Un proxy casero para mezclar modelos en las pestañas Codex y Claude de t3, síntoma de la comoditización del LLM

Por Zendoric · 3 de septiembre de 2026.

Un desarrollador que firma como 0xhsn ha publicado en GitHub proxy-llms, una herramienta que permite ejecutar cualquier modelo de lenguaje dentro de las pestañas "Codex" y "Claude" del cliente t3, con independencia de quién lo fabrique. La pieza central es un gateway local —CLIProxyAPI— que corre en la máquina del usuario (127.0.0.1:8317) y sabe hablar a la vez los formatos de API de OpenAI, de la API Responses y de Anthropic, enrutando cada petición según el identificador del modelo solicitado.

En la práctica, según describe el propio repositorio, esto permite poner un modelo GPT en la pestaña que t3 reserva para Claude, o correr GLM (de la china Zhipu) o Kimi K3 (Moonshot AI) en la pestaña pensada para Codex, el asistente de programación de OpenAI. El script de instalación reutiliza las credenciales ya existentes de Codex y Claude como credenciales del gateway y no modifica la base de datos de t3, de modo que desactivar el proxy deja la configuración original intacta. El proyecto es minúsculo —cero estrellas, cero forks, sin comentarios en el hilo de Hacker News— y conviene tratarlo como lo que es: una utilidad de nicho para desarrolladores, no un lanzamiento con tracción.

Su interés no está en el impacto, sino en el síntoma. Cada vez hay más herramientas de este tipo —capas finas que desacoplan la interfaz de programación asistida por IA del proveedor del modelo que la sirve—, y eso solo tiene sentido si el mercado ya trata a los modelos como piezas intercambiables. Cuando a un usuario le compensa montar un proxy casero para meter un modelo chino de código abierto en la pestaña de un producto occidental de pago, está votando con los pies: el modelo dejó de ser el diferenciador y pasó a serlo el precio, la latencia o simplemente la libertad de no depender de un único proveedor.

Esto encaja con algo que venimos señalando en Zendoric: la competencia se está desplazando de "quién tiene el modelo más listo" a "quién controla la fontanería" —la orquestación, los estándares de agentes, la capa que conecta modelo y usuario—. Los grandes laboratorios lo saben, y por eso Anthropic, OpenAI y Google invierten tanto en integrar sus modelos en flujos de trabajo cerrados y en dificultar precisamente este tipo de intercambiabilidad. Que usuarios individuales construyan sus propios puentes para saltarse esa fricción es una señal, modesta pero real, de hacia dónde tira el mercado cuando se le deja elegir: hacia la comoditización del modelo y la competencia por todo lo que hay alrededor de él.

Nuestra lectura es que este tipo de herramientas, aunque nunca lleguen a escalar por sí mismas, normalizan una expectativa que sí importa a largo plazo: que la elección de modelo sea del usuario y no del fabricante de la interfaz. Es una expectativa alineada con el escenario de abundancia que defendemos —más opciones, más competencia, coste a la baja—, aunque a corto plazo choque con el interés de las plataformas en mantener a sus usuarios dentro de un único ecosistema.