Nivel : Intermedio
¿Qué es un LLM? El gran modelo de lenguaje explicado
Por La redacción de Info Agent IA ·
Un LLM, siglas de large language model o gran modelo de lenguaje, es un programa entrenado con enormes cantidades de texto para predecir, fragmento a fragmento, la continuación más probable de un texto. Es el motor de ChatGPT, Claude, Gemini o Le Chat: entender cómo funciona le ayudará a usarlo mejor y a detectar sus errores.
Un LLM en una imagen sencilla
Piense en el texto predictivo de su teléfono. Usted escribe «Llego tarde, estoy ahí en» y le propone «cinco» o «diez». Un LLM hace lo mismo, pero con una finura incomparable: tiene en cuenta todo lo anterior, a veces cientos de páginas, y aprendió de una cantidad de textos que ninguna persona podría leer en toda su vida.
Las tres letras vienen del inglés: Large (grande), Language (lenguaje) y Model (modelo). En inteligencia artificial, un modelo es un conjunto de cálculos cuyos ajustes se afinaron a partir de ejemplos. Si parte de cero, empiece por nuestra guía para entender qué es la inteligencia artificial, que sitúa los LLM dentro del panorama general de la IA.
Cómo fabrica un LLM una respuesta
Cuando usted envía una pregunta, el modelo sigue siempre la misma mecánica, en cinco tiempos:
- Dividir su texto en tokens, pequeños fragmentos que corresponden a una palabra, un trozo de palabra o un signo de puntuación.
- Convertir cada token en números, lo único que un ordenador sabe manejar.
- Calcular una probabilidad para cada token posible a continuación, ponderando la importancia de cada palabra ya presente. Es la función del mecanismo de atención, en el corazón de la arquitectura Transformer.
- Elegir un token, con una pequeña dosis de azar ajustable: por eso la misma pregunta no siempre recibe exactamente la misma respuesta.
- Repetir con ese nuevo token añadido al texto, hasta terminar la respuesta.
Tome la frase «El gato duerme sobre el…». El modelo considera muy probables «sofá», «sillón» o «tejado», y mucho menos «frigorífico». No busca la respuesta en ninguna base de datos de hechos: calcula lo que resulta plausible. Esa idea sencilla explica a la vez sus talentos y sus defectos. Para seguir el mismo mecanismo desde el punto de vista del usuario, lea cómo funciona ChatGPT explicado de forma sencilla.
Póngase a prueba ¿Un LLM consulta una base de datos de hechos para responderle?
No. El modelo por sí solo produce el texto más plausible a partir de lo que retuvo durante su entrenamiento. Para apoyarse en hechos verificables, el asistente que lo rodea debe proporcionarle documentos o resultados de una búsqueda web.
Cómo se fabrica un LLM
La fabricación de un gran modelo de lenguaje se desarrolla en tres grandes etapas, muy desiguales en duración y coste.
| Etapa | Qué ocurre | Qué gana el modelo |
|---|---|---|
| Preentrenamiento | El modelo lee un volumen enorme de textos (páginas web, libros, código) y practica adivinar la palabra siguiente, miles de millones de veces | El idioma, conocimientos generales, estilos, formas de razonar |
| Ajuste | Se entrena con ejemplos de diálogos y luego unas personas comparan sus respuestas para señalar las mejores | Seguir una instrucción, adoptar un tono de asistente, rechazar ciertas peticiones peligrosas |
| Puesta en servicio | El modelo, ya fijo, responde a las peticiones de los usuarios | Nada nuevo: cada mensaje desencadena un cálculo que lleva tiempo y consume energía |
El preentrenamiento es la etapa más pesada: ahí el modelo adquiere lo esencial de su saber. El ajuste, en particular con el RLHF (aprendizaje por refuerzo a partir de comentarios humanos), convierte después un modelo «en bruto», capaz de continuar cualquier texto, en un asistente que responde con cortesía a una pregunta.
El nombre GPT resume esta historia: Generative Pre-trained Transformer, un Transformer generativo preentrenado. La arquitectura Transformer la presentaron investigadores de Google en el artículo «Attention Is All You Need», publicado en arXiv el 12 de junio de 2017 (consultado el 22 de octubre de 2026). Casi todos los LLM actuales descienden de ella.
¿Por qué se dice «grande»?
La palabra designa dos cosas: la cantidad de textos leídos durante el entrenamiento y el número de parámetros del modelo. Los parámetros son los números internos que se ajustan durante el aprendizaje, como miles de millones de pequeños botones de regulación. Lo que un modelo «sabe» se guarda ahí, en forma de números, y no como una copia de los textos leídos.
Más parámetros no significa automáticamente mejor. Un modelo más pequeño puede bastar para una tarea sencilla, responder más rápido y costar menos. El tamaño sirve sobre todo para estimar la memoria necesaria para ejecutar el modelo.
¿Qué LLM existen hoy?
Hay decenas de LLM disponibles. Se distinguen por su fabricante, su precio, la cantidad de texto que pueden procesar de una vez y por un punto clave: ¿sus pesos se publican o no?
| Modelo | Desarrollador | Lanzamiento | Contexto (tokens) | Entrada ($/M tokens) | Salida ($/M tokens) | Pesos abiertos |
|---|---|---|---|---|---|---|
| Claude Opus 5.5 | Anthropic | 22 de septiembre de 2026 | 1 M | 4 US$ | 20 US$ | No |
| GPT-6 Astra | OpenAI | 4 de septiembre de 2026 | 1,05 M | 10 US$ | 50 US$ | No |
| Gemini 4 Argon | Google DeepMind | 13 de octubre de 2026 | 1,05 M | 2 US$ | 10 US$ | No |
| Mistral Large 4 | Mistral AI | 6 de octubre de 2026 | 1,05 M | 1,36 US$ | 4,18 US$ | No |
| Kimi K3 | Moonshot AI | 16 de julio de 2026 | 1,05 M | 3 US$ | 15 US$ | Sí |
| DeepSeek V4.1 Flash 1017 | DeepSeek | 17 de octubre de 2026 | 1,05 M | 0,15 US$ | 0,60 US$ | Sí |
Se distinguen dos familias:
- Los modelos cerrados, como los de Anthropic, OpenAI o Google: solo se usan a través de la aplicación o la API de su empresa.
- Los modelos de pesos abiertos, cuyos archivos se pueden descargar. Según models.dev a 22 de octubre de 2026, es el caso de Kimi K3, creado por Moonshot AI. Así se puede ejecutar en sus propias máquinas, dentro de los límites de su licencia.
Otro criterio visible en esta tabla es la ventana de contexto, es decir, la cantidad máxima de texto que el modelo puede tener en cuenta de una vez, medida en tokens. Según models.dev a 22 de octubre de 2026, Claude Opus 5.5 admite un millón de tokens. Para profundizar, la herramienta comparar modelos muestra lado a lado precios, contexto y resultados públicos.
LLM, asistente, agente: tres cosas distintas
Estas palabras se confunden a menudo. Sin embargo, designan tres capas diferentes:
- El LLM es el motor. Recibe texto y produce texto.
- El asistente (ChatGPT, Claude, Gemini…) es el coche completo: una interfaz, un historial, una memoria, la búsqueda web, la lectura de archivos y reglas de seguridad, construidos alrededor de uno o varios LLM.
- El agente va aún más lejos: usa el LLM para planificar y luego encadena acciones con herramientas (navegador, correo, hoja de cálculo) hasta alcanzar un objetivo.
Consecuencia práctica: dos asistentes basados en el mismo modelo pueden comportarse de forma distinta, según lo que se haya añadido alrededor.
Un ejemplo concreto: usted pregunta «¿Qué farmacia está de guardia esta noche en mi barrio?». El LLM por sí solo no lo sabe y puede inventar una dirección plausible. Un asistente con búsqueda web consultará primero la página del colegio de farmacéuticos o del ayuntamiento y luego pasará esa página al modelo para que extraiga la respuesta. Un agente podría además añadir un recordatorio a su calendario, si usted lo autoriza.
Lo que los LLM hacen bien y sus límites
Los grandes modelos de lenguaje destacan en todo lo que tiene que ver con la forma del texto: redactar un correo, resumir un informe, traducir, reformular para un niño de diez años, proponer ideas, explicar un concepto, escribir o corregir código.
Sus límites se derivan directamente de su funcionamiento:
- Pueden inventar. Como producen lo plausible y no lo verificado, a veces afirman cosas falsas con seguridad. Es lo que se conoce como alucinaciones de la IA.
- Sus conocimientos tienen fecha límite. Sin búsqueda web, un modelo ignora lo ocurrido después del final de su entrenamiento.
- Su memoria de trabajo está acotada por la ventana de contexto: más allá, una parte de sus documentos se ignora.
- El cálculo exacto no es su fuerte, salvo que puedan recurrir a una herramienta de cálculo.
Para ir más lejos
La jerga de los LLM (tokens, contexto, temperatura, inferencia…) aparece constantemente en las noticias. Nuestro glosario de las 10 palabras clave para entender la IA las explica una a una. Y para ver en concreto qué representa un texto en tokens, estas herramientas del sitio hacen el cálculo en su navegador:
Preguntas frecuentes
¿Un LLM y ChatGPT son lo mismo?
No. ChatGPT es un asistente, es decir, una aplicación completa. Funciona con uno o varios LLM creados por OpenAI, a los que añade una interfaz, memoria de conversación, búsqueda web y reglas de seguridad.
¿Un LLM está conectado a internet?
El modelo por sí solo no: responde a partir de lo que retuvo durante su entrenamiento. Es el asistente que lo rodea el que puede lanzar una búsqueda web y pasarle las páginas encontradas.
¿Se puede ejecutar un LLM en el propio ordenador?
Sí, con un modelo de pesos abiertos y un programa adecuado. Los modelos pequeños funcionan en un ordenador reciente; los más grandes requieren una tarjeta gráfica con mucha memoria o un servidor alquilado.
¿Un LLM aprende de mis conversaciones?
No en tiempo real: sus parámetros quedan fijos al terminar el entrenamiento. Sin embargo, una empresa puede usar sus conversaciones para entrenar una versión futura, según sus condiciones y la configuración de privacidad que usted elija.