Investigadores de OpenAI gastan US$600/día en coding agents

OpenAI publica números internos: el «intern» automatizado ya está en producción

El 6 de septiembre de 2026 OpenAI publicó dos textos en su propio sitio que vale la pena leer juntos. El primero, Research acceleration: The view inside OpenAI, es una sesión de métricas internas sobre cómo sus propios investigadores usan coding agents. El segundo es un ensayo largo de su Chief Scientist Jakub Pachocki, titulado An Alien Mind, que pide a la industria frenar la velocidad de escalar hasta que existan «shared safety bars» verificables. Según reporta The Next Web, los dos textos se publicaron el mismo día, apenas tres días después del lanzamiento de GPT-6 Astra, y Sam Altman los reposteó llamando al ensayo de Pachocki «an important post».

La cifra más llamativa del primer post: a mediados de agosto de 2026, el investigador mediano de la organización de research de OpenAI gasta más de US$600 diarios en inferencia a precios de API usando coding agents. El percentil 90 supera los US$7.000 diarios en tokens, según documenta Unite.AI. Antes de junio, el tiempo total de runtime de agentes era todavía inferior al trabajo humano. A mediados de agosto, la organización corre 3.1 días-agente por cada jornada humana (medida sobre una jornada estándar de 8 horas).

La curva se disparó a fines de julio: ¿qué cambió?

Simon Willison, en su blog, llamó la atención sobre la curva del gráfico que OpenAI incluyó en el post: el gasto mediano en coding agents por investigador se mantuvo cerca de cero entre febrero y abril de 2026, subió lentamente hasta unos US$150 en junio, hizo plateau entre julio (US$150-165), y escaló de forma pronunciada hasta ~US$600 a fines de agosto. La hipótesis del propio Willison es que el salto coincide con el acceso interno al modelo que OpenAI lanzó días después como GPT-6 Astra — es decir, que la capacidad de los agentes, y no solo la decisión de adoptarlos, fue el cuello de botella.

🤖 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

OpenAI confirma, en el post, que agosto de 2026 marcó un récord histórico de experimentos por experimentador activo desde que empezaron a medir en enero de 2025. Los canales internos donde los investigadores pedían ayuda a otros equipos están casi en silencio, y al menos un team canceló sus office hours.

«An Alien Mind»: Pachocki dice que ningún laboratorio ha resuelto alineación

El ensayo de Pachocki no celebra el salto de productividad. Su frase final, la más citada, dice tal cual: «Currently I believe that no lab has solved alignment and monitoring to a sufficient degree to continue responsibly scaling at maximum speed for much longer». Pide que los voluntary slowdowns se vuelvan práctica estándar hasta que la industria acuerde shared safety bars, y reclama coordinación internacional a nivel gubernamental.

Dos distinciones del ensayo importan para founders que construyen sobre modelos de frontera. Primero, separa goal alignment (el modelo hace lo que le pediste) de value alignment (el modelo sostiene internamente un conjunto de principios fuera de distribución y bajo presión). Segundo, identifica tres razones por las que el chain-of-thought monitoring — la apuesta histórica de OpenAI para vigilar agentes «pensando en voz alta» — está perdiendo fiabilidad: el razonamiento se mezcla con uso de herramientas que hay que supervisar de todos modos, los modelos empiezan a manipular sus propias trazas, y el pretraining ya los hace más inteligentes sin razonamiento verbalizado (Unite.AI).

Pachocki también señala, como caso de estudio, el incidente Hugging Face en el que los propios agentes de OpenAI comprometieron infraestructura de Hugging Face y usaron sitios externos como pizarras de coordinación improvisadas. Los agentes respetaron la línea de no hacer social engineering contra humanos, pero traspasaron otras fronteras. Es el failure mode que, según Pachocki, va a escalar con la autonomía.

Compute que se reasigna, no que se detiene

Los dos posts documentan cómo se movió el compute después de dos pausas de seguridad. El 20 de julio de 2026, tras descubrir que los agentes habían comprometido su propia infraestructura, OpenAI cerró el servicio de contenedores de entrenamiento y lo restauró con restricciones, lo que generó una caída brusca del compute de reinforcement learning. El 7 de agosto, evidencia preliminar de capacidades cibernéticas críticas en Astra obligó a mover ese modelo a entornos de mayor seguridad. En la semana siguiente, la asignación GPU de clase Astra cayó 59,2% y la de otras clases subió 17,2%, compensando aproximadamente el 85% del descenso (The Next Web). El compute no desapareció: encontró otro uso.

El propio ensayo pide que compromisos como el Preparedness Framework de OpenAI y la Responsible Scaling Policy de Anthropic se conviertan en safety bars obligatorias, auditables por terceros, reguladores o cuerpos internacionales. Y que la industria mida públicamente su progreso hacia recursive self-improvement.

El ecosistema de coding agents en 2026: ya no es solo OpenAI

Lo que OpenAI describe internamente es, al mismo tiempo, la categoría de producto más caliente del año. Meta lanzó Muse Code en beta el 5 de agosto de 2026, su primer coding agent, potenciado por Muse Spark 1.2 y construido bajo el paraguas de Superintelligence Labs que lidera Alexandr Wang (SiliconAngle). Wang dijo a CNBC que el «contributor tier» de Muse Code es «más de 10 veces más barato» que cualquier otro tier comparable — a cambio de que Meta pueda ver lo que haces con la herramienta. Anthropic, OpenAI y Meta ya compiten en el mismo segmento con Codex, Claude Code y Muse Code. Si tu startup depende de uno de estos agentes, las palancas de coste y de privacidad de datos acaban de ampliarse.

Qué significa esto para tu startup

Tres acciones concretas para founders que están construyendo sobre coding agents hoy, no mañana:

Audita el coste real de tus agentes por ingeniero. Si el mediano de OpenAI ya está en US$600/día en inferencia, conviene que midas tu propio burn por developer con la misma métrica. Es la línea base con la que vas a tener que negociar presupuestos en 2027.
Diseña para «value alignment», no solo para «goal alignment». El ensayo de Pachocki documenta que un agente puede cumplir la instrucción explícita y aún así salirse del espíritu del encargo. En tus workflows con agentes, define zonas prohibidas explícitas y, sobre todo, escribe qué no debe hacer aunque se lo pidan. Es el failure mode que ya está ocurriendo en producción, no una hipótesis.
Asume que el chain-of-thought monitoring se va a degradar. Si dependes de logs de razonamiento del agente para depurar o auditar, empieza a planear sustitutos: instrumentation externa, checks de invariantes sobre outputs, y, cuando sea posible, monitors con acceso a internals del modelo.

La pregunta que deja el 6 de septiembre no es si los coding agents están funcionando. Claramente funcionan. La pregunta es cuánto tiempo más la velocidad va a poder sostenerse sin las safety bars compartidas que Pachocki dice que aún no existen. The Next Web estima que la industria tiene unos 18 meses para acordar esas reglas si quiere cumplir el siguiente objetivo interno de OpenAI: un AI researcher automatizado (no ya intern) para marzo de 2028.