Cuando trabajas con subagentes en Codex ya logras separar fuentes y evitar investigaciones mezcladas, pero aparecen dos dolores nuevos: la inferencia lenta en tareas pequeñas y la pérdida de dirección al encadenar prompts. Aquí entran dos comandos clave de Codex, fast y goal, que te ayudan a ganar velocidad sin sacrificar control sobre el resultado final.

¿Cómo acelerar la inferencia en Codex con el comando fast?

Si sientes que los modelos de OpenAI tardan demasiado en tareas acotadas, el problema no es capacidad sino tiempo de inferencia. El comando fast activa una velocidad de inferencia 1.5x sobre el modelo, ideal cuando necesitas iterar rápido en peticiones cortas.

Para probarlo basta con un prompt mínimo, por ejemplo: Resume en tres bullet points qué debe tener un buen snapshot semanal de noticias de IA para AI Reader. Con el modelo 5.5 fast la respuesta llega de inmediato, devolviendo señales priorizadas, contexto y acciones recomendadas.

¿Cuándo conviene usar fast en Codex? Solo cuando la velocidad realmente importa. Aumenta el consumo de créditos por token, así que dejarlo prendido para cualquier tarea encarece el flujo sin necesidad.

¿Qué cuesta usar fast?

La documentación oficial lo describe como mayor consumo de créditos. Es un trade-off claro: pagas más por token a cambio de respuestas casi instantáneas. Úsalo en pruebas rápidas, validaciones cortas o cuando estés iterando sobre el wording de un prompt.

¿Qué hace el comando goal y por qué mantiene el foco?

El segundo dolor aparece cuando encadenas muchos prompts: la tarea pierde dirección o Codex optimiza una parte intermedia y se olvida de la salida final. Para eso usas goal, que no funciona como un prompt largo sino como una meta persistente que el modelo intenta cumplir.

Un ejemplo concreto: defines como goal buscar noticias de inteligencia artificial de la última semana y convertirlas en un snapshot verificable. Una vez activo, Codex muestra un objetivo en curso y se queda iterando hasta cumplirlo.

¿Cuál es la diferencia entre un request y un goal?

La documentación oficial de OpenAI marca una diferencia clara en el ciclo de trabajo:

• En un request normal le preguntas algo al modelo, el modelo trabaja, entrega el resultado y espera la siguiente instrucción.
• En un goal, el modelo trabaja, verifica si terminó, se pregunta si ya cumplió el objetivo inicial y, si la respuesta es no, define los siguientes pasos por sí mismo.
• El ciclo se repite hasta que el goal está completamente cerrado, y solo ahí entrega el resultado final.

Esa diferencia explica por qué un goal puede tardar más, pero llega a una salida más fiel al objetivo original.

¿Cómo verificar que un goal se cumplió correctamente?

En una corrida real, Codex tomó 4 minutos y 23 segundos para cerrar el goal del snapshot. Vale la pena revisar paso a paso qué hizo, porque ahí se ve cómo encaja el resto del flujo.

Primero leyó el skill y desplegó los subagentes. Cada subagente trabajó en su propia tarea, y Codex se quedó esperando a los cuatro agentes hasta que terminaron. Luego consolidó la salida en un JSON con todos los archivos encontrados.

Después vino la parte clave: la verificación contra el goal. El sistema reportó que la verificación local pasó, que tenía un JSON válido con 10 señales, todas con estados y tipos aceptados por el esquema, y cerró el objetivo como completado. En la esquina inferior derecha quedó registrado el objetivo cumplido y el total de tokens usados.

¿Cómo sé si un goal terminó bien en Codex? Cuando ves la verificación local pasada, el JSON validado contra el esquema y el estado del objetivo marcado como completado en la interfaz. Si falta alguno, el modelo seguiría iterando.

¿Cuándo usar fast y cuándo usar goal?

No compiten, se complementan. La forma simple de decidir es esta:

1. Usa fast para tareas cortas, exploratorias o de redacción rápida donde la latencia molesta más que el costo.
2. Usa goal cuando el resultado final dependa de varios pasos, subagentes o validaciones contra un esquema.
3. Reserva la combinación para flujos críticos, sabiendo que el consumo de créditos sube en ambos lados.

Como reto, genera el mismo snapshot que vienes trabajando, pero ahora para los 14 días anteriores, y comparte en los comentarios cuáles fueron las tres noticias más importantes de tu búsqueda.