No necesitas un PC de alto rendimiento para usar Claude Code o Codex. En ambos casos, el modelo que piensa se ejecuta en servidores, así que el tiempo que la IA dedica a pensar y escribir no se acorta al comprar un PC nuevo. Lo que cambia con el rendimiento del PC es el tiempo de los comandos que se ejecutan en tu equipo, como las compilaciones, las pruebas y las búsquedas que pide la IA, y si tienes memoria suficiente (si no la tienes, todo se ralentiza).
El tiempo de trabajo se divide en dos partes
Tu PC
Tiempo local
- Ejecución de los comandos que pide la IA (compilaciones, pruebas, búsquedas, Docker)
- El funcionamiento de las herramientas y de las apps (si hay memoria suficiente)
Cambia con el rendimiento del PC
Servidores (Anthropic, OpenAI)
Tiempo del modelo
- La IA piensa, escribe respuestas y código
- Lo que lo acelera: los modos rápidos (precio y límites de uso)
No cambia aunque cambies de PC
Este artículo explica cómo distinguir estos dos tipos de tiempo, basándose en la información oficial de ambas herramientas y en un registro de trabajo guardado en el PC del autor. Allí donde las dos herramientas difieren, se usan los colores de Claude Code y Codex para compararlas lado a lado.
1. Requisitos oficiales del sistema
Estas son las condiciones que describe la documentación oficial (confirmadas el 24 de octubre de 2026). Ninguna de las dos empresas publica una cantidad de memoria recomendada. Los 4 GB de Claude Code son solo lo mínimo necesario para que funcione.
«Windows nativo» significa ejecutarlo sin WSL (Subsistema de Windows para Linux). Un sandbox es un mecanismo que aísla los comandos que ejecuta la IA. Fuentes: Claude Code «Set up Claude Code» y «Sandboxing»; OpenAI «Codex CLI», «ChatGPT desktop app», «ChatGPT desktop app for Linux» y «Sandbox»; los archivos de distribución de la CLI de Codex están en GitHub Releases.
2. Dónde se va el tiempo: qué cambia con tu PC
Las proporciones varían mucho según el tipo de trabajo y el PC, así que lo más fiable es medir el desglose de tu propio trabajo (en la sección 6 se explica cómo). Como referencia, aquí tienes un ejemplo de los registros que guardó el PC del autor para las dos herramientas.
No compares directamente los dos números (los denominadores y las unidades de agregación son distintos). Condiciones: sesiones iniciadas entre el 20 de septiembre y el 24 de octubre de 2026. PC: Intel Core i9-10900K, 48 GB de memoria, Windows 11; la carpeta de trabajo estaba en un HDD y el trabajo incluía muchos scripts que leían y escribían muchos archivos. Claude Code: sobre todo sesiones con Opus 5.5 (se excluyen las de menos de un minuto). Codex: tareas completadas con GPT-6.1 Sol y GPT-6 Astra (respuestas a una solicitud; se excluyen las tareas que se detuvieron a mitad). Ninguno de los dos registros muestra si el tiempo de espera de aprobación está incluido (si lo está, la proporción local saldría más alta).
En este ejemplo de un PC con HDD, el tiempo local supuso una proporción que no puede ignorarse en ninguna de las dos herramientas. En un PC con SSD, esa proporción puede ser menor. Solo esta parte es probable que se reduzca con un PC más rápido; el tiempo del modelo no cambia aunque cambies de PC. Cómo decidir si conviene cambiar de PC se resume en la sección 8.
3. La velocidad depende de la configuración y del precio, no del PC
Cuando quieres reducir el tiempo del modelo, lo que ayuda es la configuración del lado del servidor y el modelo que usas. Estos son los modos rápidos de las dos herramientas, lado a lado (confirmados el 24 de octubre de 2026).
Claude Code modo rápido
Hasta 2,5 veces más rápido
- Coste
- 2 veces el precio estándar (8 $ de entrada y 40 $ de salida por millón de tokens con Opus 5.5)
- Modelos
- Opus 5.5, Opus 5, Opus 4.8
- Quién puede usarlo
- Pro, Max, Team, Enterprise (se paga con créditos de uso, no con el límite de uso) y Claude Console
- Cómo cambiar
/fast
Codex Modo rápido
Multiplicador no indicado
- Coste
- Usa 2,5 veces el límite de uso estándar del plan (los créditos comprados cuentan al doble)
- Modelos
- GPT-6.1 Sol, GPT-6 Astra, GPT-6 Sol, GPT-6 Luna, etc.
- Quién puede usarlo
- Cuando se inicia sesión con ChatGPT
- Cómo cambiar
/fast(también en la aplicación de escritorio y en las extensiones del editor)
Codex Ultrarrápido
Hasta 8 veces más rápido (GPT-6 Astra)
- Coste
- Usa 8 veces el límite de uso (los créditos comprados cuentan 6 veces)
- Modelos
- GPT-6 Astra, GPT-6.1 Sol (multiplicador de Sol no indicado)
- Quién puede usarlo
- Pro de 500 $ (mensual) y los planes Enterprise y Edu que sean elegibles
- Cómo cambiar
- No indicado (en los planes elegibles, compruébalo en la selección de modelo)
Fuentes: Claude Code «Speed up responses with fast mode», Anthropic «Pricing» y OpenAI «Speed».
También hay formas de reducir el tiempo del modelo sin pagar más, en ambas herramientas.
| Método | Claude Code | Codex |
|---|---|---|
| Usa un modelo más ligero para las tareas sencillas | Cambia a Sonnet o Haiku con /model | Cambia a GPT-6 Luna, etc., con /model |
| Reduce la intensidad del razonamiento (esfuerzo) | /effort | Elígela junto con el modelo en /model |
| Reduce cuánto lee | Indica el alcance con precisión, por ejemplo «esta función de esta carpeta» / Cuando la conversación se alargue, resúmela o empieza una nueva | |
Bajar la intensidad del razonamiento hace que las respuestas sean más rápidas y baratas; subirla tarda más, pero hace que el modelo piense con más profundidad (Claude Code «Model configuration», OpenAI «Speed»). En tareas difíciles, un valor más alto puede mejorar la calidad, así que cámbialo según la tarea. Los límites de uso y los cargos adicionales se explican con más detalle en «Claude Code: trucos para ahorrar tokens y cargos adicionales al llegar al límite» y «Comparativa de los planes Pro de ChatGPT (precio y límites de uso)».
4. Dónde influyen las especificaciones del PC y cómo lo usas
Memoria: depende de lo que se ejecuta a la vez
Ejecutas la herramienta de IA junto con el navegador, el editor, Docker y los servidores de desarrollo. La cantidad que necesitas la marca la suma de todo lo que se ejecuta a la vez, y si se queda corta, pasar datos al disco (intercambio o swap) ralentiza todo. Las propias herramientas también influyen: Claude Code muestra una advertencia cuando una sola sesión supera los 2,5 GB (Codex no publica una cifra orientativa).
CPU y almacenamiento: compilaciones, pruebas y búsquedas
Las compilaciones y las pruebas que ejecuta la IA tardan casi lo mismo que si las ejecutaras tú a mano. La rapidez con la que se buscan y leen los archivos depende de si tienes un SSD o un HDD, y del número de archivos. Añadir a .gitignore las carpetas grandes de salida de las compilaciones, para que queden fuera de las búsquedas, también ayuda (un método que recomienda la documentación oficial de Claude Code).
Operación: evita ejecutar procesos pesados a la vez
Si hay compilaciones de Docker o máquinas virtuales ejecutándose en el mismo PC, los comandos de la IA compiten con ellos por la CPU y la memoria y acaban esperando. Cuando pidas una compilación o una prueba larga, detener otros procesos pesados acorta el tiempo local.
5. Uso en Mac, Windows y Linux
Ambas herramientas funcionan en los tres sistemas operativos. Lo que cambia según el sistema es si está disponible el sandbox, el mecanismo que aísla y ejecuta los comandos de la IA (confirmado el 24 de octubre de 2026).
| Dónde se ejecuta | Claude Code | Codex |
|---|---|---|
| Mac | Disponible Usa el mecanismo de macOS (Seatbelt); no necesita ninguna preparación adicional | Disponible Mecanismo de macOS (Seatbelt) |
| Windows nativo | No disponible Los comandos usan Bash si está instalado Git para Windows; si no, PowerShell | Disponible Sandbox propio de Codex (tabla de abajo) |
| WSL 2 | Disponible Requiere bubblewrap y socat | Disponible Mismo mecanismo que en Linux (bubblewrap y seccomp) |
| WSL 1 | No disponible Claude Code sí funciona | No compatible Codex no es compatible desde la versión 0.115 |
| Linux | Disponible Requiere bubblewrap y socat | Disponible bubblewrap y seccomp |
Fuentes: Claude Code «Sandboxing»; OpenAI «Sandbox» y «Windows sandbox» (confirmados el 24 de octubre de 2026).
Claude Code Preparar el sandbox en Linux y WSL 2
Instala bubblewrap y socat. En Ubuntu o Debian, usa sudo apt-get install bubblewrap socat; en Fedora, usa sudo dnf install bubblewrap socat. Puedes comprobar si falta algo en la pestaña «Dependencies» de /sandbox en Claude Code. En un Mac se usa el mecanismo de macOS (Seatbelt), así que no hace falta ninguna preparación adicional.
Codex Método de sandbox al usar Windows nativo
Se elige uno de tres métodos, de arriba abajo, según cuál esté disponible. El más reciente, MXC (Microsoft Execution Containers), usa el aislamiento de procesos que incorpora Windows. La documentación no indica si en Linux o WSL 2 hace falta instalar algo adicional.
| Método | Condiciones | Posición |
|---|---|---|
| MXC | Windows 11 24H2 (compilación del SO 26100.9278 o posterior) o 25H2 (compilación del SO 26200.9278 o posterior), con instaladas las funciones de MXC que Microsoft distribuye por fases | Recomendado (no requiere aprobación de administrador ni configurar el firewall) |
| elevated | Configuración predeterminada que aprueba un administrador | Primera alternativa cuando MXC no está disponible |
| unelevated | Permitido por la política de la organización | Última alternativa (aislamiento de red más débil) |
Puedes ver la compilación de tu SO en Configuración > Sistema > Acerca de, en «Especificaciones de Windows». Para comprobar si MXC funciona de verdad, ejecuta el siguiente comando en PowerShell desde la carpeta de tu proyecto, con la CLI de Codex (0.162.0 o posterior). Si aparecen MXC_OK y el código de salida 0, funciona.
codex -c windows.sandbox=mxc sandbox --include-managed-config --permission-profile :workspace -- cmd.exe /d /c echo MXC_OK
$LASTEXITCODEElegir entre Windows nativo o WSL 2 depende, en lo básico, de con qué herramientas se ejecuta tu proyecto. Si usas herramientas de compilación para Linux, WSL 2 es la opción natural; si desarrollas aplicaciones para Windows, lo natural es Windows nativo. Si quieres usar el sandbox con Claude Code, necesitas WSL 2.
6. Cómo saber de dónde viene la lentitud
Antes de cambiar de PC, comprueba dónde se va el tiempo. Los pasos son los mismos en ambas herramientas.
- Observa en la pantalla qué es lo que va lento
El texto de la IA tarda en aparecer Tiempo del modelo. Consulta las incidencias en las páginas de estado (Claude, OpenAI) y cambia a un modelo más ligero o baja la intensidad del razonamiento (sección 3).Un comando que aparece como «en ejecución» nunca termina Tiempo local. Ejecuta ese comando en tu propia terminal. Si también va lento a mano, el problema está en el comando o en tu PC. Pedirle a la IA que reduzca el alcance también ayuda.Escribir o las operaciones en pantalla son pesadas en sí mismas Un problema de la propia herramienta. Prueba las soluciones oficiales de la sección 7.
- Si el tiempo local es largo, comprueba el efecto de cambiar de PCRevisa los tres puntos de la sección 8.
Medir el desglose con números (leyendo los archivos de registro, para usuarios avanzados)
| Qué medir | Claude Code | Codex |
|---|---|---|
| Tiempo del modelo | «Total duration (API)» en /usage | Se estima como el total menos el tiempo de ejecución de comandos |
| Tiempo local estimado | En los registros (JSONL en ~/.claude/projects), el totalToolDuration de la línea cost-state al final de la sesión (incluye también las consultas web, etc.) | En los registros (JSONL en ~/.codex/sessions), la diferencia entre started_at_ms y completed_at_ms en las líneas item_completed cuyo tipo es CommandExecution |
| Total | «Total duration (wall)» en /usage (incluye el tiempo de espera de la entrada) | duration_ms en la línea task_complete |
Son los mismos valores que se usaron para la agregación de la sección 2. La ubicación de los registros figura en la documentación oficial de cada empresa, pero la forma de leer los elementos es una interpretación del autor a partir de los registros y no está explicada oficialmente. El tiempo de razonamiento de Codex (tipo Reasoning) no incluye el tiempo dedicado a escribir respuestas o código, así que el tiempo total del modelo hay que estimarlo por resta. Ninguno de los dos registros muestra si el tiempo de espera de aprobación está incluido.
7. Qué hacer cuando va lento o se congela
Si la propia herramienta va pesada o se congela, prueba las soluciones oficiales de cada herramienta antes de preocuparte por el rendimiento del PC. Primero, actualiza la herramienta a la última versión y, si la sesión es larga, ciérrala y vuelve a abrirla. Es el primer paso común a ambas.
Claude Code
- Si aparece una advertencia de memoria (montón de más de 2,5 GB en una sesión), reinicia y continúa con
claude --continue - Cuando la conversación es larga, usa
/compact; reinicia entre tareas grandes - Usa
claude --safe-modepara comparar con los complementos, los servidores MCP y los hooks desactivados - Si deja de responder, pulsa Ctrl+C; si no funciona, cierra la terminal y usa
claude --resume - Si tu carpeta de inicio está en una unidad de red (como NFS), instala los programas en un disco local
La página oficial de Troubleshooting trata sobre la CLI. Para la aplicación de escritorio, empieza por actualizar y reiniciar.
Codex
- Si parece bloqueado, comprueba primero si está esperando una aprobación
- Comprueba si un comando sencillo como
git statusfunciona en la terminal - Si no funciona, empieza un chat nuevo con una solicitud reducida a algo pequeño
- Si la terminal se congela, vuelve a abrir el panel; si sigue, reinicia la aplicación cuando termine el chat
- Si las ejecuciones programadas acumulan muchos worktrees (copias de trabajo de Git), archiva las ejecuciones que ya no necesites
La página oficial de Troubleshooting es para la aplicación de escritorio. Para la CLI, empieza por actualizar y abrir una sesión nueva. En cuanto a la lentitud de la aplicación en Windows, un representante de OpenAI explicó en GitHub que una de las causas se corrigió en la versión del 28 de agosto de 2026 (ChatGPT v26.825.32147) (openai/codex #20214).
8. Tres cosas que comprobar antes de comprar un PC nuevo
Si no te aplica ninguno de los tres puntos siguientes, cambiar de PC apenas cambiará la duración de tu trabajo. En cuanto al segundo: si tu carpeta de trabajo está en un HDD, pasarla antes a un SSD es una opción más económica.
¿Te falta memoria?
Durante tu trabajo habitual (con la herramienta de IA, el navegador, el editor y Docker abiertos), compruébalo con el método de la tabla de abajo. Si está pegada al límite, añadir memoria servirá. Para un PC nuevo, usa como referencia el uso en ese momento + la cantidad que quieres añadir + un margen.
¿Hay comandos que van lentos incluso cuando los ejecutas a mano?
Localiza los comandos largos con el método de la sección 6 y mide su tiempo ejecutándolos a mano. Si son largos, un PC con CPU o almacenamiento más rápidos los acortará. Si tienes un HDD, pasar antes a un SSD es la solución más barata.
¿Aumenta el número de cosas que quieres ejecutar a la vez?
Si quieres más sesiones, subagentes o contenedores de Docker ejecutándose a la vez, influyen la memoria y el número de núcleos de la CPU.
| Qué comprobar | Windows | Mac | Linux |
|---|---|---|---|
| Memoria | Administrador de tareas, «Rendimiento» → «Memoria»: ¿la memoria en uso está pegada al límite? | Monitor de actividad, pestaña «Memoria»: ¿la «Presión de memoria» está en amarillo o en rojo? | free -h: ¿queda memoria disponible? |
| SSD o HDD | Administrador de tareas, «Rendimiento» → «Disco» | «Información del Sistema», «Almacenamiento», «Tipo de medio» | lsblk -d -o name,rota (es HDD si ROTA es 1) |
9. Si ejecutas modelos en local, es otra historia
Todo lo anterior supone Claude Code o Codex, donde el modelo se ejecuta en un servidor. Si ejecutas un modelo en tu propio PC, por ejemplo con Ollama, el rendimiento del PC se traduce directamente en velocidad. En particular, la memoria de la GPU (VRAM) y la memoria del sistema determinan el tamaño del modelo que puedes ejecutar y la rapidez con que responde. Para elegir PC, consulta «Requisitos de hardware para LLM locales», y para empezar, «Cómo ejecutar un LLM local».
10. Resumen
- No necesitas un PC de alto rendimiento. La CLI de Claude Code necesita 4 GB de memoria o más, x64 o ARM64, y conexión a Internet. Codex no publica cifras de memoria ni de CPU. Ninguno necesita GPU.
- El tiempo del modelo no cambia con el PC. Para hacerlo más rápido, usa el modo rápido (que consume más de tu precio o de tus límites de uso), un modelo más ligero, una menor intensidad de razonamiento o reduce cuánto se lee.
- Lo que cambia con el PC es el tiempo local (compilaciones, pruebas, búsquedas, Docker). En el ejemplo del PC con HDD del autor, supuso una proporción que no podía ignorarse en ninguna de las dos herramientas. La proporción varía según el trabajo y el PC, así que mira tu propio desglose antes de decidir.
- El sistema operativo cambia el sandbox. En Windows nativo, Claude Code no está disponible (sí con WSL 2) y Codex sí lo está (el método recomendado requiere una versión reciente de Windows 11).
- Cuando todo va pesado o se congela, primero están las soluciones oficiales de las herramientas. Cambia de PC solo después de comprobar que el tiempo local es largo.
Preguntas frecuentes
P. ¿Se puede usar en un Mac con poca memoria o en un portátil barato?
R. La CLI de Claude Code funciona si cumples sus requisitos (véase la tabla de la sección 1), como 4 GB de memoria o más y x64 o ARM64. Codex no publica cifras de requisitos, y la descarga de la aplicación de escritorio para Mac está indicada para Apple silicon (la CLI también tiene una versión para los Mac Intel). Con ambas herramientas, el tiempo del modelo es el mismo que en un PC de gama alta. La diferencia está en los comandos locales y en la memoria cuando hay muchas aplicaciones abiertas a la vez.
P. ¿Bastan 8 GB de memoria?
R. Ninguna de las dos herramientas publica una cantidad recomendada. El mínimo de Claude Code (4 GB) queda superado, pero que sea suficiente depende de la suma de lo que se ejecuta a la vez. Como referencia, usa el consumo actual durante el trabajo, más la cantidad que quieres añadir, más un margen. Para saber cómo medirlo, consulta el primer punto de la sección 8.
P. ¿Un PC nuevo irá más rápido?
R. El tiempo del modelo no cambiará. Solo se acorta el tiempo local, como las compilaciones, las pruebas y las búsquedas. Cuál de los dos es más largo depende del trabajo, así que primero comprueba con el desglose de la sección 6.
P. ¿Claude Code y Codex requieren PC distintos?
R. No mucho. Ambas ejecutan el modelo en servidores, y tu PC ejecuta la propia herramienta y los comandos que pide la IA. La diferencia aparece en el sandbox: en Windows nativo, Codex funciona (el método recomendado requiere una versión reciente de Windows 11), mientras que Claude Code no (funciona con WSL 2).
Páginas oficiales consultadas (confirmadas el 24 de octubre de 2026): Claude Code «Set up Claude Code», «Sandboxing», «Troubleshooting», «Speed up responses with fast mode»; OpenAI «Codex CLI», «ChatGPT desktop app», «Sandbox», «Windows sandbox», «Speed», «Troubleshooting». Los precios y los requisitos pueden cambiar, así que consulta las páginas oficiales antes de usarlos.
