Saltar al contenido
ReviewRamble

El boletín semanal

La IA, analizada, en tu bandeja de entrada.

  • Nuevas reseñas de herramientas, modelos, servidores MCP y repos, con el veredicto por delante
  • Precios y valoraciones revisados cuando algo cambia
  • Nuevos análisis en cuanto se publican

Modelos, agentes, servidores MCP y las herramientas que de verdad merecen tu tiempo.

Un correo a la semana. Date de baja con el enlace de cualquier boletín. Cómo usamos tu correo

Modelo de lenguaje grande

Un modelo de lenguaje grande (LLM, large language model) es una red neuronal con miles de millones de parámetros, entrenada con grandes cantidades de texto para predecir el siguiente token, lo que le permite redactar, responder preguntas, resumir y seguir instrucciones.

También llamado: LLM, LLMs

Por Divya Sharma · Comprobado el 15 nov 2026 · Cómo hacemos las reseñas

Un LLM es el motor de los asistentes de chat, los agentes de programación y la mayoría de las funciones de texto de los productos de IA. Le envías texto y devuelve texto, un token cada vez.

Cómo funciona

Casi todos los LLM actuales usan la arquitectura transformer. Durante el preentrenamiento lee un corpus de texto muy grande y aprende a predecir el siguiente token a partir de todo lo anterior. Ese objetivo sencillo produce un modelo capaz de traducir, responder preguntas y escribir código. El entrenamiento posterior, como el fine-tuning y el RLHF, convierte el modelo en bruto en un asistente que sigue instrucciones.

Qué significa "grande"

No hay un límite fijo. GPT-3, descrito en 2020, tenía 175 mil millones de parámetros, y la etiqueta se quedó para los modelos de esa escala y mayores. Los modelos con unos pocos miles de millones de parámetros se suelen llamar modelos de lenguaje pequeños.

Límites

Un LLM solo sabe lo que había en sus datos de entrenamiento hasta su fecha de corte de conocimiento, y puede afirmar cosas falsas con fluidez. Además, solo ve lo que cabe en su ventana de contexto. Quienes construyen suelen añadir recuperación, herramientas o comprobaciones alrededor del modelo en lugar de fiarse de la salida en bruto. Compara los modelos actuales en el directorio de modelos.

Términos relacionados

Token (LLM)
Un token (LLM) es la unidad básica de texto que un modelo de lenguaje lee y escribe, a menudo una palabra, parte de una palabra, un signo de puntuación o un byte. Los precios, la velocidad y los límites de contexto se cuentan en tokens.
Transformer (arquitectura)
El transformer es una arquitectura de red neuronal, presentada en 2017, que procesa secuencias usando atención en lugar de recurrencia. Es la base de casi todos los modelos de lenguaje grandes actuales y de muchos modelos de imagen y audio.
Modelo de lenguaje pequeño
Un modelo de lenguaje pequeño (SLM, small language model) es un modelo de lenguaje con relativamente pocos parámetros, normalmente unos pocos miles de millones o menos, creado para funcionar en un portátil, un teléfono o una sola GPU a menor coste que un modelo grande.
Preentrenamiento
El preentrenamiento (pretraining) es la primera y mayor etapa del entrenamiento de un modelo, en la que aprende patrones generales de un conjunto de datos muy grande y sin etiquetar, normalmente prediciendo el siguiente token, antes de cualquier ajuste para una tarea concreta.
Ventana de contexto
Una ventana de contexto (context window) es la cantidad máxima de texto, contada en tokens, que un modelo de lenguaje puede tener en cuenta a la vez, e incluye el system prompt, la conversación, los documentos, los resultados de herramientas y la respuesta que escribe.
Alucinación (IA)
Una alucinación es una salida de un modelo de IA que suena fluida y segura, pero que es falsa, no está respaldada por sus fuentes o es inventada, como una cita bibliográfica, una frase, una estadística o una función de API que no existen.

Fuentes