Tu programador de IA está perdiendo la memoria
«He gritado frente al ordenador varias veces.» Es la queja real de un desarrollador profesional en GitHub, el 18 de julio de 2026. El motivo: descubrió que Codex, el asistente de programación con IA de OpenAI, se estaba volviendo cada vez más «olvidadizo».
En los últimos meses, innumerables programadores han dependido de Codex (el motor de IA detrás de GitHub Copilot) para escribir código, corregir errores y desarrollar proyectos. Este asistente tiene una capacidad clave: la ventana de contexto, es decir, cuánto código e información puede «recordar» de una sola vez. Cuanto mayor es la ventana, más amplio es el alcance del proyecto que puede entender simultáneamente.
Y entonces, el 18 de julio de 2026, un desarrollador descubrió un cambio inquietante en un Pull Request de GitHub.
El código mostraba que OpenAI había reducido silenciosamente la ventana de contexto de su modelo estrella GPT-5.6 Sol en Codex, de 372.000 a 272.000 tokens. 100.000 tokens menos — una reducción del 27% en la «capacidad de memoria».
Sin anuncio, sin correo electrónico, sin guía de migración. Solo un Pull Request silencioso (PR #33972), con el título «Refresh model metadata», con fecha de hace dos días.
Cómo se descubrió
La forma en que se descubrió ya dice mucho.
Un desarrollador con el ID AmazingTurtle notó un comportamiento anómalo de Codex en su uso diario — al trabajar en proyectos grandes, la IA «olvidaba» con frecuencia lo discutido anteriormente, y las sugerencias de código solían estar fuera de contexto. Empezó a investigar y finalmente encontró el repositorio de código abierto codex de OpenAI en GitHub, donde un PR recién fusionado de dos días antes contenía la respuesta.
Fue en el diff de ese PR donde una línea de código lo reveló todo:
- "context_window": 372000,
+ "context_window": 272000,De 372k a 272k. Limpio, directo. Una sola línea que hacía retroceder la productividad de decenas de miles de desarrolladores.
El cambio de context_window de 372000 a 272000 en el PR #33972. Una línea de código, el 27% de la «memoria» se esfuma.
El descubrimiento se compartió rápidamente en Hacker News y en menos de un día acumuló casi 300 votos y más de 140 comentarios. Los desarrolladores lo llamaron «degradación de pago» — pagas lo mismo y recibes menos servicio.
¿Qué significan 100k tokens?
Para los lectores que no escriben código, hagamos una analogía.
Imagina que 372k tokens son como un asistente con mucha energía que puede recordar de una vez la disposición general de toda tu oficina — cada mesa, cada archivador. De repente le das solo espacio para 272k tokens, es como si solo pudiera recordar dos tercios de lo que ve. Le cuentas cosas y, a medida que trabaja, se le olvida lo que le dijiste antes.
Para los programadores, la situación es más concreta:
- Los proyectos grandes son los más perjudicados. Un proyecto de software de tamaño medio puede tener decenas o cientos de miles de tokens solo en su código principal. Con una ventana de contexto más pequeña, la IA no puede «entender» completamente la arquitectura del código base, y sus sugerencias de modificación suelen entrar en conflicto con la lógica existente.
- Las conversaciones se «fragmentan» más fácilmente. La colaboración entre un desarrollador y Codex suele ser un diálogo continuo — discutir requisitos, revisar cambios, ajustar. Una ventana de contexto más pequeña significa que la IA olvida con más frecuencia los acuerdos alcanzados al inicio de la conversación.
- La pesadilla de la compactación automática. Codex tiene un mecanismo de «compactación automática» que, cuando el contexto se acerca al límite, comprime y resume automáticamente el historial de la conversación. Pero como se quejó el usuario jubilanti en HN: «La compactación mata mis sesiones, alucina y es peor que empezar de cero. He tenido suficientes veces gritándole al ordenador cuando quema tokens en un código base grande, llega al 15%, se auto-compacta, alucina tanto que tiene que leer todo el código base otra vez, llega al 15%, se auto-compacta… un bucle infinito.» (原文: Compaction kills my sessions, it hallucinates and is worse than starting fresh. I’ve had enough times screaming at my computer when it burns tokens on a large codebase, gets to 15%, auto-compacts, and hallucinates so bad it has to read the entire codebase again, gets to 15%, auto-compacts…)
El comentario del usuario tekacs fue aún más directo: «372k no era perfecto, pero era mucho mejor, un regalo del cielo. Convertía ese 12-20% de contexto útil en más o menos un 40%.» (原文: 372 was not perfect, but it was so much better and a godsend. It turned that 12 to 20% into more like 40%.)
En otras palabras, los usuarios ya no estaban contentos con 372k, y ahora, con el recorte a 272k, la situación es aún peor.
La airada reacción de los desarrolladores en Hacker News: casi 300 votos y más de 140 comentarios.
La perspectiva de OpenAI: quizás no sea «mala fe»
Sin embargo, reducir esto a «OpenAI está perjudicando a sus usuarios» nos haría perder una imagen más compleja. Para ser justos, puede haber razones comerciales y técnicas legítimas detrás de esta decisión.
Primero, control de costes y estructura de precios.
Algunos análisis señalan que Codex tiene un mecanismo oculto: cuando una solicitud supera los 272k tokens, OpenAI cobra el doble del precio de entrada. La ventana anterior de 372k significaba que muchos usuarios entraban sin saberlo en la franja de precio elevado. «Corregir» la ventana de contexto a 272k, en cierto modo, evita que los usuarios crucen ese umbral de gasto excesivo — aunque empeore la experiencia de uso.
En otras palabras, no es una simple decisión de «recortar capacidad». Antes comprabas con el precio estándar un espacio de 372k que podía disparar una facturación doble; ahora compras con el mismo precio un espacio de 272k que no generará cargos adicionales. OpenAI probablemente considera esto una «normalización» del servicio.
Segundo, la «actualización de metadatos» a nivel técnico.
La descripción oficial de OpenAI en el PR era «Refresh bundled GPT-5.6 model instructions and context-window metadata» — actualizar las instrucciones del modelo GPT-5.6 y los metadatos de la ventana de contexto. Dicho de otro modo, OpenAI podría considerar que los 372k anteriores eran un «error de configuración» y que ahora simplemente lo han «corregido» al valor correcto.
Tercero, asignación de capacidad de cómputo bajo presión competitiva.
En 2026, el mercado de asistentes de programación con IA está en una competencia feroz. Claude Code de Anthropic y varias herramientas basadas en modelos abiertos compiten por los usuarios. Mantener ventanas de contexto grandes consume una enorme capacidad de cómputo. Con OpenAI bajo presión de salida a bolsa (en junio de 2026 ya circulaban rumores de retraso en la IPO) y la necesidad de ser rentable, reducir el consumo de recursos por usuario permite servir a más usuarios. Es una estrategia típica de optimización de costes en empresas SaaS.
El problema es que el coste de esta «optimización» recae sobre los usuarios.
La reacción de los usuarios: una ruptura de confianza
Lo más relevante de este incidente es la ruptura emocional de los usuarios.
En la discusión de Hacker News, el sentimiento generalizado era de decepción y traición. Los usuarios sentían que eran recursos gestionados.
Un desarrollador veterano señaló: «El hecho de que no se pueda desactivar la compactación automática ni volver al historial de la conversación anterior a una compactación hace que Codex no sea viable para mí en cualquier código base de más de 5.000 líneas.» (原文: The fact there is no way to disable auto-compaction and no way to go back in the conversation history to before a compact makes codex a no-go for me on any codebase > 5kloc.)
Otro usuario fue más directo: «La falta de contexto largo es la razón principal por la que sigo usando Anthropic.» (原文: The lack of long context is the main reason that I still end up using Anthropic.)
En la industria de la IA, el coste de migración para los usuarios es altísimo — has invertido mucho tiempo en que la IA entienda tu código base, tu estilo, la arquitectura de tu proyecto. Cuando ya estás profundamente vinculado a una plataforma, cualquier «actualización inversa» por parte de la plataforma te deja en un dilema: aguantar la degradación o invertir muchísimo tiempo en migrar a la competencia.
Ahí reside precisamente el verdadero poder destructivo de la acusación de «degradación de pago».
Lecciones para la industria: el «tacañeo» en la era de la IA
Este incidente trasciende el cambio de un parámetro en un producto.
En 2026, toda la industria de la IA está experimentando una gran transformación, pasando de «crecer a cualquier coste» a «operaciones eficientes». Las grandes empresas de modelos buscan modelos de negocio rentables. En junio de 2026 circularon rumores de retraso en la IPO de OpenAI, y a esto le siguieron una serie de medidas de reducción de costes — desde ajustes en los precios de la API hasta este recorte de la ventana de contexto de Codex.
El problema es que el principal valor de los productos de IA es su propia «capacidad». La ventana de contexto, la capacidad de razonamiento, la calidad de generación —这些东西 definen el valor central de un producto de IA. En el software tradicional, puedes reducir la calidad de imagen o eliminar funciones, y aunque los usuarios se quejen, siguen usando el producto. Pero en la IA, la «memoria» lo es todo. Un asistente de IA que no recuerda el contexto pierde la mitad de su valor para los desarrolladores.
Esto debería ser una llamada de atención para toda la industria: cuando las empresas de IA empiezan a escatimar en las capacidades principales de sus productos, la tolerancia de los usuarios es mucho menor que en el software tradicional.
Conclusión
La operación silenciosa de OpenAI es, técnicamente, solo un cambio de una línea de código. Pero esa línea refleja el difícil dilema de un gigante de la IA entre los intereses de la empresa y la experiencia del usuario — y hacia dónde se inclina actualmente.
Para el usuario común, la lección es clara: en la era de la IA, la «capacidad» del servicio que has contratado puede ser reducida sigilosamente cualquier noche, y ni siquiera recibirás un correo para enterarte.
Al cierre de esta edición, OpenAI aún no ha hecho declaraciones oficiales al respecto. El debate en HN continúa, y algunos desarrolladores ya han iniciado comparativas de herramientas alternativas. Y esa línea que cambió de 372.000 a 272.000 ya se ha fusionado silenciosamente en la rama principal, convertida en el estándar de Codex versión 0.144.
Tu programador de IA está perdiendo la memoria a largo plazo.
Referencias: Discusión en HN (item?id=48965850), GitHub PR #33972
Créditos de imágenes: Figura 1: captura del diff del PR #33972 de GitHub donde context_window pasa de 372000 a 272000. Figura 2: página de discusión de Hacker News mostrando la airada reacción de los usuarios ante el cambio.
