Claude frente a ChatGPT para la programación: ¿qué IA es mejor en 2026?

Para la mayoría de las tareas de programación, Claude Sonnet 5 es la mejor opción inicial para la revisión de código, el análisis de causas raíz, la planificación de la arquitectura y el razonamiento en contextos amplios. ChatGPT es la mejor opción inicial cuando se necesita un borrador completo de implementación, un esqueleto de pruebas ejecutable o ejemplos listos para copiar. Para el trabajo a nivel de repositorio, compara Claude Code con Codex en lugar de juzgar a cualquiera de las dos empresas basándote únicamente en la ventana de chat.

La división útil no se limita simplemente a “gana Claude” o “gana ChatGPT”. A fecha de 31 de julio de 2026, la gama actual de codificación de Anthropic incluye Claude Fable 5, Opus 5 y Sonnet 5, mientras que los modelos GPT-5.6 Sol, Terra y Luna de OpenAI están disponibles en ChatGPT, Codex y la API. Las secciones prácticas que figuran a continuación siguen siendo una comparación desactualizada entre Claude Sonnet 5 y GPT-5.5, probadas con las mismas indicaciones el 7 de julio de 2026.

Si quieres comparar modelos sin tener que gestionar varias suscripciones a la vez, GlobalGPT es un espacio de trabajo práctico y multimodelo con acceso a GPT 5.5, Claude Opus 4.8, Gemini 3.5 Flash, Perplexity y otros modelos, cuando estén disponibles. Resulta útil para comparar respuestas de programación, planificar, escribir y realizar investigaciones, pero no sustituye a Claude Code, Codex, las API oficiales, un IDE ni un flujo de trabajo de desarrollo que tenga en cuenta los repositorios.

Prueba más de 100 modelos destacados en GlobalGPT

Claude frente a ChatGPT para programar: respuesta rápida

En nuestras pruebas de chat con el mismo prompt realizadas el 7 de julio, Claude Sonnet 5 fue la mejor opción en la primera pasada cuando el problema era ambiguo: priorizó las causas más probables, filtró el ruido y explicó el riesgo con claridad. GPT-5.5 se mostró más eficaz cuando el paso siguiente consistía en un borrador de implementación más completo con importaciones, estructuras de prueba y más detalles del código. Estas observaciones se refieren a esa prueba concreta, no a todas las futuras versiones del modelo.

Para el desarrollo diario, el mejor flujo de trabajo suele ser el siguiente:

• Empieza por Claude para la revisión de código, la clasificación de errores, las decisiones sobre la arquitectura y las preguntas del tipo “¿qué debería revisar primero?”.
• Utiliza primero ChatGPT para generar una implementación inicial, escribir estructuras de prueba, elaborar ejemplos y convertir un plan en código.
• Utiliza ambos para migraciones, cambios que afecten a la seguridad, pagos, autenticación, subidas de archivos y cualquier otra acción que pueda dañar los datos de producción.

Si tu pregunta principal es qué familia de modelos es la mejor para la programación en general, la respuesta más amplia mejor modelo de IA para codificación Esta comparación es una lectura útil para seguir profundizando. Si tu decisión principal se centra en el ecosistema de OpenAI, el el mejor modelo ChatGPT para la codificación En esta guía se ofrece más información sobre la selección de modelos GPT.

Qué cambió en 2026

Para que una comparación sobre 2026 resulte útil, debe tener en cuenta tres cambios.

En primer lugar, el «Claude Sonnet 5» modificó la parte de la decisión correspondiente a Claude. Anthropic describe Sonnet 5 como una herramienta disponible en todos los planes y en Claude Code, con acceso a la plataforma Claude para desarrolladores. Esto es importante porque Claude ya no es solo un asistente de chat para explicaciones de programación; forma parte del flujo de trabajo de los agentes de programación de Anthropic.

En segundo lugar, GPT-5.6 es ahora la familia de modelos actual de OpenAI para trabajos de codificación. El 9 de julio de 2026, OpenAI sacó a GPT-5.6 de la fase de vista previa limitada. Sol es el modelo insignia, Terra es la opción equilibrada y Luna es la opción de bajo coste y gran volumen. OpenAI afirma que la familia está disponible en ChatGPT, Codex y la API, y que el acceso exacto a los modelos depende del plan y de la superficie del producto.

En tercer lugar, los asistentes de chat y los agentes de programación se encargan de diferentes partes del trabajo. El chat sencillo resulta útil para fragmentos de código, depuración, explicaciones y planificación. Claude Code y Codex son flujos de trabajo que tienen en cuenta el repositorio, diseñados para inspeccionar archivos, ejecutar comandos, probar cambios y trabajar en tareas de mayor envergadura. Una comparación imparcial distingue la calidad de los resultados del chat de las capacidades del producto «coding-agent».

Gama actual de modelos de codificación

A partir de julio de 2026, la comparación de códigos se reduce a una decisión sobre la alineación, en lugar de ser un simple enfrentamiento entre Claude y ChatGPT:

Si estás realizando un seguimiento del acceso a Claude y de los detalles del plan, consulta el documento aparte Claude AI tiene previsto para 2026 guía y lo más profundo Guía de precios de Claude AI. Si estás comparando los planes de OpenAI, el Planes de suscripción a ChatGPT para 2026 «Breakdown» es la obra complementaria más limpia.

Descripción general de los índices de referencia: SWE-Bench, Terminal-Bench y su significado

Las pruebas comparativas son útiles porque muestran cómo se comportan los modelos en tareas de programación controladas. La clave está en interpretar cada prueba comparativa en función de lo que realmente mide. Una prueba comparativa de un problema del repositorio, una prueba comparativa de un agente de terminal y una tabla oficial de lanzamiento de modelos no son la misma señal, por lo que deben utilizarse junto con las pruebas prácticas que se indican a continuación.

GPT-5.5: Datos de codificación a partir de la fecha de la prueba

El material sobre el GPT-5.5 que figura a continuación se mantiene porque coincide con el modelo utilizado en la comparativa práctica del 7 de julio. Respalda las observaciones de la sección de pruebas, que se centran en gran medida en la implementación, pero no debe interpretarse como la gama actual de modelos OpenAI; la familia GPT-5.6 es ahora la activa en ChatGPT, Codex y la API.

SWE-Bench: resolución de incidencias del repositorio

SWE-Bench Es útil porque se acerca más al mantenimiento real de software que una simple sugerencia de fragmento de código. Analiza los problemas del repositorio y si un modelo puede generar cambios que resuelvan la tarea. En la comparación entre Claude y ChatGPT, esto nos da una idea de la solidez en ingeniería de software, pero aún así no cuenta toda la historia sobre la calidad de las explicaciones, el criterio de revisión o lo útil que resulta una respuesta en un flujo de trabajo de chat.

SWE-Bench Pro: tareas de programación más complejas y tasa de resolución

Clasificación pública de Scale en SWE-Bench Pro Es un indicador más exigente, ya que se centra en tareas del repositorio más complejas y utiliza la tasa de resolución como principal parámetro de evaluación. Resulta especialmente útil cuando lo que te interesa es la capacidad real del agente de programación: no solo si el modelo es capaz de explicar un error, sino si puede hacer que el repositorio avance hacia una solución válida en condiciones de prueba comparativa.

Terminal-Bench: tareas de la línea de comandos y del flujo de trabajo del agente

Terminal-Bench 2.1 Se diferencia de SWE-Bench porque se centra en la realización de tareas en la terminal y la línea de comandos mediante configuraciones de agentes o modelos. Esto lo hace más relevante para flujos de trabajo al estilo de Claude Code y ChatGPT Codex que para una simple indicación de chat del tipo “escribe esta función”. Si estás eligiendo un asistente de programación para trabajar a nivel de repositorio o en la línea de comandos, esta comparativa debe tenerse en cuenta a la hora de tomar la decisión.

Las comparativas convierten a ambas familias de modelos en opciones de programación fiables, pero no resuelven la elección en el flujo de trabajo diario. En las secciones siguientes se utilizan las mismas indicaciones para la depuración, la refactorización, la planificación, las pruebas unitarias y la revisión de seguridad, para que puedas ver en qué aspectos difieren las respuestas en la práctica.

Cómo probamos Claude y ChatGPT para la programación

Probamos GPT-5.5 y Claude Sonnet 5 el de julio de 2026 en GlobalGPT, utilizando la misma interfaz y las mismas indicaciones. El objetivo no era recrear una prueba de rendimiento completa de un agente IDE, sino comparar la ayuda en la programación diaria: depuración, refactorización, razonamiento sobre varios archivos, redacción de pruebas y revisión de seguridad.

La puntuación se basaba en criterios sencillos: precisión, razonamiento sobre la causa raíz, facilidad de mantenimiento, cobertura de casos extremos, verificación y cumplimiento de las instrucciones. De este modo, la comparación se ajusta bastante a la forma en que los desarrolladores utilizan realmente los asistentes de programación basados en IA.

Prueba 1: Depuración y análisis de la causa raíz

La primera indicación pedía a ambos modelos que revisaran una función de JavaScript que agrupa los tickets por prioridad. El error es sutil, pero habitual: la función intenta insertar en acc[ticket.priority] antes de que exista ese array.

Lo que ChatGPT hizo bien: GPT-5.5 detectó el error, proporcionó el código corregido, añadió pruebas para casos extremos e incluyó un enfoque más defensivo Object.create(null) variante. Ese detalle adicional de implementación resulta útil cuando las claves de los objetos pueden entrar en conflicto con propiedades heredadas.

Lo que Claude hizo bien: Claude Sonnet 5 encontró el mismo error y dio una respuesta más precisa. Además, planteó un caso límite de prioridad indefinida, que es el tipo de límite práctico que un revisor debería tener en cuenta.

Ganador: Empate, con una ligera ventaja de ChatGPT en cuanto a los matices de la implementación. Claude fue más conciso; GPT-5.5 fue más completo.

Prueba 2: Refactorización y facilidad de mantenimiento

La segunda consigna pedía una refactorización para mejorar la legibilidad sin modificar el comportamiento. Se trata de una buena prueba, ya que muchas respuestas de programación generadas por IA refactorizan en exceso las pequeñas utilidades y crean más elementos móviles de los que el código original necesita.

Lo que ChatGPT hizo bien: GPT-5.5 mantuvo la estructura muy similar a la original, introdujo valores intermedios con nombre y siguió al pie de la letra la instrucción de “solo dos cambios importantes”. Esto resulta muy útil cuando el usuario desea una refactorización conservadora.

Lo que Claude hizo bien: Claude Sonnet 5 extrajo funciones auxiliares como un normalizador y un validador. El resultado facilitó la lectura de «intent», pero modificó la estructura más de lo que lo hizo GPT-5.5.

Ganador: ChatGPT para la moderación; Claude para la legibilidad modular. Si necesitas una refactorización mínima y segura, empieza con ChatGPT. Si quieres una nomenclatura de dominio más clara, pídele a Claude que le dé una segunda revisión.

Prueba 3: Razonamiento y planificación con varios archivos

El tercer ejercicio presentaba un pequeño árbol de directorios de Next.js y un informe de error: los usuarios que han iniciado sesión pueden subir archivos pequeños, pero los archivos de más de 8 MB fallan sin mostrar ningún mensaje de error una vez que la barra de progreso alcanza el 100%.

Lo que ChatGPT hizo bien: GPT-5.5 elaboró un plan detallado orientado a la implementación. En él se mencionaban las comprobaciones del tamaño del servidor, la gestión de las respuestas de los clientes y la propagación de los errores de almacenamiento.

Lo que Claude hizo bien: Claude Sonnet 5 se centró de inmediato en el umbral de los 8 MB, probablemente debido a limitaciones de la plataforma o del tamaño del cuerpo, la semántica de la barra de progreso y una ruta de verificación de 7 MB/8 MB/9 MB. Daba más la impresión de ser una nota de revisión de un superior.

Ganador: Claude. Identificó más rápidamente la causa más probable y proporcionó un plan de inspección mínima más preciso.

Prueba 4: Pruebas unitarias y verificación

La cuarta consigna pedía a ambos modelos que escribieran pruebas unitarias en TypeScript para una función auxiliar que devuelve los límites del plan para las subidas de archivos y el acceso a Codex. Esto comprueba si el modelo es capaz de proteger la lógica de ramificación frente a futuras regresiones.

Lo que ChatGPT hizo bien: GPT-5.5 incluyó las importaciones del marco de pruebas y generó un archivo Vitest que parecía ejecutable. Abarcaba las combinaciones esperadas y facilitaba pegar la respuesta en un proyecto.

Lo que Claude hizo bien: Claude Sonnet 5 explicó mejor el riesgo real de regresión: pro + códice debe interrumpirse antes de las comprobaciones específicas de cada función. Era una respuesta con un razonamiento más sólido, aunque resultaba menos fácil de implementar tal cual como archivo.

Ganador: Claude para el razonamiento de las pruebas; ChatGPT para la generación del archivo inicial. En la práctica, utiliza ChatGPT para el primer borrador de las pruebas y Claude para evaluar si estas garantizan el comportamiento correcto.

Prueba 5: Revisión de seguridad y fiabilidad

La quinta pregunta pedía a ambos modelos que analizaran un punto final de webhook de Express. Una buena respuesta debería abordar la verificación de la firma, los requisitos del cuerpo sin formatear, la idempotencia, la validación, la gestión de errores de la base de datos y los límites de tamaño de las solicitudes.

Lo que ChatGPT hizo bien: GPT-5.5 ofreció una solución al estilo de los proveedores, que incluía un sistema similar a Stripe express.raw() patrón. Esto resulta útil cuando el siguiente paso consiste en implementar un controlador de webhooks concreto.

Lo que Claude hizo bien: Claude Sonnet 5 ofrecía un razonamiento más claro y riguroso sobre la gravedad e incluía detalles más fiables sobre la comparación de firmas, basándose en conceptos de comparación en tiempo constante. Gracias a ello, la clasificación de riesgos resultaba más precisa.

Ganador: Empate, con una ligera ventaja para Claude en cuanto a la explicación de seguridad. Ambos modelos eran lo suficientemente sólidos como para resultar útiles, pero ninguna de las dos respuestas debería sustituir a una revisión de seguridad real de los flujos de pago o autenticación.

Claude Code frente a ChatGPT Codex

La salida del chat es solo una parte de la decisión de programación. Claude Code y Codex son flujos de trabajo independientes de desarrollo de agentes para tareas que implican archivos, comandos, pruebas, solicitudes de incorporación de cambios o modificaciones más amplias del código fuente.

La vía práctica: utiliza modelos de chat para reflexionar, dar explicaciones y realizar tareas sencillas; utiliza Claude Code o Codex cuando el trabajo requiera el contexto del repositorio y pasos ejecutables.

Precios: Claude, ChatGPT, Codex y GlobalGPT

Empieza por preguntarte por qué estás pagando. Un plan de chat te permite acceder a ayuda interactiva diaria en programación. Un flujo de trabajo con un agente de programación te permite realizar tareas relacionadas con repositorios, como tareas de CLI, IDE, web, en la nube o integraciones. La tarificación de la API se cobra por cada millón de tokens. Un espacio de trabajo multimodelo te permite cambiar más fácilmente entre Claude, GPT, Gemini, Perplexity y otros modelos en un mismo lugar.

A fecha de 7 de julio de 2026, el público Página de precios de Claude, Página de precios de OpenAI Codex, Documentación sobre precios de la plataforma Claude, y Página de pedidos de GlobalGPT Mostrar estos precios:

Para la mayoría de los desarrolladores independientes, la decisión no es “¿qué empresa es más barata?”, sino “¿qué precio se adapta mejor a mi flujo de trabajo?”. Si lo que haces principalmente es plantear preguntas y pegar fragmentos de código, Claude Pro o ChatGPT Plus pueden ser suficientes. Si quieres una implementación compatible con repositorios, compara el acceso a Claude Code y Codex. Si comparas varios modelos cada día, GlobalGPT puede ser el espacio de trabajo diario más sencillo, ya que el coste está vinculado a un único plan multimodelo en lugar de a varias suscripciones independientes.

En el caso de las herramientas de programación que hacen un uso intensivo de las API, los precios de suscripción no son un buen criterio de comparación. El precio por token es más relevante, ya que el contexto del código es muy amplio. Claude Sonnet 5 resulta más económico que Claude Opus 4.8 en cuanto a entradas y salidas de la API, mientras que Opus 4.8 se posiciona como el modelo premium más potente. Para trabajar con la API de OpenAI, utiliza la tabla de precios actualizada de la API de OpenAI para el modelo y el punto final exactos que tengas previsto utilizar, ya que los precios de los planes de ChatGPT y Codex no indican el coste de la API.

¿Qué configuración de codificación deberías elegir?

No te guíes únicamente por el nombre del modelo. Elige en función del tipo de trabajo de programación que realices realmente. Una misma persona puede utilizar ChatGPT para una primera implementación, Claude para la revisión, Codex para trabajar en repositorios ejecutables y GlobalGPT para realizar comprobaciones rápidas y paralelas de modelos a lo largo de una jornada normal.

Principiantes que se inician en la programación: Empieza con ChatGPT. Normalmente ofrece más ejemplos, más orientación y un camino más sencillo desde “No entiendo este error” hasta “aquí tienes la solución que funciona”.”

Un desarrollador junior que corrige errores: Empieza por Claude cuando el problema no esté claro. Claude destaca por reducir las posibles causas, indicar qué hay que comprobar primero y mantener la explicación centrada en lo esencial. Utiliza ChatGPT después, cuando necesites un parche concreto, un caso de prueba o un ejemplo de implementación.

Ingeniero sénior que revisa una modificación: Empieza con Claude. Es más adecuado para sopesar ventajas e inconvenientes, clasificar la gravedad de los problemas, abordar cuestiones arquitectónicas y realizar críticas concisas. Para tareas relacionadas con bases de código más extensas, pasa del chat a Claude Code o Codex, de modo que el modelo pueda trabajar con archivos y comandos en lugar de con un fragmento pegado.

Desarrollador de front-end o de interfaz de usuario: Empieza con ChatGPT para la primera revisión. Suele generar código de componentes más completo, gestión del estado y estructuras de pruebas. A continuación, utiliza Claude para revisar la accesibilidad, los límites de los componentes, la nomenclatura y si el código es demasiado ingenioso para el diseño.

Responsable del mantenimiento de un código fuente de gran envergadura: Elige entre Claude Code y Codex en función de tu entorno, el acceso a tu cuenta, tu política de seguridad y tu flujo de trabajo preferido. Cuando una tarea abarca varios archivos, el flujo de trabajo del agente suele ser más importante que qué respuesta del chat suena mejor.

Fundador en solitario o equipo pequeño: Utiliza ambas familias de modelos si el presupuesto lo permite. Una configuración práctica consiste en utilizar GlobalGPT para la comparación diaria de modelos y la generación de código a partir de ideas, y Claude Code o Codex cuando una tarea requiera acceso al repositorio y pasos ejecutables.

Si estás dudando entre las familias de modelos más recientes de Claude y GPT, el Claude Fable 5 contra GPT-5.5 La comparación ofrece un contexto más específico sobre cada modelo. Si estás valorando los planes de pago de OpenAI, el ChatGPT Plus vs Pro Esta comparación puede ayudar a determinar si merece la pena un uso más intensivo.

¿Por qué muchos desarrolladores siguen utilizando ambas?

Utilizar tanto Claude como ChatGPT no es una muestra de indecisión. Es un ciclo de control de calidad más eficaz.

• Planifica con Claude, ponlo en práctica con ChatGPT: Resulta útil cuando quieres que Claude reduzca el riesgo y que GPT-5.5 genere la primera implementación.
• Redactar con ChatGPT, revisar con Claude: Resulta útil cuando necesitas código rápido, pero quieres una segunda opinión más rigurosa.
• Pregunta ambas cosas antes de pasar a la fase de producción: útil para pagos, autenticación, cargas de datos, migraciones, almacenamiento en caché y modificaciones destructivas en la base de datos.
• Utiliza un agente cuando la tarea requiera archivos: El «Claude Code» o «Codex» puede ser más relevante que una simple conversación cuando el modelo necesita el contexto del repositorio.

GlobalGPT se ajusta al patrón “utilizar ambos” cuando la tarea consiste en comparar indicaciones, obtener ayuda diaria con la programación, planificar o investigar. Resulta especialmente útil para comparar modelos a diario, realizar iteraciones de borradores, obtener segundas opiniones rápidas y elegir el estilo de modelo que mejor se adapte al próximo trabajo.

Si lo único que estás valorando es el acceso a Claude, el mejores alternativas a Claude AI Esta lista es una guía general de alternativas.

PREGUNTAS FRECUENTES

¿Qué es mejor para programar en 2026, Claude o ChatGPT?

Elige primero Claude para la revisión de código, la depuración de casos ambiguos, la planificación de la arquitectura y el razonamiento en contextos extensos. Elige primero ChatGPT para borradores de implementación, ejemplos, trabajo en el frontend y creación de estructuras de pruebas. Cuando la tarea requiera acceso al repositorio, comandos, pruebas o ediciones en varios archivos, compara Claude Code con Codex en lugar de confiar únicamente en el chat.

¿Es Claude mejor que ChatGPT para la depuración?

Claude suele ser la mejor opción para la primera ronda de depuración, ya que tiende a dar prioridad a la causa más probable y a explicar con claridad la cadena de fallos. En nuestras pruebas con JavaScript y Next.js, Claude Sonnet 5 destacó especialmente por su capacidad para ofrecer diagnósticos concisos. ChatGPT siguió mostrando un buen rendimiento cuando la solución requería detalles de implementación más completos.

¿Es ChatGPT Codex mejor que Claude Code?

Ninguna de las dos opciones es automáticamente la mejor para todos los equipos. ChatGPT Codex se adapta a los flujos de trabajo centrados en OpenAI y a las tareas de los agentes que requieren una implementación compleja. Claude Code destaca cuando el trabajo se beneficia del estilo de planificación, revisión y razonamiento en contextos largos de Claude. La mejor opción depende del acceso al repositorio, los precios, la pila tecnológica, los permisos y la política del equipo.

¿Qué es mejor para un código fuente extenso?

En el caso de una base de código extensa, el flujo de trabajo del agente es más importante que el modelo de chat por sí solo. Utiliza Claude Code o Codex cuando el asistente necesite revisar archivos, ejecutar comandos, realizar pruebas o rastrear el comportamiento entre módulos. Mantén la revisión humana en lo que respecta a los permisos, los comandos de riesgo y la comparación final.

¿Qué es mejor para los principiantes que están aprendiendo a programar?

ChatGPT suele ser más fácil para los principiantes, ya que tiende a ofrecer más ejemplos, explicaciones más completas y fragmentos de código listos para ejecutar. Claude puede resultar más útil cuando el principiante no entiende por qué algo no funciona y necesita una explicación conceptual más clara.

¿Qué es mejor para el código HTML y de interfaz de usuario del front-end?

ChatGPT suele ser más eficaz a la hora de generar el primer borrador de HTML, CSS o componentes. Claude resulta útil para revisar la estructura, simplificar el diseño y detectar problemas de accesibilidad o de facilidad de mantenimiento. Para un trabajo de front-end pulido, utiliza ChatGPT para redactar el borrador y Claude para revisarlo.

¿Qué modelo es mejor para escribir pruebas?

ChatGPT es más adecuado cuando se busca un archivo de pruebas completo, con importaciones y una estructura que parezca ejecutable. Claude es más adecuado cuando se quiere comprender qué comportamientos deben protegerse y por qué es importante una prueba de regresión. Un buen flujo de trabajo consiste en generar pruebas con ChatGPT y, a continuación, preguntar a Claude qué casos extremos faltan.

¿Las pruebas de rendimiento como SWE-Bench demuestran qué asistente de programación es mejor?

No. SWE-Bench, SWE-Bench Pro y Terminal-Bench son indicadores valiosos, especialmente para los flujos de trabajo de codificación agentiva, pero no predicen por completo la ayuda que se necesita a diario en la codificación. Las pruebas de rendimiento miden un entorno controlado; los desarrolladores reales también necesitan un razonamiento claro, código usable, cambios fáciles de mantener y buenos pasos de verificación.

¿Deberían los desarrolladores utilizar tanto Claude como ChatGPT?

Sí, sobre todo para trabajos serios. Utiliza Claude para el plan, el análisis de riesgos y el diagnóstico. Utiliza ChatGPT para los borradores de implementación, los ejemplos y las estructuras de prueba. A continuación, ejecuta el código, revisa las diferencias y comprueba el comportamiento en tu propio proyecto.

¿Puedo comparar Claude y ChatGPT en GlobalGPT?

Sí. GlobalGPT resulta útil para comparar las respuestas de Claude y ChatGPT en un mismo espacio de trabajo cuando los modelos necesarios están disponibles allí. Funciona bien para preguntas cotidianas sobre código, planificación, investigación y segundas opiniones. No sustituye a Claude Code, Codex, un IDE, las API oficiales ni las herramientas a nivel de repositorio.