OpenAI DevDay 2026: Computer Use 180° más rápido y Agents API

Qué cambió en OpenAI DevDay 2026 para los que construyen sobre Computer Use

El 29 de septiembre de 2026, OpenAI convirtió su DevDay en San Francisco en el evento más operativo del año para desarrolladores hispanohablantes: más de 20 anuncios que reconfiguran cómo se automatiza software con IA. Según Mashable, la jornada dejó lanzamientos de Dots (asistentes always-on), el modelo GPT-6.1 Sol, el plan Pro 500 a US$500/mes con modo Ultrafast y, sobre todo, el esperado Agents API con soporte nativo para Computer Use y la nueva Decisions API.

Para un founder, lo importante no es la keynote: es que OpenAI ahora expone la misma pila interna que mueve Codex, y eso baja la barrera para construir agentes que operan páginas web y aplicaciones sin API propia.

Por qué Computer Use ya «no es lo que era hace tres meses»

En la primera mitad del episodio de Latent Space grabado en el DevDay, Ari Weinstein —ex cofundador de Sky y hoy líder de producto e ingeniería de Computer Use en OpenAI— responde a una afirmación del podcaster Dwarkesh, que había sostenido que Computer Use no avanzó en dos años. «Computer Use está 180 grados distinto de lo que era hace unos meses», dijo Weinstein. ¿Qué cambió?

🤖 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

Depuración y recuperación. Antes los agentes arrancaban bien la tarea y se rompían al primer error; ahora introspeccionan qué falló y reintentan.
Acceso multimodal. El modelo combina capturas de pantalla, árboles de accesibilidad, DOM directo y Playwright, en lugar de «ver y hacer clic» a ciegas.
Generación de JavaScript en línea. El agente ya no ejecuta una acción por turno: escribe código que la computadora corre, agrupando varios pasos.
App Shots en Codex y ChatGPT. Un doble toque de tecla vuelca el contexto completo —incluido el texto que el screenshot truncaba— con representación optimizada para tokens.

El propio Weinstein lo resumió con un caso: ordenar un meal prep que a él le tomaba dos horas lo dejó resuelto en 15 minutos con GPT-6.1 Sol, y su equipo ya lo usa para automatizar soporte de YouTube porque la plataforma no expone API para A/B testing o community posts.

Los números que importan: GPT-6.1 Sol y el coste real

El nuevo GPT-6.1 Sol es la versión «caballa de batalla» del DevDay 2026, según la nota de Unite.ai. OpenAI lo posiciona a un quinto del coste de GPT-6 Astra manteniendo capacidades de agentic coding y computer use. La tarifa de API:

US$2 por millón de tokens de entrada
US$0,10 por millón de tokens de entrada en caché (95% de descuento)
US$10 por millón de tokens de salida

En benchmarks publicados por OpenAI y recogidos por SiliconANGLE, el modelo:

Alcanza a Astra en DeepSWE 1.1 (tareas reales de ingeniería de software) a una quinta parte del coste por tarea.
Supera a GPT-6 Sol por 7 puntos en OSWorld 2.0 (computer use offline), quedándose a 2,1 puntos de Astra con un coste por tarea de aproximadamente un séptimo.
Duplica la puntuación de GPT-6 Sol en Terminal-Bench Science 0.1, promediando US$5,47 por tarea, frente a US$23,21 de Opus 5.5 y US$23,80 de Astra.
Baja la tasa de alucinaciones del 11,4% al 7,7% a bajo razonamiento, una reducción cercana al 32%.

Para founders que hoy queman tokens en flujos largos, el dato clave es la caché de prompt a US$0,10/M: convierte a Sol en el candidato natural para agentes que releen el mismo contexto repetidamente.

Ultrafast: cuando la latencia define el producto

OpenAI presentó Ultrafast, una capa premium de velocidad que genera hasta 300 tokens por segundo en Codex (8 veces más rápido) y hasta 6 veces más rápido en la API. Está disponible de inmediato para GPT-6 Astra en API y planes Pro 500/Enterprise; la versión GPT-6.1 Sol Ultrafast llega en los próximos días.

En la conversación de Latent Space, Weinstein lo conectó directamente con Computer Use: «una parte no trivial del tiempo en nuestros benchmarks se va en esperar a que cargue doordash.com». La fórmula del equipo pasa por detección event-driven (load events de JavaScript, no esperas ciegas) combinada con inferencia rápida para reaccionar apenas la página termina de renderizar.

Dots y la nube Linux: el agente con su propia PC

El anuncio más visible del DevDay fue Dots, el asistente «always-on» de OpenAI que rivaliza con Muse de Meta, según The Verge. Cada Dot opera sobre su propio Linux virtual en la nube —no es un browser embebido ni un acceso a tu Mac— y puede correr aplicaciones de escritorio completas.

Según The Verge, Dots ya se conecta a más de 4.000 apps vía plugins y admite interacción desde ChatGPT web/móvil/desktop, Slack, Microsoft Teams y llamadas de voz, con iMessage y RCS en lista de espera para Pro. Los casos oficiales:

Developers: triage de feedback de clientes, fix y PR con video.
Product Managers: revisar impacto de cambios de spec en materiales de lanzamiento.
Investigadores: re-análisis de datos cuando llega material nuevo y actualización de gráficos.
Sales: cruzar requisitos del cliente con la documentación.
Creadores: detectar clips para redes sociales desde transcripciones.

El propio Sam Altman mostró en el keynote que el equipo de OpenAI resuelve «docenas de bugs por día» con un Dot que detecta reportes en Slack, investiga y abre el PR. Dots arranca en planes Pro y Business Premium, con beta Enterprise/Edu/Healthcare activado por admin.

Codex en la nube: cerrar la laptop sin parar el trabajo

El Codex Cloud es, según TechCrunch, el cambio más práctico para equipos de ingeniería: tareas que antes exigían mantener la laptop abierta ahora corren en entornos reutilizables, accesibles desde el teléfono, el navegador o el escritorio, con settings y permisos aprobados por el equipo. El CLI se renovó con voz bidireccional y una vista /agents para delegar y monitorear múltiples tareas en paralelo.

Sobre testing, Weinstein lo dejó claro en Latent Space: «uno de mis casos favoritos es que el agente pruebe el software que acaba de construir. Tradicionalmente eras el QA del agente; ahora cierras el ciclo». Un desarrollador citado en el episodio incluso describió un visual playtest skill para detectar problemas de diseño que el code review puro no captura, y otro flujo para clonar SaaS pantalla por pantalla hasta reemplazarlo.

Decisions API: Luna envuelta para elegir entre opciones

La Decisions API usa el modelo ligero Luna para responder, en menos de un segundo, preguntas con respuestas predefinidas —perfecto para clasificación, ruteo de tickets, selección del siguiente paso de un agente o, incluso, reacción de robots a su entorno. Hoy está en preview limitada; el rollout amplio llega en días.

Según Latent Space, el equipo de la API clonó el patrón en una semana y describieron el resultado como «un wrapper de Luna, por ahora», pero con la intención declarada de traer las capacidades de Computer Use bajo la misma superficie. OpenAI ya la usa internamente para clasificación de soporte y workflows internos.

Agents API con Computer Use: la misma pila que Codex, ahora como servicio

El Agents API —que según Unite.ai está disponible en planes Pro 500 y Enterprise, con beta privada a través de Amazon Bedrock Managed Agents para correr en AWS— incorpora Computer Use, multi-agente, búsqueda de herramientas y compactación de contexto server-side. La promesa: en lugar de mantener tu propio harness, heredas la misma implementación que entrenó al modelo.

Weinstein lo justificó así en Latent Space: «hay gran trabajo por hacer si quieres armar el tuyo, pero entrenamos los modelos sobre nuestro harness; hay ventaja en distribución». Para founders, eso significa tres cosas concretas:

Menos tiempo invertido en infraestructura de agente.
Latencia y coste ya optimizados por OpenAI.
Computer Use funciona contra sitios de terceros sin que tengas que mantener integraciones.

El propio equipo describió la confianza como el siguiente cuello de botella: consentimiento explícito antes de pagos, scope de apps por tarea y sandboxing del modelo con credenciales separadas son las piezas que OpenAI está empujando como estándar.

Qué significa esto para tu startup

Si estás construyendo un producto SaaS, una agencia de automation o un workflow interno con IA, el DevDay 2026 te cambia el cálculo económico:

Acciones inmediatas para implementar esta semana
Mapea los flujos donde hoy re-procesas el mismo contexto repetidamente y migra a GPT-6.1 Sol con prompt caching: el precio de US$0,10/M en caché es el diferencial que vuelve viable un agente de soporte 24/7.
Audita tus tareas más largas —soporte al cliente, QA visual, generación de contenido— y pruébalas contra el Agents API con Computer Use antes de seguir manteniendo tu propio harness. Es la única forma de saber si la mejora de 7x que OpenAI reporta en Sol aplica a tu dominio.
Si dependes de una API pobre o inexistente (YouTube, ERPs legacy, portales bancarios), diseña un piloto de Computer Use sobre un Dot o el Agents API para validar latencia y permisos antes de comprometerte a un producto.
Riesgos que conviene modelar ya
Computer Use todavía choca con esperas no event-driven (chat de soporte, páginas lentas). Incluye fallback explícito y telemetria de cuánto tiempo se va en «waiting» vs «thinking».
El modo Ultrafast cuesta 6 veces el precio estándar; úsalo solo donde la latencia define el product-market fit, no como default.
Dots y Computer Use tienen sandboxing por diseño, pero la conversación del DevDay lo dejó sobre la mesa: «¿qué es lo peor que puede pasar?» sigue siendo la pregunta correcta antes de delegar pagos o acceso a sistemas críticos.
Pregunta estratégica para tu próximo board meeting
¿Qué porcentaje de tu coste operativo son tareas humanas operando software que ya podría hacer Computer Use? OpenAI publicó OSWorld 2.0 y DeepSWE 1.1 como benchmarks públicos; corre tu propio subconjunto y tendrás un número defendible ante inversores.