación de cumplimiento y la aceptación interna por parte de los equipos de seguridad.

Para los creadores de agentes de IA y plataformas de asistentes de programación, el episodio pone de relieve una compensación de diseño más amplia. Exponer trazas internas similares a la cadena de pensamiento puede mejorar la depuración, la confianza y el aprendizaje del usuario. Ocultarlas puede reducir el riesgo de fuga, simplificar los límites de seguridad o proteger métodos de orquestación propietarios. El desafío es que los clientes empresariales a menudo quieren ambas cosas: controles sólidos de privacidad y una observabilidad sólida.

La cobertura de The Decoder sugiere que OpenAI puede estar priorizando actualmente un lado de ese equilibrio en partes de Codex. Si es así, los competidores pueden ver una oportunidad. Los proveedores que puedan ofrecer transparencia de agentes, registro local o delegación auditable sin exponer razonamientos sensibles del backend podrían atraer a compradores incómodos con la automatización de caja negra.

Evidencia y afirmaciones

La evidencia subyacente de esta historia procede principalmente de la cobertura de The Decoder sobre el comportamiento de Codex y los comentarios de desarrolladores. El artículo afirma que las transferencias cifradas han aparecido desde principios de junio e identifica comportamientos específicos por modelo en GPT-5.5 y GPT-5.6, incluidos Sol, Terra y Luna. También cita un informe de error de GitHub y quejas de desarrolladores sobre fallos de descifrado en transferencias de subagentes.

Lo que no está presente en el material de origen es una nota de producto de OpenAI, una actualización formal de documentación, datos de benchmarks, un aviso de soporte o una declaración ejecutiva que explique la política. Eso significa que el mecanismo se ha informado y observado, pero la motivación no está confirmada.

Del mismo modo, las afirmaciones de que la medida pretende bloquear la destilación o proteger rastros brutos de razonamiento son teorías de la comunidad transmitidas por The Decoder, no hechos establecidos. Las referencias a Zhipu AI, GLM-5.2, GPT-5.5 y Opus 4.8 aportan contexto de mercado sobre por qué los desarrolladores sospechan una protección competitiva, pero no prueban la intención de OpenAI en Codex.

Qué vigilar a continuación

La siguiente señal importante es si OpenAI publica documentación de Codex explicando la política de cifrado y el flujo de trabajo previsto para los desarrolladores al depurar agentes de IA. Una segunda cuestión clave es si la empresa añade una opción para registros locales legibles mientras mantiene el transporte o el almacenamiento cifrados en el backend.

Los creadores también deberían vigilar si continúan los informes de fallos de descifrado en GPT-5.6, especialmente en Sol y Terra, o si el problema fue un inconveniente de implementación de corta duración. Si OpenAI amplía silenciosamente de nuevo el acceso legible, como dice The Decoder que hizo para GPT-5.5, eso sugeriría que la reacción de los usuarios está influyendo en las decisiones de producto.

En términos más amplios, este es un caso de prueba para la próxima generación de herramientas de IA empresarial. A medida que los agentes de IA se vuelvan más comunes dentro de los productos de asistentes de programación, los compradores tendrán que decidir cuánta opacidad interna pueden tolerar. A su vez, los proveedores tendrán que demostrar si pueden proteger rastros sensibles del sistema sin convertir la automatización crítica en una caja negra.

Perspectiva de Creati.ai

La importancia de este cambio en Codex no es el cifrado en sí. El manejo seguro del estado interno es normal. El verdadero problema es la pérdida de capacidad de inspección en una categoría de producto agéntico que pide a los usuarios ceder más control del flujo de trabajo. Si los desarrolladores no pueden ver la delegación, pierden una de las pocas herramientas prácticas que tienen para validar y corregir el comportamiento de la IA antes de que el mal código llegue aguas abajo.

Para el mercado, Codex está sacando a la luz un conflicto de diseño al que se enfrentarán muchos agentes de IA. Los proveedores de modelos quieren proteger los rastros internos, reducir la fuga y gestionar la seguridad. Los clientes quieren observabilidad, reproducibilidad y confianza operativa. Los ganadores en la IA empresarial podrían ser las plataformas que reconcilien esas demandas en lugar de obligar a los usuarios a elegir entre capacidad y claridad.