XDA-Developers recientemente cubrió un pequeño truco que permite ejecutar la aplicación de escritorio de ChatGPT contra un modelo local en lugar de los servidores de OpenAI. La herramienta detrás de esto, opencodex, reescribe el config.toml de Codex CLI y se sitúa entre el cliente de escritorio y cualquier backend que el usuario señale, reenviando solicitudes a Ollama, LM Studio o un proveedor en la nube de su elección. Funciona y es gratis. También es un proyecto de GitHub mantenido por una sola persona sin un calendario de lanzamientos claro, que es exactamente el tipo de cosa que hace que la gente busque alternativas a opencodex antes de construir un flujo de trabajo a su alrededor. Varios otros proxies y puertas de enlace resuelven el mismo problema: mantener la interfaz de escritorio de ChatGPT o un cliente de codificación similar, mientras se intercambia el modelo subyacente. Aquí se comparan siete de ellos.
Tabla de comparación rápida
| Herramienta | Mejor para | Auto-alojado | Precio de inicio | Característica destacada |
|---|---|---|---|---|
| LiteLLM | Cobertura de proveedores más amplia | Sí | Gratuito (código abierto) | Proxy único para 100+ proveedores de modelos |
| OpenRouter | Enrutamiento sin configuración | No | Nivel gratuito, pago por token | Una clave API, docenas de modelos alojados |
| Ollama | Ejecutar modelos localmente | Sí | Gratuito | Servidor compatible con OpenAI integrado |
| LM Studio | Gestión de modelos de escritorio | Sí | Gratuito | Selector de modelo GUI con toggle de servidor local |
| anycodex | Reemplazo directo de opencodex | Sí | Gratuito (código abierto) | Más adaptadores de proveedores que el original |
| CodexHub | Aplicación de escritorio con telemetría | Sí | Gratuito (código abierto) | Cliente Rust y Tauri con paneles de uso |
| LocalAI | Reemplazo OpenAI completo | Sí | Gratuito (código abierto) | Texto, imagen y puntos finales de audio en un binario |
Por qué los usuarios buscan alternativas a opencodex
opencodex hace un trabajo bien: parcha la configuración de Codex para que la aplicación de escritorio de ChatGPT hable con un punto final diferente. Ese alcance estrecho también es su límite. El proyecto tiene un solo mantenedor, lo que significa que las correcciones de errores y los parches de compatibilidad dependen del horario de una persona. Cuando OpenAI cambia los internos del cliente de escritorio, un fork mantenido por una sola persona puede quedarse rezagado durante semanas antes de que alguien lo note y envíe un parche.
La cobertura del protocolo es el segundo punto de fricción. opencodex habla el formato compatible con OpenAI, que cubre Ollama y LM Studio limpiamente pero deja la API nativa de Anthropic y otros esquemas que no son OpenAI fuera de alcance sin traducción adicional. Cualquiera que ejecute una configuración mixta, un modelo Llama local para tareas rutinarias y un modelo Claude o Gemini alojado para tareas más difíciles, eventualmente necesita un proxy que entienda más de un dialecto.
La UX del selector de modelos es más importante de lo que parece. Editar un archivo TOML para cambiar modelos funciona para una configuración de una persona, pero se desmorona cuando se quiere probar tres modelos en una tarde. La telemetría también es una pregunta justa: algunas herramientas no registran nada, otras envían estadísticas de uso anónimas, y algunas mantienen un panel local de tokens y latencia. Los términos de la licencia también difieren. La mayoría de esta categoría está bajo MIT, que permite forks cerrados y uso comercial sin obligación de compartir cambios; un par de herramientas adyacentes usan variantes GPL que requieren que las obras derivadas permanezcan abiertas. Vale la pena verificar antes de construir un producto sobre cualquiera de ellos.
Las alternativas
LiteLLM
LiteLLM es un proxy Python que habla el formato de completado de chat de OpenAI por un lado y traduce a más de 100 proveedores de modelos por el otro, incluyendo todos los principales proveedores en la nube y la mayoría de los runtimes locales. Apunta la aplicación de escritorio de ChatGPT o cualquier cliente compatible con OpenAI a un servidor LiteLLM y enruta cada solicitud al backend que asigna una regla de enrutamiento. Se envía como biblioteca Python y servidor proxy independiente con un archivo de configuración, más un panel alojado para el seguimiento de gastos y límites de velocidad.
Donde se queda corto: El conjunto completo de características, equilibrio de carga, cadenas de conmutación por error, alertas de presupuesto, están detrás de la configuración YAML del servidor proxy, que tiene una curva de aprendizaje más pronunciada que la edición única de TOML de opencodex. Ejecutarlo también significa mantener un proceso Python en segundo plano.
Precio: Gratuito y código abierto bajo MIT. Un nivel empresarial alojado con SSO y registros de auditoría está disponible por separado para equipos, con precios según lo solicitado.
Migración desde opencodex: Reemplaza el punto final de config.toml de opencodex con la URL del proxy de LiteLLM (típicamente http://localhost:4000), luego define tus backends, Ollama, LM Studio o una clave en la nube, en config.yaml de LiteLLM. La configuración del proveedor toma unos quince minutos para un setup de modelo único, más tiempo si quieres reglas de enrutamiento en varios modelos.
Conclusión: Elige LiteLLM si quieres un proxy que pueda crecer en un setup multiproveedores y multiusuario sin cambiar de herramienta.
OpenRouter
OpenRouter es un servicio de enrutamiento alojado en lugar de algo que se auto-aloja. Apunta cualquier cliente compatible con OpenAI a la API de OpenRouter y una clave da acceso a docenas de modelos, desde lanzamientos de peso abierto hasta los principales modelos cerrados, facturados por token sin suscripción requerida. Es la forma más rápida de probar una línea de modelos sin ejecutar ninguno.
Donde se queda corto: No es local. Cada solicitud sale de tu máquina, lo que anula la motivación de privacidad que atrae a la mayoría de la gente a opencodex. Solo ayuda si el objetivo es variedad de modelos, no inferencia en el dispositivo.
Precio: Créditos gratuitos en el registro, luego precios de pago por token que reflejan o marcan ligeramente la tarifa de cada proveedor subyacente. Sin tarifa mensual fija.
Migración desde opencodex: Reemplaza el punto final local en la configuración de tu cliente con la URL y clave de API de OpenRouter. Sin runtime local para instalar, pero tampoco modo sin conexión; espera que esto tome unos cinco minutos.
Descargar: Sitio Web
Conclusión: Elige OpenRouter cuando quieras comparar modelos rápidamente y no necesites que las solicitudes permanezcan en tu propio hardware.
Ollama
Ollama es el runtime que opencodex realmente actúa como proxy para la mayoría de setups locales, y puede saltarse el intermediario por completo. Las versiones recientes exponen un punto final compatible con OpenAI en /v1 junto con su API nativa, por lo que un cliente que hable el formato de chat de OpenAI puede hablar con Ollama directamente sin ningún proxy intermediario. Maneja descargas de modelos, cuantización y descarga de GPU por su cuenta.
Donde se queda corto: Ollama no reescribe la configuración de la aplicación de escritorio de ChatGPT como lo hace opencodex; todavía necesitas apuntar el cliente al punto final de Ollama, y el enrutamiento multiproveedores (mezclar modelos locales y en la nube) está fuera de alcance.
Precio: Gratuito y código abierto.
Migración desde opencodex: Si opencodex ya está reenviando a Ollama, elimina la capa de proxy y apunta la aplicación de escritorio directamente a http://localhost:11434/v1. Esto elimina una pieza móvil en lugar de agregar una, y toma un par de minutos.
Conclusión: Elige Ollama solo si el único backend son modelos locales y no necesitas un router delante.
LM Studio
LM Studio es una aplicación de escritorio para descargar, gestionar y ejecutar modelos locales a través de una interfaz gráfica, e incluye un toggle de un clic para exponer esos modelos a través de un servidor local compatible con OpenAI. El selector de modelos vive en la misma ventana donde cargas y pruebas modelos, lo que resuelve la fricción del archivo de configuración que opencodex deja sin abordar.
Donde se queda corto: LM Studio es código cerrado, a diferencia de la mayoría de las herramientas en esta lista, y su huella de recursos es más pesada que un runtime de línea de comando bare ya que envía una GUI completa.
Precio: Gratuito para uso personal y la mayoría del comercial, según los términos de licencia de la aplicación.
Migración desde opencodex: Activa el servidor local desde la pestaña Developer de LM Studio, carga un modelo y apunta la aplicación de escritorio de ChatGPT a la dirección del servidor que se muestra en esa pestaña (normalmente http://localhost:1234/v1). Edición de archivo de configuración no requerida.
Descargar: Sitio Web
Conclusión: Elige LM Studio si prefieres un selector de modelo visual en lugar de editar manualmente archivos de configuración.
anycodex
anycodex es un fork directo de opencodex construido específicamente para agregar adaptadores de proveedores que el proyecto original no cubre, incluyendo algunos backends compatibles con Anthropic y auto-alojados. Mantiene el mismo enfoque central, reescribiendo la configuración del cliente Codex, mientras extiende la lista de puntos finales a los que puede reenviar.
Donde se queda corto: Como fork de un proyecto más pequeño, conlleva el mismo riesgo de mantenimiento único que opencodex, solo con un nombre diferente adjunto. El tamaño de la comunidad y el tiempo de respuesta de problemas están limitados.
Precio: Gratuito y código abierto.
Migración desde opencodex: La configuración es casi idéntica ya que anycodex mantuvo la misma estructura de archivos y flags CLI. Cambiar es casi un reemplazo llave en mano, normalmente bajo diez minutos incluyendo probar los nuevos adaptadores de proveedor.
Descargar: GitHub
Conclusión: Elige anycodex si opencodex casi funciona para ti y la pieza faltante es un proveedor extra que aún no soporta.
CodexHub
CodexHub es un cliente de escritorio Rust y Tauri que envuelve el mismo concepto de proxy en una ventana de aplicación nativa, agregando un panel de uso que rastrea tokens, latencia y gasto por modelo a lo largo del tiempo. El binario nativo se inicia más rápido que un proxy basado en Python y usa menos memoria en reposo.
Donde se queda corto: El panel de telemetría, útil para rastrear el uso, significa que CodexHub mantiene registros locales de cada solicitud por defecto. Cualquiera que quiera un proxy que no registre nada debe verificar la configuración antes de asumir que es silencioso.
Precio: Gratuito y código abierto.
Migración desde opencodex: Importa tu lista de proveedores existente a través del asistente de configuración de CodexHub, o agrega cada backend (Ollama, LM Studio, clave en la nube) manualmente en su panel de configuración. Espera unos diez minutos para una migración típica de proveedor único.
Descargar: GitHub
Conclusión: Elige CodexHub si una ventana de aplicación nativa y el seguimiento de uso importan más que ejecutarse invisiblemente en segundo plano.
LocalAI
LocalAI es un reemplazo drop-in de OpenAI amplio y auto-alojado que cubre completados de chat, generación de imágenes y transcripción de audio en un binario único. Soporta una amplia gama de backends de modelos más allá de solo modelos de chat, lo que lo hace útil para cualquiera que construya un flujo de trabajo que necesite más que solo generación de texto del mismo servidor local.
Donde se queda corto: La configuración es más complicada que un proxy de propósito único ya que LocalAI configura backends de modelos separados para cada modalidad, y los requisitos de recursos en la primera ejecución son mayores si habilitamos puntos finales de imagen o audio junto con chat.
Precio: Gratuito y código abierto.
Migración desde opencodex: Apunta la aplicación de escritorio de ChatGPT al punto final /v1 de LocalAI después de definir tu modelo de chat en su configuración YAML. La migración solo de texto toma unos quince minutos; agregar puntos finales de imagen o audio toma más tiempo.
Conclusión: Elige LocalAI si quieres un servidor auto-alojado que eventualmente necesite hacer más que solo enrutar solicitudes de chat.
Cómo elegir
Elige LiteLLM si estás enrutando entre varios proveedores, locales y en la nube, y quieres características de proxy como cadenas de conmutación por error y seguimiento de gastos integrados. Elige OpenRouter si la privacidad no es el objetivo y prefieres probar una amplia línea de modelos sin ejecutar ninguno localmente. Elige Ollama o LM Studio solos si tu configuración es puramente local y un router delante sería solo un salto extra; LM Studio gana si quieres una GUI, Ollama si quieres un proceso de fondo más ligero.
Elige anycodex si opencodex casi funciona para ti y todo lo que necesitas es un proveedor que no soporta, ya que la migración es la más cercana a un reemplazo llave en mano. Elige CodexHub si una ventana de aplicación nativa con seguimiento de uso importa más que ejecutarse invisiblemente en segundo plano. Elige LocalAI si el chat es solo la primera modalidad que planeas enrutar localmente, y esperas agregar generación de imagen o audio más adelante.
Mantente en opencodex si tu configuración es un modelo local único detrás de la aplicación de escritorio de ChatGPT y no necesitas enrutamiento multiproveedores, GUI o seguimiento de uso. Es una herramienta pequeña y enfocada, y para una configuración de un modelo, una máquina, las alternativas anteriores agregan complejidad que posiblemente no necesites todavía.
FAQ
¿Es LiteLLM mejor que opencodex?
LiteLLM cubre muchos más proveedores y agrega características de enrutamiento que opencodex no intenta, pero requiere ejecutar un servidor proxy en lugar de una reescritura de configuración ligera. Para un modelo local único, opencodex es más simple; para setups multiproveedores, LiteLLM hace más.
¿Puedo usar la aplicación de escritorio de ChatGPT con Ollama sin opencodex?
Sí. Las versiones recientes de Ollama exponen un punto final compatible con OpenAI directamente, por lo que un cliente compatible puede apuntar a él sin ninguna capa de proxy intermediaria.
¿Cuál es la alternativa más económica a opencodex?
Cada opción auto-alojada aquí, LiteLLM, Ollama, LM Studio, anycodex, CodexHub y LocalAI, es gratuita y código abierto (o gratuita de usar, en el caso de LM Studio). OpenRouter es la única con facturación basada en uso, ya que ejecuta los modelos en sus propios servidores.
¿Cambiar a un proxy como LiteLLM mantiene mis datos locales?
Solo si enruta a un backend local como Ollama o LM Studio. LiteLLM y LocalAI son proxies, no runtimes; dónde van tus datos depende del backend que configures detrás de ellos. OpenRouter siempre envía solicitudes a modelos alojados.
¿Hay una alternativa GUI a la edición de archivo de configuración de opencodex?
LM Studio y CodexHub ambas ofrecen interfaces gráficas para gestionar backends y modelos, evitando ediciones de archivo de configuración manuales.
¿Qué usan las personas en lugar de opencodex para proxying de LLM local?
LiteLLM y LocalAI son las opciones más comunes auto-alojadas para enrutamiento multiproveedores, mientras que Ollama y LM Studio cubren setups de runtime único sin proxy en absoluto.
