OpenAI ha revelado GPT-5.3-Codex-Spark, una versión optimizada de Codex que se centra en un asunto crítico: la latencia. Si trabajas con IA para programar a diario, sabes que lo que realmente interrumpe el flujo no es la falta de inteligencia del modelo, sino el tiempo de espera entre petición y respuesta. Ese breve lapso de segundos que puede parecer trivial en teoría, pero que en la práctica interrumpe la concentración y enfría las ideas.

En este contexto, OpenAI señala que Spark está diseñado para proporcionar una inferencia notablemente más rápida que la versión más reciente de Codex lanzada a principios de mes. Sin embargo, lo fascinante no es solo que hayan ajustado un modelo más ligero, sino que lo han potenciado utilizando un chip dedicado de su socio de hardware, Cerebras.

Cuando una compañía como OpenAI comienza a hablar de silicio específico, se hace evidente que ya no estamos ante una mera mejora de software, sino ante una estrategia que afecta directamente la infraestructura.

OpenAI no solo entrena modelos: ahora también se adentra en el hardware

La colaboración entre OpenAI y Cerebras fue anunciada el mes pasado, junto a una cifra impresionante: un acuerdo plurianual que supera los 10.000 millones de dólares. No se trata de “probar unos cuantos servidores” para ver qué sucede, sino de una inversión sostenida en construir una infraestructura que proporcione respuestas más rápidas y coherentes.

OpenAI presenta Spark como el “primer hito” de esta asociación, lo que sugiere que estamos empezando algo más grande. Cuando una empresa líder en el desarrollo de modelos combina sus sistemas con hardware específico, el mensaje es claro: el cuello de botella no solo está en el software. Así, surge una pregunta inevitable: ¿estamos presenciando el surgimiento de stacks de IA cada vez más cerrados, donde modelo e infraestructura evolucionan de forma conjunta?

El WSE-3 de Cerebras: el megachip que no compite con una GPU convencional

Codex-Spark operará sobre el Wafer Scale Engine 3 (WSE-3) de Cerebras, un megachip waferscale de tercera generación que contiene 4 billones de transistores. Esto significa que Cerebras no compite en la tradicional carrera de “más GPUs por rack”, sino que adopta una filosofía diferente: construir un chip enorme con rutas internas optimizadas para cargas de trabajo de IA.

También te puede interesar:Nvidia Crea la Supercomputadora de IA más Pequeña del Mundo y Elon Musk Fue de los Primeros en Recibirla

OpenAI enfatiza que Spark está diseñado para lograr la mínima latencia posible dentro del ecosistema Codex, y es precisamente en este aspecto donde Cerebras busca diferenciarse. La empresa presume de su capacidad en escenarios donde la latencia ultrabaja es fundamental, no un lujo. Para el usuario final, todo esto se traduce de manera clara: que Codex deje de sentirse como una herramienta en “modo demo” y comience a comportarse como un compañero que responde casi en tiempo real.

Por qué Spark es relevante si programas: menos “tareas épicas” y más prototipado veloz

OpenAI describe Spark como una herramienta ligera, enfocada en la productividad diaria y el prototipado ágil, no en esas tareas largas y complejas para las que está diseñado el GPT-5.3 original. No es el Codex más potente en cuanto a razonamiento profundo, sino el Codex que no interrumpe tu flujo.

La dirección es clara: colaboración ágil en tiempo real e iteración rápida. Cuando la IA responde de forma casi instantánea, la dinámica de trabajo cambia radicalmente. Realizas más preguntas, pruebas más variantes y te das permiso para explorar alternativas sin sentir que cada intento consume tiempo. La fricción disminuye y, con ella, la barrera psicológica para experimentar.

Aquí la jugada se vuelve más intrigante, porque OpenAI no parece considerar a Spark como un modelo aislado, sino como parte de una arquitectura de producto más amplia. La compañía ya habla de un Codex futuro con dos modos complementarios: uno orientado a la colaboración en tiempo real, enfocado en velocidad e iteración, y otro destinado a tareas más prolongadas que requieran un razonamiento y ejecución más profundos. En términos prácticos, podría ser algo así como un “modo copiloto” inmediato y un “modo agente” que opera en segundo plano mientras tú continúas avanzando.

Disponibilidad: por ahora, si no pagas Pro, te toca observar desde fuera

Por el momento, GPT-5.3-Codex-Spark está accesible como vista previa de investigación para los usuarios de ChatGPT Pro dentro de la aplicación de Codex. Antes del anuncio oficial, Sam Altman ya había hinted en redes sociales sobre que “algo especial” llegaría ese mismo día para los usuarios Pro, allanando el terreno para esta presentación.

Este aspecto no es menor, ya que ratifica una tendencia clara: las mejoras en latencia, que son percibidas de manera inmediata y tangible, se están transformando en una de las palancas más sólidas para justificar planes premium. Cuando la diferencia no es solo “más capacidad”, sino “más velocidad”, el valor se hace evidente en cada interacción.

Cerebras se perfila como líder: nueva financiación, alta valoración y una IPO en el horizonte

Cerebras ha operado durante más de una década, aunque ha sido con el reciente auge de la IA cuando su nombre comenzó a destacarse junto a gigantes como NVIDIA, AMD o los grandes hyperscalers. La semana pasada, anunció la obtención de 1.000 millones de dólares en nueva financiación, alcanzando una valoración de 23.000 millones, y ya ha manifestado su intención de salir a bolsa. En este contexto, una asociación de este tipo con OpenAI se convierte en un escaparate difícil de igualar.

Sean Lie, CTO y cofundador de Cerebras, ha mencionado que lo más emocionante de Spark es explorar junto a OpenAI y la comunidad de desarrolladores lo que permite la inferencia rápida: nuevos patrones de interacción, casos de uso innovadores y una experiencia que describe como “fundamentalmente distinta”. El objetivo no es simplemente “aumentar la velocidad”, sino habilitar nuevas formas de usar el producto al eliminar el tiempo de espera del diseño.

Lie concluye calificando esta vista previa como “solo el principio”, una frase que puede sonar a teaser, pero que en este contexto resulta creíble. La barra queda alta: si OpenAI logra que Codex se sienta realmente instantáneo, el resto del mercado tendrá que ofrecer más que atractivos benchmarks en una diapositiva.

Al final, lo que realmente intriga es esto: si el futuro de la IA aplicada implica integrar modelo, chip y experiencia de uso en un diseño coherente, tal vez estemos entrando en una nueva fase donde la magia ya no radica únicamente en el LLM, sino en todo el ecosistema técnico que lo respalda.