Codex de OpenAI trae 1.7GB local con Python, Node y LibreOffice

¿Qué encontró Simon Willison dentro del Codex de OpenAI?

El 1 de septiembre de 2026, Simon Willison —uno de los observadores más agudos del ecosistema IA— publicó en su blog algo inesperado: el cliente de escritorio del Codex de OpenAI (rebautizado como «ChatGPT» pero todavía basado en el runtime de Codex) viene con 1.7GB de dependencias instaladas localmente, incluyendo una copia completa de LibreOffice. La cifra aparece al revisar la carpeta ~/.cache/codex-runtimes/codex-primary-runtime/ en macOS con la herramienta OmniDiskSweeper, y se desglosa así: 429.7MB de LibreOffice en modo headless, 446.4MB de Node.js, 440.6MB de Python, 187.9MB de Poppler, 148.1MB de git y 4.7MB de libheif.

Para que el agente pueda usar esos binarios existe una carpeta de «skills» en ~/.cache/codex-runtimes/codex-primary-runtime/plugins/openai-primary-runtime/plugins/documents, donde se le indica a Codex cómo invocar cada herramienta. El detalle importa: ya no se trata de un agente que vive en la nube y devuelve texto, sino de un agente que opera el sistema de archivos del usuario con herramientas de escritorio reales.

¿Por qué Codex necesita Python, Node y LibreOffice?

La razón es práctica: cuando un agente de IA tiene que leer, convertir o editar documentos —PDFs, DOCX, hojas de cálculo— necesita hablar con un software real. LibreOffice en modo headless (sin interfaz gráfica) es la opción estándar en código abierto para esa tarea: convierte DOCX a PDF, extrae texto, aplica formato y renderiza hojas de cálculo. Por eso OpenAI lo empaqueta junto con Poppler (otra utilidad para PDFs basada en xpdf), git (para clonar y leer repositorios locales) y runtimes completos de Python y Node.js para que Codex pueda ejecutar scripts arbitrarios durante una tarea. En conjunto, el runtime del agente pesa más que muchas suites ofimáticas tradicionales.

🤖 La IA no es solo para leer sobre ella

En la comunidad la aplicamos: automatización, agentes IA y herramientas reales para emprender, no solo para informarte.

👥 Aplicarla en la comunidad

Willison lo interpreta como una pista del modelo que está adoptando OpenAI para su cliente de escritorio: agentes que ejecutan código y manipulan archivos locales, en línea con la estrategia de Computer Use. Esta arquitectura es la misma que justificó, según reportó ZDNET, el rediseño de la app ChatGPT: la versión clásica fue reemplazada por una basada en Codex, sumando además un modo «Work» para tareas agénticas de varios pasos en la nube. El propio TechCrunch documentó cómo ChatGPT Voice puede dictar comandos complejos al agente en escritorio, incluido pedirle que abra hilos, cree pull requests o encuentre la causa de un bug en una sola instrucción. La nueva app también llegó a Linux en versión preview, según TechRepublic, con soporte para Ubuntu 24.04 y 26.04 LTS, Debian 13 y Fedora 43 y 44.

¿Qué dice esto sobre los agentes de IA locales?

El dato revela un patrón más profundo: los agentes de IA «locales» no son ligeros. Cada usuario que instala Codex arrastra un runtime de Python, Node, un fork completo de LibreOffice (que, según la Document Foundation, derivó de OpenOffice.org en 2010) y varias utilidades de sistema. En la misma máquina que revisó Willison también aparecen 356.8GB de Hugging Face y 82.5GB de uv, ilustrando el apetito de almacenamiento del stack moderno de IA.

Hay una ironía aquí. Mientras OpenAI debe empaquetar software pesado para que su agente funcione sin depender exclusivamente de la nube, LibreOffice 26.8 —publicado por la Document Foundation— presentó su actualización más reciente presumiendo explícitamente de no incluir «ninguna función de IA generativa» y mantener todos los datos locales, según Digital Trends. El contraste es relevante: el gigante de la IA necesita a la suite open source para dar a su agente superpoderes ofimáticos, y la suite open source, en paralelo, se vende como el antídoto contra la dependencia de la IA en la nube.

¿Qué significa esto para tu startup?

Si estás construyendo un producto agéntico, hay tres lecciones operativas que este snapshot deja sobre la mesa.

Calcula el coste de almacenamiento desde el día uno. Si tu agente necesita manipular documentos, vas a empaquetar —o a depender de— binarios pesados. Esto impacta el tamaño del instalador, la fricción de descarga y, en móvil, el peso del binario. Dato a guardar: 1.7GB es el coste actual del cliente de escritorio de Codex de OpenAI. Una alternativa: ejecutar estas operaciones en una sandbox remota y enviar solo el resultado al usuario.
Piensa en skills, no solo en prompts. OpenAI no le enseña a Codex con un texto qué hacer con LibreOffice: lo hace con archivos de «skills» en una carpeta dedicada. Si construyes sobre Codex o sobre APIs agénticas equivalentes, la documentación estructurada (qué herramienta usar, con qué flags, para qué caso) es lo que convierte a un modelo en un agente competente. Invertir en ese catálogo de skills paga más que ajustar prompts.
Estudia el modelo «headless» para tus integraciones. Si tu SaaS necesita generar PDFs, convertir Word a HTML o extraer tablas de hojas de cálculo, LibreOffice en modo headless es una alternativa madura y gratuita frente a servicios de pago por documento. Para startups en fase temprana, evita lock-in con un proveedor cerrado desde el primer día.

Conclusión

El descubrimiento de Willison es pequeño en superficie —una carpeta de caché— y grande en implicaciones: los agentes de IA en escritorio ya no son una capa de texto sobre un navegador, son un runtime completo con su propio sistema de dependencias. Para los founders, la pregunta ya no es solo «qué modelo uso» sino «qué sistema operativo está montando mi proveedor de IA en la máquina del cliente». Quien entienda esa capa —y la controle, o al menos la dimensione en costes— llevará ventaja cuando estos agentes empiecen a ser productos de consumo masivo.