OpenAI y Google Cloud anunciaron el 21 de octubre de 2026 que los modelos de OpenAI y los flujos de trabajo de Codex llegarán a Model Garden. La noticia amplía las opciones de las empresas que ya trabajan en Google Cloud, pero no significa que cualquier usuario de ChatGPT pueda activar esos modelos desde hoy ni que exista disponibilidad general inmediata.
Google indicó que GPT‑Astra, GPT‑6.1 Sol y GPT‑6 Luna empiezan a desplegarse en vista previa privada para clientes empresariales seleccionados. OpenAI añadió que la disponibilidad general está prevista para las próximas semanas. Esa diferencia entre anuncio, vista previa y acceso general es esencial para interpretar la novedad sin exagerarla.
El cambio más importante no es solo añadir tres nombres a un catálogo. Consiste en poder comparar modelos, facturarlos desde Google Cloud y aplicar una capa común de identidad, políticas, auditoría y perímetros de datos. Para una empresa regulada, esas condiciones pueden pesar tanto como la puntuación de un modelo en una prueba de rendimiento.
Qué anunciaron OpenAI y Google Cloud
El comunicado oficial de OpenAI explica que sus modelos avanzados y los flujos de Codex se integrarán en Google Cloud Model Garden. Los clientes podrán adquirirlos mediante Google Cloud Marketplace y cargar el consumo a sus compromisos existentes con la nube. OpenAI aclara además que Microsoft continúa siendo su socio principal de infraestructura en la nube.
Por su parte, el anuncio de Google Cloud concreta los primeros modelos de la vista previa privada:
- GPT‑Astra, orientado a tareas exigentes de programación, uso de ordenadores, trabajo profesional e investigación científica.
- GPT‑6.1 Sol, presentado como una opción cercana a Astra con menor coste para programación agéntica, uso de ordenadores y trabajo profesional.
- GPT‑6 Luna, enfocado en velocidad y coste para tareas cotidianas a gran escala.
Google también afirma que los clientes podrán conectar flujos locales de Codex CLI y Desktop con su plataforma para ejecutar inferencia. La letra pequeña importa: el acceso inicial es limitado, se solicita mediante un formulario y no equivale todavía a un servicio abierto a todos los proyectos de Google Cloud.
Qué es Model Garden y por qué importa
Model Garden es el catálogo de modelos de Vertex AI. Reúne modelos de Google, socios y proyectos abiertos para descubrirlos, probarlos, personalizarlos o desplegarlos mediante patrones comunes. La propuesta consiste en evitar que cada proveedor exija una arquitectura, un contrato y una operación completamente separados.
Para un equipo técnico, la ventaja potencial es comparar modelos con el mismo marco de evaluación. Una tarea de clasificación sencilla puede ir a una opción rápida; una revisión de código compleja puede reservarse para un modelo más capaz. La decisión deja de ser «qué proveedor usamos para todo» y pasa a ser «qué combinación ofrece la calidad, latencia y coste adecuados para cada carga».
Esto encaja con arquitecturas donde un flujo reparte tareas entre varios servicios. Una base práctica para comprender esa lógica es la automatización de procesos con n8n: un orquestador recibe datos, aplica reglas y llama a distintas herramientas. En la nube empresarial, la misma idea necesita identidad, permisos, registros y límites presupuestarios mucho más estrictos.
Vista previa privada no significa disponibilidad general
El anuncio contiene varias fechas relativas que conviene separar:
- Ahora: despliegue progresivo en vista previa privada para clientes empresariales seleccionados.
- Próximas semanas: disponibilidad general prevista según OpenAI, sin una fecha cerrada publicada.
- Más adelante: integración anunciada con Gemini para empresas y Google Antigravity.
- También pendiente: opciones de retención cero y Confidential Compute que Google describe como próximas, no como funciones ya disponibles para todos los casos.
Por tanto, una organización no debería diseñar un proyecto crítico dando por hecho que todos los modelos, regiones y controles están operativos. Antes necesita confirmar si su proyecto ha sido admitido en la vista previa, qué API está habilitada, dónde se procesa la información, qué límites se aplican y cuáles son las condiciones comerciales.
Los comunicados tampoco publican una tabla completa de precios, cuotas, latencias o regiones. La compra a través de Marketplace simplifica la facturación, pero no demuestra por sí sola que el coste total sea inferior. Habrá que sumar llamadas al modelo, almacenamiento, red, observabilidad, evaluación, soporte y trabajo de integración.
Gobierno del dato: qué está disponible y qué sigue prometido
Google afirma que las solicitudes, el contexto y las respuestas permanecerán dentro del perímetro de datos designado por el cliente y no se utilizarán para entrenar modelos fundacionales. También anuncia pasarelas aisladas, identidades autenticadas, registros de auditoría y protección con VPC Service Controls.
Estas afirmaciones son relevantes, pero deben traducirse a una configuración concreta. Un «perímetro» no se crea solo por elegir un modelo. La empresa tiene que definir proyectos, cuentas de servicio, permisos, políticas de salida, registros, claves y controles sobre los datos que llegan al sistema.
La documentación de control de acceso a Model Garden permite establecer políticas a nivel de organización, carpeta o proyecto. Se puede autorizar o denegar un modelo y acciones como predecir, desplegar o ajustar. Un detalle crítico es que, si no existe una política definida o heredada, se permiten de forma predeterminada los modelos y acciones accesibles para quienes ya tienen permisos de Vertex AI.
Eso obliga a revisar la configuración antes de abrir el catálogo. Una lista explícita de modelos aprobados suele ser más segura que permitir todo y bloquear después. También conviene separar a los administradores que habilitan modelos de los usuarios que solo pueden invocar una API concreta.
VPC Service Controls añade perímetros alrededor de servicios y recursos para reducir la exfiltración causada por atacantes, cuentas comprometidas o procesos automatizados sin autorización. No sustituye al control de identidades, al cifrado ni a la clasificación de datos; funciona como una capa adicional.
Qué cambia para Codex y los agentes
OpenAI presenta la integración como una vía para ejecutar flujos de Codex en la infraestructura y el gobierno de Google Cloud. Para una empresa, eso puede simplificar el acceso de un agente a repositorios, entornos de prueba y servicios internos sin repartir la trazabilidad entre varios paneles.
Sin embargo, un agente que puede leer código, ejecutar herramientas o modificar archivos plantea más riesgo que un chat de solo lectura. La conexión entre modelos y herramientas debe limitarse por función. El análisis de MCP y la seguridad de agentes conectados muestra por qué cada herramienta necesita un alcance definido, permisos mínimos y confirmación para acciones sensibles.
Una identidad autenticada por interacción ayuda a saber quién hizo qué, pero no garantiza que la acción fuera correcta. También se necesitan trazas del proceso: entrada, herramienta llamada, parámetros, salida, validaciones y revisión humana. Los registros deben permitir reconstruir un incidente sin almacenar innecesariamente secretos o datos personales.
La comparación entre modelos debe hacerse con tareas reales
Disponer de más modelos no elimina la necesidad de evaluarlos. Las descripciones del proveedor —«más capaz», «más rápido» o «más eficiente»— son puntos de partida. Cada empresa debe probar sus propios documentos, idiomas, herramientas, formatos y errores frecuentes.
Un conjunto de evaluación útil puede incluir:
- calidad de la respuesta en casos normales y difíciles;
- tasa de errores y afirmaciones sin fuente;
- latencia completa, no solo tiempo del modelo;
- coste por tarea resuelta correctamente;
- comportamiento cuando faltan datos o una herramienta falla;
- capacidad de respetar formatos, permisos y políticas;
- estabilidad al actualizar la versión del modelo.
La portabilidad también debe comprobarse. Cambiar de modelo puede alterar el formato de las respuestas, el uso de herramientas y la forma de gestionar contextos largos. Una interfaz unificada reduce trabajo, pero no vuelve intercambiables a todos los modelos.
Datos locales o nube: no existe una respuesta única
La nueva alianza amplía las opciones en la nube, pero no invalida los modelos locales. Cargas pequeñas, información extremadamente sensible o tareas que deben funcionar sin conexión pueden encajar mejor en infraestructura propia. Esta guía sobre IA local con Ollama frente a servicios en la nube explica los intercambios entre privacidad, capacidad, mantenimiento y coste.
La nube ofrece escala, modelos avanzados y servicios gestionados. El entorno local aporta control físico y previsibilidad, pero exige hardware, actualizaciones, seguridad y personal especializado. Muchas organizaciones acabarán usando una arquitectura híbrida: clasificación y filtrado cerca del dato, y modelos avanzados para tareas autorizadas.
Incluso los datos aparentemente inocuos pueden revelar información al combinarse. Una hoja de cálculo con nombres de proyectos, importes o fechas puede ser sensible aunque no contenga contraseñas. Por eso conviene ordenar y clasificar la información antes de enviarla a un modelo. Técnicas de limpieza como las incluidas en esta formación de Excel profesional con inteligencia artificial ayudan a preparar datos, pero la autorización y el gobierno siguen siendo responsabilidades de la organización.
Diez comprobaciones antes de solicitar acceso
- Definir el caso de uso. Una descripción medible evita probar modelos sin objetivo.
- Clasificar los datos. Identificar información personal, financiera, sanitaria, contractual o confidencial.
- Confirmar la región. Verificar dónde se procesan y almacenan entradas, salidas y registros.
- Distinguir funciones actuales y futuras. No contar con retención cero o computación confidencial hasta que estén habilitadas para el servicio concreto.
- Crear una lista de modelos permitidos. Aplicar
vertexai.allowedModelsen el nivel correcto de la organización. - Separar identidades. Cada agente y servicio debe usar una cuenta con permisos mínimos.
- Registrar acciones. Conservar evidencia suficiente para investigar errores y accesos.
- Comparar calidad y coste. Medir tareas completas, incluidos reintentos y revisión humana.
- Preparar una salida. Diseñar una capa que permita cambiar de modelo o proveedor sin rehacer todo el sistema.
- Exigir revisión humana. Mantener aprobación para cambios de código, datos, permisos o decisiones de alto impacto.
Qué no cambia con el anuncio
OpenAI no abandona su relación principal con Microsoft. Google Cloud no sustituye automáticamente a Azure ni convierte a sus clientes en usuarios de ChatGPT. La integración es un nuevo canal empresarial para acceder a modelos y flujos de trabajo dentro de una plataforma que ya reúne más de doscientos modelos.
Tampoco desaparece la dependencia del proveedor. Aunque Model Garden facilite comparar opciones, cada modelo conserva condiciones, límites, versiones y comportamientos propios. La mejor defensa frente al bloqueo no es acumular proveedores, sino diseñar datos, evaluaciones y herramientas con interfaces claras.
Conclusión: más elección, pero también más decisiones
La llegada de OpenAI a Google Cloud amplía la competencia y permite que empresas ya asentadas en esa nube prueben modelos avanzados sin crear una operación totalmente separada. La facturación unificada, las identidades, las políticas y la auditoría pueden reducir fricción.
Pero la noticia sigue en fase de despliegue. Los primeros modelos están en vista previa privada, varias funciones de seguridad se anuncian para más adelante y faltan detalles públicos de precio, regiones y límites. La adopción responsable consiste en verificar esos puntos, aplicar permisos restrictivos y medir con tareas reales.
La conclusión práctica es sencilla: Model Garden ofrece más libertad de elección, pero esa libertad debe gobernarse. Un catálogo más amplio mejora las posibilidades; una política clara, unas pruebas reproducibles y una supervisión humana determinan si esas posibilidades se convierten en valor o en riesgo.
Fuentes oficiales consultadas
- OpenAI: modelos de OpenAI en Google Cloud, 21 de octubre de 2026.
- Google Cloud: ampliación de Model Garden con modelos de OpenAI, 21 de octubre de 2026.
- Google Cloud: descripción general de Model Garden.
- Google Cloud: control de acceso a los modelos.
- Google Cloud: controles de seguridad para IA generativa.
- Google Cloud: VPC Service Controls.
Nota: este artículo es informativo y no constituye asesoramiento técnico, jurídico ni financiero.