OpenAI y Google Cloud anunciaron el 21 de octubre de 2026 que los modelos OpenAI se unirán al Model Garden de Google Cloud. Google dice que GPT-6 Astra, GPT-6.1 Sol y GPT-6 Luna están entrando en una prueba privada para clientes empresariales seleccionados. OpenAI planea la disponibilidad general en las próximas semanas, por lo que no es un acceso inmediato para todos los clientes de la nube.
La iniciativa permite a las organizaciones comprar y ejecutar modelos de OpenAI dentro del marco de la nube de Google, incluyendo facturación, permisos y controles de datos. Junto con el acceso al modelo, las empresas describen conexiones a los flujos de trabajo de Codex. Comercialmente, la selección de modelos puede ampliarse sin requerir un acuerdo de compra separado con otro vendedor para cada selección.
Tres modelos con funciones diferentes
Google presenta GPT-6 Astra como un modelo para tareas difíciles en programación, uso de ordenadores, trabajo profesional y ciencia. Google describe GPT-6.1 Sol como una opción más barata con capacidades cercanas a Astra para tareas de agentes de IA. GPT-6 Luna está diseñado para tareas cotidianas rápidas y económicas. Estas son descripciones de la empresa, no los resultados de una nueva prueba comparativa conjunta publicada con el anuncio.
Estas distinciones son importantes porque las aplicaciones empresariales realizan tareas diferentes. Un resumen corto, la reparación de código y la revisión compleja de documentos pueden tener requisitos diferentes. El intercambio de modelos dentro de una plataforma puede hacer que sean más fáciles de ajustar, pero la selección todavía requiere pruebas con los datos, el idioma y la precisión necesarios en cada flujo de trabajo.
Google dice que Model Garden incluye más de 200 modelos de Google, otros proveedores y la comunidad de modelos abiertos. OpenAI amplía este catálogo. Esto no significa que todos los modelos se comporten de la misma manera o que un sistema existente pueda moverse entre ellos sin adaptación. Los formatos de respuesta, la latencia y el uso de herramientas siguen siendo consideraciones prácticas.
Para los desarrolladores, una ruta unificada puede acortar la distancia entre la experimentación e integración en un sistema existente. Sin embargo, la inclusión en un catálogo no establece la idoneidad para un servicio en particular. Una evaluación útil aplica las mismas tareas y criterios de éxito a varios modelos en lugar de depender únicamente de sus descripciones comerciales.
Facturación a través de Google Cloud Marketplace
Ambas compañías dicen que las compras pasarán a través de Google Cloud Marketplace, y el consumo aparecerá en la factura de Google Cloud. Las organizaciones pueden aplicar los compromisos existentes de gasto en la nube a estas compras. Google añade que el consumo computa para Flexible Savings Plans entre proveedores de modelos, según el plan y las condiciones de cada cuenta.
Esto es importante para los líderes de TI y los equipos de compras. El presupuesto ya asignado a una nube puede utilizarse para el modelo de otro proveedor a través del mismo canal de facturación. No garantiza costes generales más bajos para cada organización. El volumen de uso, las tareas y los acuerdos comerciales afectan a la factura real.
Los anuncios no proporcionan ni una lista completa de precios para esta ruta ni una comparación de costes totales con la compra directa de OpenAI. Por lo tanto, no hay base para afirmar que exista un descuento uniforme. El valor inmediato descrito es la compra consolidada y el uso de los compromisos existentes; la idoneidad financiera todavía depende de los términos y la implementación.
Combinar los cargos en una sola factura no significa que el presupuesto sea ilimitado. Las organizaciones que conectan a los agentes a los sistemas del lugar de trabajo necesitan comprender con qué frecuencia se llaman modelos, qué tareas desencadenan modelos más caros y cómo se acumulan las solicitudes repetidas. La selección del modelo se convierte en una decisión operativa continua, no simplemente una elección realizada durante la instalación.
Los controles de datos, y lo que sigue por venir
Google dice que las instrucciones de entrada, el contexto y las respuestas de los modelos permanecen dentro del límite de datos establecido por el cliente. Esta información no se utiliza para entrenar modelos fundacionales. Describe la infraestructura dedicada de Google Cloud, las puertas de acceso aisladas, la gestión de identidad y el registro de auditoría unificado. Estos son compromisos del proveedor y descripciones arquitectónicas que deben entenderse dentro de los términos de servicio aplicables.
El anuncio dice que cada interacción de agente o modelo funciona bajo una identidad autenticada, con protección de VPC Service Controls. El objetivo es permitir a los administradores comprender quién accede a la información y rastrear la actividad. Tener controles de acceso no reemplaza la configuración correcta de permisos, particularmente decidir a qué fuentes de información puede acceder un agente.
Dos características de seguridad están explícitamente planeadas para más adelante: opciones de Zero Data Retention y Confidential Compute. La primera se refiere a las políticas contra la retención de datos; la segunda protege el procesamiento de información dentro de un entorno aislado. No deben describirse como ya disponibles para cada participante en la prueba, o como cubriendo automáticamente cada carga de trabajo.
La diferencia entre no entrenar en los datos y no retenerlos es sustancial. Un proveedor puede prometer no entrenar un modelo sobre el contenido del cliente sin que esa promesa defina por sí sola todos los plazos de conservación y los registros. Por lo tanto, las organizaciones con requisitos de privacidad necesitan la política de servicio específica, en lugar de tratar diferentes cuestiones como una afirmación genérica de seguridad.
Conexiones de Codex ahora, nuevas integraciones más tarde
Google dice que los clientes elegibles pueden usar las APIs. También pueden conectar los flujos de trabajo locales en Codex CLI y la aplicación de escritorio a su plataforma Gemini para ejecutar los modelos. Esto conecta un entorno de trabajo a un servicio de computación. No anuncia que cada producto Codex se haya trasladado a Google o que todos los usuarios reciban automáticamente nuevo acceso sin configuración.
Las compañías también describen la futura integración con Google Antigravity y las herramientas empresariales de Gemini. OpenAI se refiere a Gemini Agent, mientras que Google menciona Gemini for business. Ninguno de los anuncios proporciona un calendario detallado para cada interfaz, por lo que la apertura de acceso privado ahora debe distinguirse de las integraciones posteriores.
Para las organizaciones israelíes que ya utilizan Google Cloud, la opción es especialmente relevante para la adquisición, el desarrollo y la gobernanza de la información. Sin embargo, los anuncios no especifican la disponibilidad en la región de la nube israelí ni prometen el procesamiento local de datos. La integración global no establece que los modelos se ejecuten en Israel o que satisfagan automáticamente todos los requisitos locales de una organización.
OpenAI dice que Microsoft sigue siendo su principal socio en la nube. La asociación de Google añade una ruta comercial y técnica de acceso sin cambiar esa declaración. Para los clientes, el cambio tangible es más opciones dentro de un entorno de trabajo familiar. Su valor dependerá de la disponibilidad, costes y controles adecuados a la carga de trabajo real.