Guías, comparativas y novedades sobre herramientas de IA

Los mods de Claude Code (Claude Mods) son plugins que ejecutan funciones de JavaScript o TypeScript dentro de Claude Code, añadidos oficialmente en la v2.1.287 el 1 de octubre de 2026. Este artículo explica cómo funciona un mod de tres archivos, en qué se diferencia de los hooks tradicionales escritos en settings.json, de las skills y de MCP, qué pueden hacer los mods, como dibujar paneles en la interfaz, crear comandos que se ejecutan sin esperar y retener una llamada a una herramienta para preguntar al usuario, y límites como el tiempo de ejecución, todo ello a partir del texto original de la documentación oficial consultado el 5 de octubre del mismo año. Un mod se ejecuta con tus permisos fuera del sandbox y puede anular decisiones de permisos. Una tabla muestra que las reglas deny se mantienen en Team o Enterprise o en un equipo con managed settings, pero que en un plan personal un mod puede aprobar incluso llamadas que una regla deny había rechazado. También recoge los resultados de leer el código de los tres mods de ejemplo oficiales de Anthropic y contar qué API usan, cómo leer claude plugin validate antes de instalar, cómo probar mods, pedirle a Claude que cree uno y desactivarlos, dónde se ejecutan los mods y los mods integrados, y una lista de comprobación antes de instalar.

Puedes delegar el desarrollo en las sesiones en la nube de Claude Code sin abrir una nueva vía de entrada a producción: guarda el código en un repositorio privado de GitHub, instala la Claude GitHub App solo en ese repositorio y haz que el servidor de producción solo haga pull con una deploy key de solo lectura. Este artículo es mi registro de cuando empecé a usar las sesiones en la nube en otro proyecto de desarrollo el 4 de octubre de 2026, contrastado con el texto original de la documentación oficial en esa fecha. Explica que claude --cloud sin GitHub envía el historial de todas las ramas y los cambios sin confirmar en archivos rastreados (en Windows, sea cual sea el nombre del archivo), cómo resolverlo cuando hay conectada otra cuenta de GitHub, «Only select repositories» y por qué aparecen repositorios públicos en la lista, por qué conviene crear un entorno nuevo por proyecto si cualquiera que use un entorno puede leer sus variables de entorno, que los archivos locales no son visibles y que en la nube Accept edits se detiene en cada comando mientras que Auto sigue adelante, todo ello reunido en una lista de comprobación previa. También comparte un caso real en el que una sola instrucción ejecutada de forma autónoma consumió 226 $ de crédito por tiempo limitado antes de que le dijera que parara a mitad, por qué el crédito se gasta tan rápido y formas de reducir el coste.

Incluso con Pro personal, las conversaciones y el código de ChatGPT y Codex se usan por defecto para entrenar. Un ajuste de ChatGPT también frena las tareas nuevas de Codex, pero el entrenamiento con entornos tiene un control aparte. La guía recoge qué información no conviene introducir, qué hacer si ya enviaste datos sensibles y las excepciones de borrado y revisión.

Que tus conversaciones con Claude Code se usen para entrenar modelos de IA depende de tu plan y del ajuste de tu cuenta. En los planes de consumo Free, Pro y Max, tus datos solo se usan para entrenar mientras el ajuste de mejora del modelo de la privacidad de claude.ai está activado (se guardan 5 años), y desactivarlo detiene el entrenamiento (se guardan 30 días). El ajuste pertenece a tu cuenta, así que no hace falta cambiar archivos de configuración en el ordenador donde se ejecuta Claude Code. A partir del texto original de la página "Data usage" de la documentación de Claude Code, del Privacy Center de Anthropic y de la página "API and data retention" de Claude Platform a 4 de octubre de 2026, este artículo explica dónde está el ajuste y cómo desactivarlo, por qué desactivarlo no retira tus datos de entrenamientos anteriores, cómo se tratan las valoraciones 👍👎, /feedback y las conversaciones marcadas como infracción de la política, y el entrenamiento y la conservación por plan, incluidos Team, Enterprise, la API y Bedrock. También aclara que las entradas y salidas de la API no se usan para entrenar por defecto y se eliminan en un plazo de 30 días, qué cubre el ZDR y por qué los Covered Models como Fable exigen 30 días de conservación, las variables de entorno que detienen las métricas de uso y los informes de errores que se envían aparte del entrenamiento, las transcripciones guardadas en texto plano en tu propio ordenador y cómo elegir la configuración para trabajo confidencial.

Claude Tag es una función de Anthropic que te permite encargarle a Claude investigaciones, redacción de documentos, informes periódicos e incluso borradores de pull requests en GitHub con solo escribir @Claude en un canal de Slack (anunciada el 23 de junio de 2026, en beta pública). Solo pueden usarla las organizaciones Team y Enterprise; en los planes Pro y Max personales, el aviso puede aparecer en claude.ai, pero al hacer clic no lleva a ninguna parte. Comprobé que es intencionado con la pantalla real que aparece al hacer clic con un plan Max personal y con la fila correspondiente de la página oficial de solución de problemas. Este artículo recoge, a partir del texto original de la documentación oficial a fecha de 4 de octubre de 2026, un diagrama para decidir si puedes usarlo, cómo los compañeros sin licencia de Claude pueden pedirle cosas en los canales, a qué presupuesto se carga cada tipo de trabajo (las opciones de límite mensual y los límites de 7 días, $50 y 50 sesiones en los mensajes directos de miembros sin cuenta conectada), cómo pedirle cosas en canales, mensajes directos y mensajes directos de grupo, la memoria del canal, las ejecuciones programadas y la supervisión de canales con Routines, el cambio de modelo, la conexión de herramientas con Access bundles y cuentas de Claude dedicadas, el flujo de PR en GitHub y GitLab y la aprobación por dos personas, el trato a los invitados y a Slack Connect, la conservación y eliminación de datos, los problemas y comandos habituales, y en qué se diferencia del anterior Claude in Slack, de Cowork y de Claude Code.

El /doctor prompt-audit de Claude Code (/checkup prompt-audit es lo mismo) hace que Claude lea CLAUDE.md, CLAUDE.local.md, AGENTS.md y las reglas, skills, comandos y subagentes de .claude/, busque prompting escrito para modelos antiguos, referencias a archivos o comandos que no existen e instrucciones que se contradicen, y devuelva un informe con diffs propuestos. No cambia nada hasta que lo pidas y requiere v2.1.283 o posterior. A partir de la documentación oficial y el CHANGELOG consultados a 3 de octubre de 2026 y de la guía de auditoría incluida en Claude Code, este artículo explica cómo ejecutarlo y acotarlo con una ruta, qué considera obsoleto (redacción demasiado enfática, rutas inexistentes, conflictos entre archivos y más), su norma de no borrar el contexto ni las prohibiciones que existen por un motivo, los seis campos del informe y cómo leer los niveles de confianza, y en qué se diferencia de /doctor, /claude-api prompt-audit y el comando claude doctor de la terminal. También cuenta qué pasó al ejecutarlo sobre los archivos de instrucciones de este sitio (7 de 9 hallazgos aplicados, entre ellos un desfase real: una explicación que olvidamos reescribir tras añadir una regla) y precauciones como el consumo de la cuota de uso, la variación entre ejecuciones y el esfuerzo de revisar los hallazgos antes de aplicarlos.

El prompt caching reutiliza el cálculo de la parte inicial de una solicitud que coincide con una anterior, para procesar esa entrada más barata y más rápido. OpenAI (GPT-5.6 y posteriores) lo tiene activado por defecto, con una caché de 30 minutos (o 12 horas), escritura a 1.25x y lectura a 0.1x; Claude solo lo usa si añades cache_control, con 5 minutos (o 1 hora), escritura a 1.25x (2x con 1 hora) y lectura a 0.1x. Con datos de la documentación oficial del 3 de octubre de 2026, el artículo compara requisitos y precios en tablas, calcula cuántas lecturas hacen falta para compensar la escritura y explica por qué la caché no funciona y cómo verificarlo con usage y los diagnósticos.

/code-review de Claude Code es una skill integrada que lee los commits que van por delante de upstream más los cambios sin confirmar (o el PR, la rama o la ruta que le pases), busca errores de corrección y te los informa. /review es un alias, la revisión se ejecuta como un subagente en segundo plano y su coste cuenta dentro de tu uso normal. Este artículo explica cómo indicar el objetivo, cómo elegir entre low (solo los hallazgos más seguros) y de medium a max (más cobertura, aunque hay que filtrar los resultados), la regla de que, si no indicas el nivel, se reutiliza el último que escribiste, la advertencia de que las ediciones de --fix hechas en segundo plano no se pueden deshacer con /rewind, y dónde publica --comment en GitHub y GitLab. También explica ultra, en el que varios agentes en la nube devuelven solo hallazgos verificados (unos 15 a 25 minutos; 3 ejecuciones gratuitas únicas en Pro y Max y, después, normalmente entre 5 y 25 $ por ejecución en créditos de uso), y en qué se diferencia /code-review de /simplify, /security-review, Code Review de la app de GitHub y claude-code-action, a partir del texto original de la documentación oficial y del CHANGELOG a 2 de octubre de 2026 (la descripción de los niveles, a 14 de octubre). Por último, comparte los resultados de ejecutar una vez /code-review high sobre el código del detector de imágenes IA de este sitio (9 de 10 hallazgos eran errores reales, y se corrigieron todos) y las desventajas, como el consumo de uso, el trabajo de comprobar los hallazgos y cómo deshacer --fix.

En la aplicación de escritorio de ChatGPT (Codex), la mascota flotante se oculta con clic derecho y la opción Ocultar Mini. Si vuelve a aparecer, revisa primero el atajo que la muestra, porque la documentación oficial no describe cómo desactivarla en la aplicación. Aquí comparamos los ajustes, Mini y las diferencias entre CLI, web y la extensión del IDE, con capturas de Windows y documentación oficial.

«Selected model is at capacity» en Codex es un error causado por la congestión de OpenAI. Con sus registros oficiales de incidencias y el historial de ejecución, confirmamos que se clasifica como sobrecarga del servidor. Te explicamos el orden para actuar (esperar, revisar incidencias y probar otro modelo), las diferencias con los límites de uso, 401 y thread not found, y qué conviene guardar si vuelve a ocurrir.

ChatGPT dot es un agente de IA continuo que sigue avanzando en tareas aunque no estés conversando, e incluye el primer dot sin cargo adicional en Pro. Al pedirle una app de tareas, dot generó la aplicación y añadió la función de deshacer eliminación, pero la comprobación en pantalla la completó Codex. Repasamos precios, memoria, permisos, delegación y cómo detener el trabajo para que decidas cuándo usar dot y cuándo Codex.

ChatGPT Pro tiene tres niveles: 100, 200 y 500. Desde el 29 de octubre de 2026, las cuotas de Work y Codex son 10, 20 y 50 veces Plus (calculado por este sitio), y los precios mensuales oficiales son 100, 200 y 500 dólares, así que dos planes 100 y un 200 cuestan lo mismo y ofrecen la misma cuota total; los precios en moneda local varían según el país o la región. La guía también explica el consumo por velocidad, cómo y cuándo usar los vales de reinicio guardados y en qué se diferencian de los créditos.