Diario de migración a GPT-5.4: qué se rompió, qué mejoró y qué no esperaba

Antes de empezar: Por qué escribí esto como un diario

La mayoría de los artículos sobre GPT-5.4 frente a GPT-5.3 te ofrecen una tabla de comparativas y dan el trabajo por terminado. Eso es útil para decidir si actualizar, pero completamente inútil para entender qué sucede realmente durante la actualización.

Migré un sistema de producción — una plataforma interna de herramientas para desarrolladores — de GPT-5.3 Codex a GPT-5.4 a lo largo del mes de March 2026. Este artículo documenta lo que sucedió día tras día, lo que me sorprendió, lo que falló y cómo se ve la factura mensual al otro lado.

Si estás planeando tu propia migración, esta es la guía que desearía haber tenido.

Pre-migración: Lo que estábamos ejecutando en GPT-5.3 Codex

Nuestra configuración antes del cambio:

• Aplicación: Un asistente interno de revisión de código y refactorización utilizado por un equipo de ingeniería de 14 personas
• Integración de API: Llamadas directas a la API de OpenAI, function calling para el uso de herramientas, salidas JSON estructuradas
• Volumen diario promedio: ~800 llamadas a la API, con un promedio de 12K input tokens y 4K output tokens cada una
• Costo mensual de API: Aproximadamente $1,400 con los precios de GPT-5.3 Codex ($1.75 input / $14 output por MTok)
• Uso de la ventana de contexto: Alcanzando regularmente los 200-350K tokens; ocasionalmente truncando en el límite de 400K

Elegimos GPT-5.3 Codex originalmente por su sólido rendimiento específico en codificación y sus menores costos de input tokens. Nos sirvió bien durante seis meses.

Día 1: El cambio (March 8, 2026)

La parte mecánica de la migración fue trivial. Cambiar model: "gpt-5.3-codex" por model: "gpt-5.4" en nuestra configuración de la API. Desplegar. Hecho.

Primera impresión: Las respuestas se sentían cualitativamente diferentes. No necesariamente mejores o peores, sino diferentes. GPT-5.4 era más prolijo en su razonamiento, proporcionando más explicaciones sobre sus elecciones antes de entregar el código. Para nuestra herramienta de revisión de código, esto fue en realidad una mejora porque los revisores querían entender el "por qué" detrás de las sugerencias.

Velocidad de respuesta: Notablemente más rápida en prompts cortos. Casi igual en los largos. Los datos oficiales muestran a GPT-5.4 a 73.4 tokens por segundo en comparación con GPT-5.3 Codex en un rango similar, por lo que la diferencia de velocidad es real pero no dramática.

Primer problema: En la primera hora, nuestro analizador de JSON falló. GPT-5.3 Codex había estado devolviendo JSON puro cuando se le pedía una salida estructurada. GPT-5.4 ocasionalmente envolvía el JSON en un bloque de código markdown (```json ... ```). Esto rompió nuestra canalización de análisis.

Solución: Se añadió un paso de preprocesamiento para eliminar las cercas de código markdown antes del análisis. Una solución de 10 minutos, pero habría causado errores de producción si no hubiéramos estado monitoreando de cerca.

Día 2-3: Diferencias en Function Calling

Nuestra herramienta utilizaba la función de function calling de OpenAI para permitir que el modelo invocara herramientas de análisis de código: un linter, un ejecutor de pruebas, un verificador de dependencias. En GPT-5.3 Codex, esto funcionaba a la perfección.

En GPT-5.4, nos encontramos con dos problemas:

Problema 1: Manejo de parámetros opcionales. Cuando un parámetro de función era un objeto anidado opcional, GPT-5.3 Codex lo omitía si era innecesario. GPT-5.4 a veces enviaba un objeto vacío {} en su lugar, lo que provocaba que nuestra validación rechazara la llamada.

Problema 2: Comportamiento de búsqueda de herramientas. GPT-5.4 introduce Tool Search, que descubre dinámicamente las herramientas disponibles en lugar de requerir todas las definiciones de herramientas por adelantado. Esta es una característica potente — OpenAI informa que reduce el uso de tokens en un 47% — pero cambió el tiempo de las invocaciones de herramientas. Nuestro sistema de registro esperaba que las herramientas se llamaran en un orden específico, y GPT-5.4 a veces las reordenaba.

Solución para el Problema 1: Actualizamos nuestros esquemas de validación de Zod para aceptar objetos vacíos para parámetros opcionales. Dos horas de trabajo.

Solución para el Problema 2: Reescribimos nuestro registro para que fuera agnóstico al orden. Medio día de trabajo. Valió la pena, porque el nuevo enfoque es más robusto independientemente del modelo.

Día 4-5: La ventana de contexto lo cambia todo

Este fue el primer momento genuinamente emocionante. GPT-5.3 Codex tenía un límite de 400K tokens. Para nuestros repositorios más grandes, habíamos construido un elaborado sistema de fragmentación: dividir las bases de código en segmentos, ejecutar el análisis en cada segmento y luego unir los resultados.

GPT-5.4 admite hasta 1,050,000 tokens a través de la API. Para los usuarios de Codex, el contexto completo de 1M está disponible.

Qué significó esto en la práctica: Nuestro repositorio más grande — un monorepo de TypeScript de 280 archivos — ahora podía cargarse por completo en un solo contexto. No más fragmentación. No más análisis unidos con artefactos en las costuras. La calidad de la revisión de código en este repositorio mejoró drásticamente porque el modelo podía ver dependencias entre módulos que eran invisibles cuando el contexto estaba dividido.

La trampa: Los prompts que superan los 272K tokens tienen un precio de 2x input y 1.5x output. Por lo tanto, enviar nuestro repositorio completo de 280 archivos como contexto significaba costos significativamente más altos por llamada. Terminamos construyendo un sistema de selección de contexto inteligente que carga el repositorio completo para tareas entre módulos pero utiliza un contexto específico para tareas de un solo archivo.

Resumen de la Semana 1: Las cosas que fallaron

Al final de la primera semana, aquí hay una lista completa de lo que falló o necesitó ajustes:

1. Formateo de salida JSON — Envoltura en bloques de código Markdown (solución de 10 minutos)
2. Validación de function calling — Objetos vacíos para parámetros opcionales (solución de 2 horas)
3. Orden de invocación de herramientas — El registro asumía llamadas secuenciales (solución de medio día)
4. Conteo de tokens — Nuestra estimación de costos estaba errada porque GPT-5.4 usa menos tokens por respuesta (fórmulas actualizadas)
5. Límites de velocidad — Nuestro limitador de velocidad estaba configurado para los límites de GPT-5.3 Codex; GPT-5.4 tiene diferentes umbrales de nivel (cambio de configuración)

Ninguno de estos fue catastrófico. Todos fueron solucionables en menos de un día. Pero si estás migrando un sistema de producción, presupuesta una semana completa para pruebas y parches.

Semana 2: Las mejoras empiezan a notarse

Una vez que la fricción de la migración se calmó, las mejoras se hicieron evidentes.

Computer Use abrió nuevos flujos de trabajo

GPT-5.4 es el primer modelo de propósito general con capacidades nativas de computer-use. Puede interactuar directamente con aplicaciones de escritorio, navegadores y herramientas del sistema.

Para nuestro caso de uso, esto permitió algo que no podíamos hacer con GPT-5.3 Codex: el modelo ahora podía ejecutar nuestra suite de pruebas, observar la salida y ajustar sus sugerencias de revisión de código basándose en los resultados reales de las pruebas en lugar de solo en el análisis estático. Anteriormente, teníamos que canalizar la salida de las pruebas manualmente al contexto. Ahora el modelo puede ejecutar y observar.

Construimos un nuevo modo de "revisión consciente de pruebas" en unos tres días, e inmediatamente detectó dos errores que el análisis estático puro había pasado por alto.

La eficiencia de tokens era real

OpenAI afirma que GPT-5.4 utiliza menos output tokens por tarea. Después de dos semanas de datos de producción, confirmamos esto: GPT-5.4 promedió 3.1K output tokens por tarea en comparación con los 4.0K de GPT-5.3 Codex para tareas equivalentes. Eso es una reducción del 22.5% en output tokens.

Combinado con Tool Search que reduce los input tokens, el consumo total de tokens por tarea cayó aproximadamente un 30%.

La reducción de errores fue notable

GPT-5.4 produce un 33% menos de errores fácticos según OpenAI. En nuestro contexto de revisión de código, esto se tradujo en menos sugerencias de falsos positivos: era menos probable que el modelo señalara código correcto como problemático. La tasa de "descartar sugerencia" de nuestro equipo bajó del 18% al 11%.

Semana 3: El panorama de costos se aclara

Aquí está la parte que todos quieren saber. Después de tres semanas completas ejecutando GPT-5.4 en producción junto con nuestros datos históricos de GPT-5.3 Codex, aquí está la comparación de costos:

Costos diarios de API (Promedio)

Proyección mensual: GPT-5.3 Codex era de ~$1,848. GPT-5.4 se proyecta en ~$1,788. Un ahorro de unos $60/mes (3.2%) — modesto pero notable porque el precio nominal de GPT-5.4 es más alto.

El ahorro proviene enteramente de la eficiencia de tokens. GPT-5.4 utiliza menos tokens para realizar las mismas tareas, lo que compensa con creces sus precios más altos por token para nuestra carga de trabajo.

Donde los costos subieron

Las tareas de contexto largo — las que superan los 272K tokens — cuestan significativamente más en GPT-5.4 debido al recargo por contexto largo. Ejecutamos unas 15 de estas al día (revisiones de repositorios completos). Para esas llamadas específicas, los costos aumentaron aproximadamente un 40%.

Donde los costos bajaron

Las tareas estándar de menos de 100K tokens — que representan el 95% de nuestro volumen — fueron más baratas debido a los menores recuentos de output tokens. Esto compensó con creces el recargo por contexto largo en el 5% restante.

Cosas que no esperaba

1. GPT-5.4 es más obstinado sobre el estilo de código

GPT-5.3 Codex era relativamente neutral sobre el estilo — seguía los patrones que existieran en tu base de código. GPT-5.4 tiene opiniones más fuertes. Sugerirá renombrar variables para mayor claridad, reestructurar condicionales y extraer funciones — incluso cuando solo pediste la corrección de un error.

Esto es a la vez bueno y molesto. Bueno porque las sugerencias suelen ser válidas. Molesto porque añade ruido a las revisiones de código cuando el equipo solo quiere comentarios específicos.

Nuestra solución: Añadimos una instrucción al prompt de sistema: "Concéntrate exclusivamente en problemas de corrección y seguridad. No sugieras cambios de estilo a menos que afecten la legibilidad lo suficiente como para causar errores."

2. El cronograma de depreciación crea urgencia

GPT-5.2 Thinking se retira el June 5, 2026. Si todavía estás en 5.2, tienes tres meses. GPT-5.3 Codex tiene soporte LTS hasta February 2027, por lo que hay menos urgencia allí — pero el destino ya está escrito.

3. Tool Search es la función revelación

Inicialmente descarté Tool Search como un detalle de optimización. Resultó ser la característica más impactante para nuestro flujo de trabajo. En lugar de enviar las 12 definiciones de herramientas en cada llamada a la API (consumiendo ~3K tokens cada vez), GPT-5.4 descubre dinámicamente las herramientas según sea necesario. El ahorro de tokens se acumula en nuestro volumen.

La documentación de OpenAI dice que Tool Search redujo el uso de tokens en un 47% en sus pruebas. Para nuestro flujo de trabajo intensivo en herramientas, vimos un 35% — aún así significativo.

4. El "Vibe" cambió

Esto es subjetivo y difícil de cuantificar, pero el equipo lo notó. GPT-5.4 se siente más como trabajar con un ingeniero senior: cuestiona suposiciones, sugiere alternativas y a veces rechaza enfoques que considera subóptimos. GPT-5.3 Codex era más dócil. Si consideras esto una mejora depende del flujo de trabajo de tu equipo. El análisis de Zvi Mowshowitz lo llama "una mejora sustancial" en razonamiento y capacidad general, y estamos de acuerdo.

La lista de verificación de migración

Basado en nuestra experiencia, esto es lo que haría si estuviera migrando de nuevo:

Antes de cambiar

• Audita tu análisis de JSON — verifica el manejo de cercas de código markdown
• Revisa los esquemas de function calling — prueba parámetros opcionales y anidados
• Verifica tu lógica de conteo de tokens y estimación de costos
• Verifica la configuración de límites de velocidad frente a los límites de nivel de GPT-5.4
• Identifica cualquier flujo de trabajo que asuma el orden de las llamadas a herramientas

Durante el cambio

• Despliega primero en un entorno de staging
• Ejecuta ambos modelos en paralelo durante al menos 48 horas
• Monitorea las diferencias en el formateo de JSON
• Verifica las tasas de éxito de function calling
• Compara la calidad de la salida en tus tareas específicas

Después del cambio

• Habilita Tool Search y mide el ahorro de tokens
• Evalúa las tareas de contexto largo para el umbral de precio de 272K
• Ajusta los prompts de sistema si GPT-5.4 es demasiado obstinado para tu flujo de trabajo
• Explora las capacidades de computer-use para nuevos flujos de trabajo
• Actualiza las proyecciones de costos con datos de uso reales

¿Deberías migrar ahora?

Aquí está mi marco de referencia:

Migra inmediatamente si:

• Estás en GPT-5.2 (se retira el June 5)
• Alcanzas regularmente el límite de contexto de 400K
• Necesitas capacidades de computer-use
• Utilizas muchas llamadas a herramientas y quieres ahorrar tokens

Migra pronto (dentro de un mes) si:

• Quieres las mejoras de calidad y puedes tolerar una semana de trabajo de integración
• Estás construyendo nuevas características que se benefician del contexto de 1M
• Quieres estar preparado para el futuro antes de que GPT-5.3 eventualmente llegue al final de su vida útil

Quédate en GPT-5.3 Codex si:

• Tus flujos de trabajo son estables y están optimizados en costos
• Dependes de su menor precio de input tokens para cargas de trabajo pesadas en prompts
• Quieres la estabilidad del soporte LTS hasta February 2027
• Estás en un entorno regulado donde los cambios de modelo requieren una revisión formal

Para nuestras herramientas internas en ZBuild, la migración valió la semana de trabajo. Solo la ventana de contexto de 1M cambió lo que nuestra herramienta podía hacer. Pero si tu integración con GPT-5.3 Codex funciona bien y no estás alcanzando sus límites, no hay prisa — planifica la migración en tu cronograma, no en el de OpenAI.

Lecciones para equipos que consideran el cambio

Si pudiera destilar toda la migración en consejos para otros equipos de ingeniería, serían estos cinco puntos.

1. Presupuesta una semana completa para la integración, no solo el cambio de modelo

El cambio de modelo toma cinco minutos. Descubrir cada caso extremo en tu integración toma una semana. Nuestro problema de formato JSON, las diferencias en function calling y las suposiciones de registro surgieron bajo tráfico real, no durante las pruebas unitarias. Ejecuta ambos modelos en paralelo durante al menos 48 horas antes del cambio definitivo.

2. La eficiencia de tokens compensa los precios más altos — Pero no siempre

Para tareas estándar de menos de 100K tokens, GPT-5.4 es genuinamente más barato a pesar del precio más alto por token. Pero si tu carga de trabajo está muy sesgada hacia tareas de contexto largo (por encima de 272K tokens), pagarás más. Modela el costo para tu patrón de uso específico antes de comprometerte. La guía de umbrales de precios de Apiyi tiene una calculadora útil.

3. Tool Search no es opcional — Habilítalo inmediatamente

Si usas function calling con más de 5 herramientas, habilita Tool Search desde el primer día. El ahorro de tokens se acumula a escala. Para nuestra configuración de 12 herramientas, ahorró aproximadamente 3K tokens por llamada — sobre 800 llamadas al día, eso son 2.4 millones de tokens diarios, o unos $6 al día en costos de input.

4. Ajusta tus prompts para la personalidad de GPT-5.4

GPT-5.4 es más obstinado que GPT-5.3 Codex. Si tu aplicación depende de que el modelo siga las instrucciones con precisión sin comentarios editoriales, añade restricciones explícitas a tu prompt de sistema. Algo como "Concéntrate solo en la tarea solicitada. No sugieras mejoras ni alternativas a menos que se te pida". Esto ahorró a nuestro equipo un ruido significativo en la salida de la revisión de código.

5. Planifica tu migración de GPT-5.2 ahora

Si tienes algún sistema que todavía funciona con GPT-5.2 Thinking, el retiro del June 5, 2026 no es negociable. No esperes hasta May para comenzar la migración. La superficie de integración entre GPT-5.2 y GPT-5.4 es mayor que la brecha entre GPT-5.3 y GPT-5.4, así que espera más fallos.

GPT-5.4 frente a GPT-5.3 Codex: Tabla de referencia rápida

Para los equipos que quieren el resumen sin la narrativa, aquí están los datos clave en un solo lugar:

Un mes después: Veredicto final

Ha pasado un mes completo en GPT-5.4. Los problemas de integración están resueltos, el equipo está adaptado y los números son estables.

Calidad: Mejor. Menos falsos positivos en la revisión de código, mejor análisis entre módulos y la integración de computer use añadió un flujo de trabajo que no era posible antes.

Costo: Aproximadamente equivalente para tareas estándar, ligeramente más alto para tareas de contexto largo, pero la factura mensual total fue un 3-4% más baja gracias a la eficiencia de tokens.

Velocidad: Comparable. No hay una diferencia significativa para nuestra carga de trabajo.

Estabilidad: Después de la semana inicial de arreglos, cero problemas de producción.

La actualización no fue transformadora — fue incremental pero positiva. GPT-5.4 es el mejor modelo para la mayoría de los desarrolladores en March 2026. La cuestión es simplemente si el esfuerzo de migración vale la pena para tu situación específica.

Si estás construyendo herramientas para desarrolladores — como hacemos nosotros en ZBuild — mantenerse en el modelo insignia actual es importante para mantener tu producto competitivo. Para herramientas internas donde la estabilidad es la prioridad, GPT-5.3 Codex en LTS es una opción perfectamente válida hasta principios de 2027.

Fuentes

• OpenAI — Introducing GPT-5.4
• OpenAI — GPT-5.4 Model Documentation
• OpenAI — API Pricing
• GitHub — GPT-5.3 Codex Long-Term Support
• TechCrunch — OpenAI Launches GPT-5.4
• DataCamp — GPT-5.4 Features Guide
• Artificial Analysis — GPT-5.4 vs GPT-5.3 Codex
• AI Free API — GPT-5.4 vs GPT-5.3 Codex Comparison
• Turing College — GPT-5.4 Review
• Zvi Mowshowitz — GPT-5.4 Is a Substantial Upgrade
• Apiyi — GPT-5.4 272K Pricing Threshold Guide
• Interconnects — GPT-5.4 Is a Big Step for Codex