--- title: "OpenAI acelera Codex con Cerebras: 1.000 tokens/segundo y un “plan B” real a NVIDIA" description: "OpenAI ha dado un paso que, más allá del titular, puede tener consecuencias de fondo en el mercado de la inferencia: su nuevo gpt-5.3-codex-spark (una variante orientada a “trabajar en el momento”, co..." url: https://revistacloud.com/openai-acelera-codex-con-cerebras-1-000-tokens-segundo-y-un-plan-b-real-a-nvidia/ date: 2026-02-13 modified: 2026-02-13 author: "Antonio" image: https://revistacloud.com/wp-content/uploads/2024/08/openai-logo-wallpaper.jpg categories: ["Inteligencia artificial", "Noticias"] tags: ["Cerebras", "codex", "NVIDIA", "OpenAI"] type: post lang: es --- # OpenAI acelera Codex con Cerebras: 1.000 tokens/segundo y un “plan B” real a NVIDIA OpenAI ha dado un paso que, más allá del titular, puede tener consecuencias de fondo en el mercado de la inferencia: su nuevo **gpt-5.3-codex-spark** (una variante orientada a “trabajar en el momento”, con respuestas ultrarrápidas) se sirve **sobre infraestructura de Cerebras**. El mensaje es doble: por un lado, OpenAI pone el foco en la **latencia** como nueva obsesión del *coding AI*; por otro, deja caer que ya existe una **segunda vía** para ejecutar modelos a gran escala sin depender exclusivamente del ecosistema de NVIDIA. La noticia llega en un momento en el que los asistentes de programación compiten menos por “acertar” y más por **sentirse inmediatos**: el tiempo hasta el primer token (TTFT), la fluidez del *streaming* y la capacidad de mantener un diálogo técnico sin pausas se han convertido en la frontera real del producto. Y ahí, OpenAI cree haber encontrado una ventaja tangible con Cerebras. --- ### ¿Qué es exactamente Codex-Spark y por qué importa? Según OpenAI, **Codex-Spark** está diseñado para tareas de programación con una experiencia más cercana a un *pair programmer*: respuestas que llegan antes, más continuidad en el *streaming* y menos “microcortes” cuando el modelo va generando código y explicaciones. La compañía asegura que, con esta variante: - **Reduce el tiempo hasta el primer token en torno a un 50%** (TTFT). - Puede alcanzar **hasta ~1.000 tokens por segundo** en salida en escenarios favorables (algo clave para edición rápida y bucles de prueba/corrección). - Mantiene **contexto largo** (OpenAI lo posiciona para sesiones intensas de programación y herramientas). En otras palabras: no es solo “otro modelo”, sino una apuesta por **interactividad extrema**. Esto encaja con el giro del mercado hacia flujos *agentic* (herramientas, llamadas a funciones, pruebas automáticas, navegación, etc.), donde la latencia mata la productividad más que un pequeño punto de precisión extra. --- ### La pieza clave: ¿qué aporta Cerebras en inferencia? Cerebras lleva años defendiendo que su enfoque *wafer-scale* (un chip del tamaño de una oblea completa) no es solo una excentricidad de laboratorio, sino una arquitectura con ventajas prácticas cuando el cuello de botella es **memoria y movimiento de datos**, no solo FLOPS. Para el caso de **WSE-3** (Wafer-Scale Engine 3), los números que se manejan son llamativos en la parte “in-chip”: | Parámetro | Cerebras WSE-3 (referencias públicas) | | --- | --- | | Transistores | ~4 billones | | Núcleos | ~900.000 | | Memoria on-chip | ~44 GB | | Ancho de banda de memoria | ~21 PB/s (según especificaciones del clúster) | Ese diseño apunta a un objetivo: **minimizar cuellos de botella internos** y sostener una cadencia de tokens muy alta con baja latencia. En modelos orientados a programación —donde hay patrones repetitivos, edición iterativa y necesidad de respuesta inmediata— este tipo de ventaja puede traducirse en una experiencia más “humana”: menos espera y más continuidad. --- ### ¿Significa esto que NVIDIA pierde el trono? No tan rápido Es tentador venderlo como un “sorpasso”, pero lo más probable es que sea —de momento— un **movimiento pragmático**: - NVIDIA sigue dominando el *stack* (software, ecosistema, disponibilidad, integración con OEMs, etc.) y la economía de la inferencia a gran escala, especialmente en **batching** y despliegues generalistas. - Lo que OpenAI parece estar diciendo es otra cosa: para ciertos productos (como un Copilot de código ultrarrápido), el problema principal no es solo el coste por token, sino el **tiempo de respuesta** y la **sensación de inmediatez**. Dicho de forma sencilla: la industria está descubriendo que la inferencia no es un único mercado. Hay inferencia “barata” (alto *throughput* en lotes) y hay inferencia “instantánea” (baja latencia, interacción constante). Y no siempre gana la misma arquitectura. --- ### Por qué esto puede cambiar el juego en producto (más que en benchmarks) En programación, cada segundo cuenta, pero no por capricho: un asistente que responde al instante permite: 1. **Iteraciones más cortas**: proponer → aplicar → testear → corregir. 2. **Agentes más útiles**: si el agente llama herramientas, busca, ejecuta pruebas y vuelve, la latencia acumulada decide si se usa o se abandona. 3. **Menos fricción cognitiva**: cuando el flujo se interrumpe, el desarrollador “pierde contexto” y el supuesto aumento de productividad se desinfla. Si OpenAI logra que Codex-Spark sea consistentemente más ágil, no es solo una mejora técnica: es una mejora psicológica y operativa. Y eso, en producto, suele ser decisivo. --- ### Lectura estratégica: diversificación y poder de negociación Que OpenAI mencione explícitamente a Cerebras como infraestructura para una pieza visible de su catálogo sugiere también una lectura industrial: - **Resiliencia de suministro**: menos dependencia de un único proveedor en un mercado donde el *stock* y la capacidad de cómputo siguen siendo un arma competitiva. - **Opciones reales**: aunque NVIDIA siga siendo dominante, una segunda plataforma viable en producción mejora la posición de cualquier gran comprador. - **Segmentación por workloads**: entrenar, servir chat generalista, servir *coding* interactivo… pueden acabar viviendo en “islas” de hardware distintas. No es casualidad que el discurso público de la inferencia esté migrando hacia conceptos como **TTFT**, *streaming overhead*, “latency-sensitive workloads” y optimización del camino completo (red + runtime + hardware). El valor ya no está solo en el modelo: está en **cómo se despliega**. --- ### Lo que conviene vigilar a partir de ahora Si esto se consolida, hay tres señales claras a seguir durante 2026: - **Adopción por más productos**: si Codex-Spark es un caso aislado o el primero de varios. - **Reacción del ecosistema GPU**: mejoras específicas para latencia *token-a-token* y TTFT en escenarios interactivos. - **Más “hardware alternativo” en inferencia**: ASICs, GPUs no-NVIDIA y arquitecturas especializadas buscando el hueco donde la experiencia de usuario pesa más que el *throughput* bruto. vía: [wccftech](https://wccftech.com/openais-latest-codex-model-runs-on-cerebras-infrastructure-hinting-at-a-serious-second-option-for-ai-inference-beyond-nvidia/)