¿Cómo elegir entre Codex, Claude Code y DeepSeek Harness? Comparativa en 4 dimensiones: cambio de modelo, conexión con API y montaje de automatización

Nota del autor: comparamos Codex, Claude Code y DeepSeek Harness, tres agentes, en cuanto a integración de modelos, extensión de herramientas y orquestación de ejecución, para explicar qué se necesita para cambiar de modelo, conectar una API y montar automatizaciones, y ayudarte a tomar una decisión clara.

Muchos desarrolladores comparan Codex, Claude Code y DeepSeek Harness al elegir una herramienta, pero en realidad no son el mismo tipo de producto. Este artículo compara cuatro dimensiones: libertad para cambiar de modelo, forma de integración con API, extensión de herramientas de negocio y ejecución y automatización, y ofrece recomendaciones claras según el caso de uso.

No es un análisis de compromiso que «parece que todos tienen algo bueno», ni incluye puntuaciones inventadas de pruebas reales. Todas las descripciones de capacidades se basan en material oficial de cada fabricante (fecha de verificación: 12 de noviembre de 2026) y distinguen claramente tres tipos de información: «descripción oficial», «inferencia razonable» y «requiere verificación propia».

Valor central: después de leer este artículo, podrás responder tres preguntas: quién elegir si quieres usar directamente un agente de programación maduro, quién ofrece más libertad si quieres cambiar de modelo, y quién encaja mejor si quieres montar tu propio sistema de automatización.

Por qué Codex, Claude Code y DeepSeek Harness no deberían verse simplemente como productos de la misma categoría

Para entenderlo mejor, planteemos a los tres productos la misma tarea: cada día a las 9 a. m., recopilar automáticamente las últimas noticias de IA, seleccionar los temas que merecen escribirse, generar un paquete de material y un plan de artículo, guardar el resultado en el panel de gestión de contenidos de la empresa y repetir la ejecución automática al día siguiente. Esta tarea incluye cinco partes: recopilar información, generar contenido, completar el panel, ejecución programada e inferencia del modelo, y cubre justo todas las capacidades que compararemos más adelante.

Codex y Claude Code son agentes de programación maduros. Tienen una forma de producto oficial, sistema de cuentas y cuotas de uso; pueden leer repositorios de código, ejecutar comandos, correr pruebas y también operar el navegador; Codex además ofrece Codex Cloud, para que las tareas se ejecuten en un entorno de computación remoto. Usarlos es como “contratar a un ingeniero formado por el fabricante”: los límites de capacidad y los modelos disponibles los decide básicamente el proveedor oficial.

DeepSeek Harness es diferente. Es un proyecto de código abierto con licencia MIT, y la documentación oficial de arquitectura lo describe con la frase “Everything is a Plugin”: adaptadores de modelos, registro de herramientas, registro de sesiones, Agent Loop (el ciclo de ejecución en el que modelo y herramientas interactúan repetidamente), sistema de archivos y ejecución de comandos, políticas de aprobación del sandbox, tareas en segundo plano y Webhook, todo se puede sustituir mediante plugins y configuración. Ahora mismo está en fase Developer Preview, y se parece más a un chasis que puedes modificar a tu gusto que a un producto listo para usar.

Conviene añadir algo: Codex también tiene una faceta de plataforma. OpenAI ya ha publicado Codex Harness y ofrece tres formas de integración programática: SDK, App Server y codex exec; pero la compañía distingue explícitamente entre el código de ejecución abierto y el acceso a modelos y el servicio en la nube gestionado, que son niveles distintos y no deben mezclarse.

Resumen de términos: la base común para entender la tabla comparativa de Codex, Claude Code y DeepSeek Harness

La tarea del «boletín diario de noticias» mencionada arriba reaparecerá varias veces en el texto. Aquí aclaramos primero los términos clave usando un mismo caso, para evitar que cada uno se interprete a su manera.

• API: formato de solicitud acordado entre el programa y el servicio de modelos; cada llamada de la tarea del boletín se apoya en ella.
• Clave API: credencial que demuestra «quién eres», equivalente a un código de recogida que debe guardarse con cuidado.
• Base URL: dirección del servicio a la que se envían las solicitudes. Que la dirección sea configurable no significa que el protocolo sea necesariamente compatible.
• Adaptador de modelo: componente dentro del Agent que conecta con el servicio de modelos y gestiona los formatos de solicitud y respuesta.
• Llamada a herramientas: mecanismo por el que el modelo dice «búscalo por mí» en vez de inventarse la respuesta directamente.
• MCP: protocolo que conecta el Agent con herramientas externas y servicios de datos; tanto Codex como Claude Code lo admiten.
• SDK: kit de desarrollo que permite integrar las capacidades del Agent en tu propio programa.
• Webhook: interfaz mediante la cual eventos externos «tocan el timbre» de tu aplicación.
• Agent Loop: ciclo de ejecución en el que modelo y herramientas interactúan de ida y vuelta hasta que termina la tarea.
• Tarea en la nube: tarea que se ejecuta en un entorno remoto; los permisos y la disponibilidad de archivos dependen de la configuración de ese entorno.

Quiero cambiar de modelo: Codex vs Claude Code vs DeepSeek Harness, ¿cuál ofrece mayor libertad?

«Querer cambiar de modelo» es la razón directa por la que muchos equipos se fijan en los frameworks de Agent, y las tres propuestas abordan este punto de forma muy distinta.

Codex admite dos formas de acceso: iniciar sesión con una cuenta de ChatGPT o usar tu propia clave API (requiere configuración adicional). Conviene tener en cuenta que la primera opción consume la cuota de Codex incluida en el plan de ChatGPT, mientras que la segunda se factura por API; las cuotas de ambos usos no son intercambiables, y tampoco conviene confundir el Codex CLI de código abierto con la cuota de la suscripción.

Claude Code ofrece oficialmente inicio de sesión con suscripción, además de vías de acceso como Anthropic Console, Amazon Bedrock, Google Vertex AI y Microsoft Foundry; las interfaces de desarrollo como Terminal CLI, VS Code y JetBrains también admiten la configuración de Provider de terceros. Pero hay que subrayarlo: esto no significa que todas las entradas de producto de Claude puedan sustituirse por cualquier modelo; el alcance concreto del soporte depende de la documentación oficial de la versión que estés usando.

DeepSeek Harness es el que ofrece mayor libertad, y también la mayor responsabilidad. Su adaptador de modelos es en sí mismo un plugin, y la documentación de desarrollo toma como ejemplo las dos variables de entorno DEEPSEEK_API_KEY y DEEPSEEK_BASE_URL: la clave API sirve para la autenticación y la Base URL para especificar una dirección de API personalizada; si no se configura, se usa por defecto la API oficial de DeepSeek. Cabe aclarar algo en particular: una Base URL personalizada es una configuración de ejemplo del adaptador de DeepSeek, y que otros servicios de modelos funcionen o no depende del protocolo de solicitud real y de la compatibilidad con la invocación de herramientas; que una dirección sea configurable no significa que funcione sin más.

Si tu intención ya es cambiar y comparar con frecuencia entre modelos como GPT, Claude o DeepSeek, colocar la capa de modelos sobre una interfaz unificada reduce de forma notable el coste de cambio. La información pública de APIYI apiyi.com indica que la plataforma ofrece una interfaz compatible con OpenAI, donde una sola clave API permite invocar varios modelos principales, con facturación por uso y una cuota de prueba gratuita para nuevos usuarios (lo anterior es la descripción pública de la plataforma; para la compatibilidad concreta de cada modelo se recomienda guiarse por pruebas reales).

La estratificación mostrada en la imagen anterior es la clave para entender este artículo: la capa de servicios de modelos solo aporta capacidad de inferencia, la capa del entorno Agent determina cómo se planifica y ejecuta la tarea, y solo la capa de herramientas externas llega realmente al navegador, a los archivos y al backend de la empresa. Cambiar de modelo resuelve la capa inferior; construir la automatización resuelve la intermedia y la superior, y ambas no pueden sustituirse mutuamente.

Conectar herramientas de negocio: ¿qué extensión es más flexible entre Codex, Claude Code y DeepSeek Harness?

Volviendo al tercer paso de la tarea del informe diario, «introducir los datos en el backend de la empresa», este paso pone a prueba la capacidad de extensión de las herramientas.

Codex se conecta a herramientas externas mediante MCP y, a través del SDK, inicia y gestiona tareas de agente dentro de sus propios programas; App Server permite que otras aplicaciones se integren con sus sesiones, eventos, llamadas a herramientas y flujos de aprobación; codex exec está orientado a scripts y escenarios de CI, lo que facilita la creación de tareas de automatización reproducibles. La idea general es «producto oficial + interfaz de programación estandarizada».

El sistema de extensión de Claude Code gira en torno a MCP, Hooks y Subagents. Los ejemplos oficiales de MCP incluyen leer documentos de diseño de Google Drive, obtener tareas de Jira, consultar PostgreSQL, crear borradores de Gmail e incluso enviar mensajes a sesiones de agente mediante eventos externos o Webhook. Los Subagents pueden tener contexto, indicaciones del sistema, permisos de herramientas y selección de modelo independientes, y trabajar en paralelo en segundo plano; los Hooks, por su parte, pueden ejecutar scripts personalizados antes y después de las llamadas a herramientas, en las solicitudes de permisos y en el inicio y fin de sesión, lo que resulta útil para añadir «puntos de control» al flujo.

La lógica de extensión de DeepSeek Harness es más radical: el registro de herramientas, el Agent Loop y la política de aprobación del sandbox se pueden reemplazar, lo que significa que no solo puedes «añadir herramientas», sino también cambiar «cómo el modelo decide qué herramienta invocar y cómo continuar la ejecución». El costo también es claro: todo debe configurarse y mantenerse por cuenta propia, y las notas oficiales de seguridad señalan explícitamente que el proyecto aún no ha completado una auditoría de seguridad, por lo que no debe considerarse software seguro apto para entornos de producción.

Cómo montar la automatización: comparativa de los modos de ejecución de Codex, Claude Code y DeepSeek Harness

En las tareas de reporting diario, el paso más difícil es «que mañana se siga ejecutando automáticamente, y a ser posible sin encender el ordenador». Esto pone a prueba la capacidad de ejecución y de programación (scheduling), así que antes conviene distinguir tres capacidades diferentes: ejecución de procesos locales, tareas en la nube gestionadas y programación continua.

Codex Cloud ofrece un entorno de computación remota gestionado por OpenAI, en el que cada tarea tiene su propio espacio de trabajo; las tareas en la nube pueden seguir ejecutándose aunque el ordenador entre en reposo. La documentación de ayuda oficial indica que, por defecto, el estado guardado de la máquina virtual se puede restaurar como máximo 7 días después de la última inicialización o reanudación de la tarea (según la descripción oficial). Para el escenario de «seguir ejecutando tareas programadas con el ordenador apagado», Codex Cloud es la opción oficial más directa.

Claude Code se centra en la ejecución local; los agentes en segundo plano y los Subagents entre sesiones dependen del modo de ejecución concreto. Que puedan continuar con el ordenador apagado depende de dónde despliegues el entorno de ejecución; oficialmente no se posiciona como un producto de tareas en la nube que «se reanudan con el equipo apagado».

DeepSeek Harness ofrece Background Jobs y Webhooks, y se puede integrar con otros sistemas de automatización, pero el backend oficial de trabajos locales depende de un proceso en ejecución: para que trabaje 24/7 hay que desplegarlo por cuenta propia en un servidor o contenedor siempre encendido. En cuanto a la operación con navegador, requiere instalar dsh-browser-use y habilitar de forma explícita proveedores experimentales como Playwright MCP, Chrome DevTools MCP o Stagehand, y el estado de inicio de sesión no se restaura automáticamente desde el registro de la sesión. Todo esto es el coste que viene con la «alta libertad».

Conviene recordar que la búsqueda en el navegador, la automatización del navegador y el control del escritorio son tres niveles de capacidad distintos, y no hay que confundirlos al evaluar; del mismo modo, la ejecución programada local y la ejecución continua en la nube son cosas diferentes.

Inicio rápido con Codex, Claude Code y DeepSeek Harness: primero pon a funcionar la capa de API del modelo

No importa cuál elijas al final: el primer paso siempre es dejar funcionando la capa del modelo. Tomando como ejemplo la interfaz compatible con OpenAI, con poco más de diez líneas de código ya puedes hacer tu primera llamada:

import openai

client = openai.OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"  # Interfaz unificada de APIYI, compatible con OpenAI
)

response = client.chat.completions.create(
    model="gpt-4o-mini",
    messages=[{"role": "user", "content": "用一句话总结今天的 AI 新闻要点"}],
)
print(response.choices[0].message.content)

import json
import openai

client = openai.OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"  # Interfaz unificada de APIYI
)

tools = [
    {
        "type": "function",
        "function": {
            "name": "search_news",
            "description": "搜索今天的 AI 新闻",
            "parameters": {
                "type": "object",
                "properties": {"keyword": {"type": "string"}},
            },
        },
    }
]

def search_news(keyword):
    # En un proyecto real, sustituye esto por tu API de búsqueda o la API de tu sistema de negocio
    return "关于 " + keyword + " 的示例新闻"

messages = [{"role": "user", "content": "搜索今天的 AI 新闻, 总结成一段日报"}]

for _ in range(5):
    # Agent Loop: el modelo y las herramientas interactúan repetidamente hasta completar la tarea
    response = client.chat.completions.create(
        model="gpt-4o-mini", messages=messages, tools=tools
    )
    msg = response.choices[0].message
    if msg.tool_calls:
        messages.append(msg)
        for call in msg.tool_calls:
            args = json.loads(call.function.arguments or "{}")
            result = search_news(args.get("keyword", "AI"))
            messages.append({"role": "tool", "tool_call_id": call.id, "content": result})
    else:
        print(msg.content)
        break

Este código explica justamente por qué «la API del modelo no equivale a un entorno de Agent»: el modelo solo se encarga de decidir «si hay que llamar a una herramienta y cuál», mientras que search_news es la capa de ejecución que tú mismo proporcionas, y el bucle for es el Agent Loop más simple. Si cambias la función de herramienta por tu API de negocio y la envuelves con el SDK de Codex, el MCP de Claude Code o el sistema de plugins de DeepSeek Harness, obtienes el germen de la automatización de cada uno. El formato concreto de los parámetros de las llamadas a herramientas y el alcance disponible dependen del modelo y la documentación de la API que elijas.

🚀 Inicio rápido: te recomendamos empezar dejando funcionando la capa del modelo a través de APIYI apiyi.com, obtener la clave API y el crédito de prueba gratuito para nuevos usuarios, y luego ir conectando herramientas y orquestación capa por capa mediante la interfaz unificada. La plataforma ofrece invocación unificada de varios modelos mainstream, lo que facilita comparar y cambiar entre ellos en el mismo entorno (según la descripción pública de la plataforma).

⚠️ Atención: los servicios de agregación de API ayudan a conectar y cambiar modelos, pero no proporcionan automáticamente operación de navegador, permisos de archivos, cómputo en la nube ni capacidad de orquestación de tareas; llamar a la API de un modelo y tener una suscripción al producto Codex o Claude son dos cosas distintas.

Recomendaciones por caso de uso: cómo elegir entre cambiar de modelo, conectar APIs y montar automatizaciones

Recomendación de decisión: primero pregúntate cuánta libertad necesitas

1. Quieres usar directamente un agente de programación maduro: elige Codex o Claude Code. Ambos tienen un flujo de desarrollo completo y la mayor parte del mantenimiento corre a cargo del fabricante, ideales para equipos que delegan la tarea y quieren resultados cuanto antes; el requisito que aceptas es que la elección de modelo y las reglas de uso las decide el producto oficial.
2. Quieres cambiar libremente de modelo y de mecanismo de ejecución: elige DeepSeek Harness. Su arquitectura de plugins ofrece el mayor margen de modificación, pero tendrás que aceptar el estado de Developer Preview, el aviso de que la auditoría de seguridad aún no está completa y toda la responsabilidad de desplegarlo y asumir las consecuencias por tu cuenta.
3. Quieres integrar el agente en tu propio software de negocio: examina primero las tres vías programáticas — Codex SDK/App Server, Claude Agent SDK y DeepSeek Harness SDK — y combínalas según tu stack técnico actual y la libertad de modelo que buscas.

💡 Consejo de elección: la decisión depende de cuánta libertad necesitas y cuánto coste de mantenimiento estás dispuesto a asumir. Antes de decidir, te recomendamos probar uno por uno los modelos que planeas usar en una interfaz unificada como APIYI apiyi.com, validar el rendimiento de la capa de modelos y solo entonces decidir qué forma de agente montar.

Preguntas frecuentes (FAQ)

Codex, Claude Code y DeepSeek Harness: puntos clave (Key Takeaways)

• Diferencia de posicionamiento: Codex y Claude Code son Agents de programación maduros; DeepSeek Harness es un framework de ejecución de Agents de código abierto.
• Libertad de modelo: los adaptadores de Harness se pueden sustituir y admite una Base URL personalizada; los dos primeros están sujetos a los canales de acceso oficiales.
• Formas de extensión: MCP y SDK son el lenguaje común; Hooks y Subagents son rasgos distintivos de Claude Code; en Harness incluso el Agent Loop se puede cambiar.
• Diferencias de ejecución: Codex Cloud permite seguir ejecutando tras la suspensión del ordenador; las tareas programadas de Harness requieren un entorno permanente propio.
• Límites de seguridad: DeepSeek Harness es una Developer Preview, con la auditoría de seguridad aún pendiente; si lo despliegas por tu cuenta, aplica siempre el principio de mínimo privilegio.
• Orden de implementación: primero haz que funcione la API de la capa del modelo, después conecta capa por capa las herramientas y la orquestación; evita intentar lograr la automatización total de golpe.

Resumen

Si devolvemos cada uno de los tres productos a su lugar, la conclusión queda clara:

1. Codex: un Agent de programación maduro, que sumado a las tareas en la nube de Codex Cloud resulta ideal para equipos que quieren «delegar tareas».
2. Claude Code: un Agent de programación maduro, donde MCP, Hooks y Subagents forman un ecosistema de extensión flexible, adecuado para personalizaciones profundas dentro de flujos de trabajo de desarrollo ya existentes.
3. DeepSeek Harness: una base modificable de código abierto bajo licencia MIT, en la que tanto el modelo como el mecanismo de ejecución se pueden cambiar; está pensado para desarrolladores dispuestos a construir sus propios sistemas de automatización y capaces de asumir la responsabilidad del mantenimiento y la seguridad.

Volviendo por último a esa frontera tan importante: la API del modelo determina la capacidad de razonamiento, mientras que el entorno del Agent determina qué puede invocar el modelo, cómo se ejecuta y cómo entrega los resultados al usuario. Cambiar de modelo, conectar una API y montar automatizaciones son tres cosas de niveles distintos; validar capa por capa en el orden «capa de modelo → capa de herramientas → capa de orquestación» es más seguro que intentar hacerlo todo de una vez. Recomendamos validar rápidamente el rendimiento de la capa de modelo a través de APIYI apiyi.com; la plataforma ofrece una interfaz compatible con OpenAI, acceso unificado a múltiples modelos y crédito gratuito para nuevos usuarios.

Referencias

1. GitHub – Codex: repositorio oficial de código abierto de OpenAI
2. Enlace: github.com/openai/codex

3. Descripción: código fuente de la CLI y explicación de cómo conectar cuentas y claves API

4. Codex as a platform: blog para desarrolladores de OpenAI

5. Enlace: developers.openai.com/blog/codex-as-a-platform

6. Descripción: explicación por capas del Harness de código abierto, del SDK, del App Server y del servicio gestionado

7. Using Codex Cloud: documentación de ayuda oficial de OpenAI

8. Enlace: help.openai.com/en/articles/20001545-using-codex-cloud

9. Descripción: entorno de cómputo remoto, espacio de trabajo independiente y reglas de restauración del estado de la máquina virtual

10. Claude Code Docs: documentación oficial de Anthropic

11. Enlace: code.claude.com/docs/en/overview

12. Descripción: formas de integración y descripción de las capacidades de MCP, Subagents y Hooks

13. GitHub – DeepSeek Harness: repositorio oficial de DeepSeek

14. Enlace: github.com/deepseek-ai/deepseek-harness

15. Descripción: arquitectura de plugins, configuración de adaptadores de modelo, subsistema de navegador y notas de seguridad

16. Guía para desarrolladores de APIYI: presentación pública de la plataforma

17. Enlace: help.apiyi.com/apiyi-wentuozhongxin-shangxian-kaifazhe-zhinan.html
18. Descripción: interfaz compatible con OpenAI, clave API unificada y guía de acceso a múltiples modelos

Autor: equipo técnico de APIYI
Contacto técnico: puedes contactarnos desde la página principal del sitio de APIYI; para más material sobre acceso a modelos, visita el centro de documentación docs.apiyi.com

Artículos relacionados

• Gemini 4 Carbon vs Claude Opus 5.5: diferencias clave y cómo elegir entre 3 tipos de escenarios: Compara Gemini 4 Carbon y Claude Opus 5.5 en 7 dimensiones, entre ellas especificaciones, precio, mecanismo de razonamiento, protocolo y puntuaciones de la tarjeta oficial del modelo, y ofrece una recomendación de selección sobre qué tipo de tarea asignar a cada uno.
• Cómo elegir entre DSH y Tencent WorkBuddy: recomendaciones de selección según 5 tipos de escenarios de uso: Compara el posicionamiento de DSH (DeepSeek Harness) y Tencent WorkBuddy en cinco escenarios (automatización de desarrollo, colaboración de oficina, cumplimiento de datos, costos e implementación en equipo) y explica cómo llamar modelos relevantes de forma unificada mediante APIYI.
• Las 5 etapas de la popularidad del Gran Pez Gordo: cómo la creación derivada de la comunidad DeepSeek, la “Chica Ballena”, se convirtió en un nuevo tema de cultura de producto: Desde el origen del personaje, los fanworks, la polémica de su imagen hasta la llegada de un AI Agent como “Gran Pez Gordo” a los comentarios de Bilibili, se resume la cronología, datos y aprendizajes de cultura de producto del fenómeno de la chica ballena de DeepSeek.
• DeepSeek Super-agent frente a Claude Code y Codex: 6 dimensiones para determinar si la diferencia está en el modelo o en el sistema de orquestación: Tras la publicación en código abierto del prototipo de investigación Super-agent de DeepSeek, analizamos sus diferencias con Claude Code y Codex en seis dimensiones y tres capas: modelos, herramientas de programación y sistemas de orquestación, con recomendaciones según el modo de trabajo.
• Análisis de las restricciones ocultas de la API de GPT Image 2.6: 5 tipos de límites de combinación de GIF, SVG y edición parcial: Analiza las limitaciones de los endpoints, los conflictos de parámetros y las consideraciones de migración para la edición parcial de GIF, SVG y código de marcado en la API de GPT Image 2.6, y evita creer que basta con cambiar el nombre del modelo.
• Comparativa de tareas programadas de ChatGPT, agente Codex y automatización completa de Dot: 6 diferencias clave entre 3 tipos de automatización: Compara la automatización completa, los costes y la fiabilidad de las tareas programadas de ChatGPT, el agente Codex y ChatGPT Dot, y recomienda cuál elegir desde tres perspectivas: activación, ejecución y coordinación continua.
• Tutorial paso a paso: conecta todos los agentes con una sola clave y usa magpie, de código abierto, para unificar el acceso a la pasarela de API (con Claude Code, Codex, Pi y Hermes como ejemplos): Un tutorial práctico que puedes completar siguiendo los pasos: en unos 30 minutos, todos los agentes de programación de tu máquina (como Claude Code, Codex, Pi y Hermes) compartirán una clave API y una dirección de pasarela; incluye capturas de la interfaz de magpie, el proceso de configuración paso a paso, una comparación de las configuraciones nativas y una tabla para solucionar errores.
• 1,54 millones de usuarios activos diarios, 92 billones de tokens y 35.000 plugins: ¿hasta dónde ha llevado DeepSeek Harness la transformación de los agentes en una plataforma?: Analiza los datos oficiales de DeepSeek Harness: 1,54 millones de usuarios activos diarios, 92 billones de tokens al día y 35.000 complementos; evalúa las oportunidades y riesgos de crear una plataforma de agentes y ofrece 5 recomendaciones para elegir el backend del modelo y controlar los costes.
• Un backend de Git listo para producción en 10 semanas: las 5 claves de ingeniería con las que OpenAI logró que su equipo de agentes Codex completara Pando: Análisis de OpenAI Pando: un ingeniero diseñó el núcleo, varios equipos de agentes Codex lo implementaron y unos pocos ingenieros lo desplegaron en producción en 10 semanas, con especial atención al sistema de pruebas, la migración gradual y los métodos aplicables.