Vocabulario de la IA: tokens, contexto, parámetros y las 10 palabras que hay que conocer

Diez palabras bastan para entender lo esencial de lo que cuentan las aplicaciones de IA y las noticias: prompt, modelo, token, ventana de contexto, parámetros, datos de entrenamiento, inferencia, temperatura, alucinación y agente. Cada una se explica a continuación con palabras sencillas, un ejemplo concreto y lo que cambia en su uso diario.

Cómo hemos elegido estas 10 palabras

La jerga de la IA reúne cientos de términos. Para esta lista nos hemos quedado con los que cumplen tres criterios:

• aparecen en las aplicaciones para el gran público o en sus páginas de precios;
• vuelven una y otra vez en las noticias sobre modelos y asistentes;
• tienen un efecto concreto para usted: en la calidad de las respuestas, los límites, el precio o la fiabilidad.

Las palabras siguen un orden lógico, de la más cotidiana a la más avanzada. Cada una enlaza con su página del glosario, por si quiere profundizar. Para tener primero una visión de conjunto, lea nuestra guía para entender qué es la inteligencia artificial.

1. Prompt

El prompt es el texto que usted escribe a la IA: una pregunta, una instrucción, un documento que procesar. En español también se dice «instrucción» o «petición».

Ejemplo. «Resume este correo» es un prompt. «Resume este correo en tres puntos para un compañero que no ha seguido el asunto» es uno mejor.

Por qué importa. La calidad de la respuesta depende mucho de la claridad de la petición. Un buen prompt no tiene por qué ser largo: da el contexto, el objetivo y el formato esperado.

2. Modelo (LLM)

El modelo es el «cerebro» de cálculo que produce las respuestas. Para el texto se habla de gran modelo de lenguaje, o LLM. ChatGPT, Claude o Gemini son asistentes; funcionan gracias a modelos como GPT-6 Astra, Claude Opus 5.5 o Gemini 4 Argon.

Ejemplo. Dentro de un mismo asistente, a veces puede elegir entre un modelo rápido y otro más potente pero más lento.

Por qué importa. Dos asistentes pueden usar el mismo modelo, y un mismo asistente puede cambiar de modelo. Para entenderlo todo, lea nuestra explicación de qué es un LLM.

3. Token

Un token es un pequeño fragmento de texto: una palabra corta, un trozo de palabra larga, un signo de puntuación. Es la unidad que el modelo lee y escribe.

Ejemplo. «El» cabe en un token, mientras que una palabra larga como «incomprensiblemente» se divide en varios. Para el inglés, OpenAI da una regla aproximada: un token equivale a unos 4 caracteres. En español, la proporción puede ser distinta.

Por qué importa. Los límites de longitud y los precios de los servicios para desarrolladores se calculan en tokens. El estimador de tokens del sitio le da un orden de magnitud para cualquier texto.

4. Ventana de contexto

La ventana de contexto es la cantidad máxima de texto, medida en tokens, que el modelo puede tener en cuenta de una vez: su petición, los documentos adjuntos, el historial de la conversación y su propia respuesta.

Ejemplo. Envía un informe de 200 páginas. Si supera la ventana, una parte se ignorará o se resumirá, a menudo sin un aviso claro.

Ventana de contexto (tokens)

• GPT-6 Astra1,05 M
• Claude Opus 5.51 M
• Grok 4.7500 k
• Kimi K2.6262 k
• Qwen3.6 27B262 k

Por qué importa. Una ventana grande permite trabajar con documentos largos. Pero no es una garantía: cuanto más largo es el texto, más riesgo hay de que el modelo pase por alto un detalle. Más vale darle los pasajes adecuados que dárselo todo.

5. Parámetros

Los parámetros son los números internos que un modelo ajusta durante su aprendizaje, como miles de millones de pequeños botones. Lo que «sabe» está almacenado ahí.

Ejemplo. Un modelo llamado «7B» tiene unos 7.000 millones de parámetros (la B viene de billion, que en inglés equivale a mil millones). En 2020, OpenAI presentó GPT-3 como un modelo de 175.000 millones de parámetros.

Por qué importa. El número de parámetros da una idea del tamaño del modelo y de la memoria necesaria para ejecutarlo, no de su calidad. Un modelo pequeño y bien entrenado puede bastar para una tarea sencilla.

6. Datos de entrenamiento

Los datos de entrenamiento son el conjunto de textos, imágenes o sonidos que un modelo ha analizado para aprender: páginas web, libros, código, contenidos con licencia.

Ejemplo. Un modelo que ha leído muchos textos en inglés y menos en español puede desenvolverse peor en su idioma, o conocer mal realidades locales, como un trámite propio de su país.

Por qué importa. Estos datos determinan lo que el modelo sabe e ignora. Se detienen en una fecha concreta: sin búsqueda web, no conoce la actualidad reciente. Según los ajustes de su asistente, sus conversaciones también pueden servir para entrenar una versión futura.

7. Inferencia

La inferencia es el momento en que un modelo ya entrenado produce una respuesta. Cada mensaje que envía desencadena una inferencia.

Ejemplo. Entrenar un modelo es como escribir un libro: largo y costoso, pero se hace una vez. La inferencia es la lectura: se repite con cada pregunta.

Por qué importa. La inferencia determina la velocidad de respuesta y el coste de uso. También explica por qué las versiones gratuitas limitan el número de mensajes: cada respuesta tiene un coste de cálculo.

8. Temperatura

La temperatura es un ajuste que dosifica la parte de azar en la elección de las palabras. Baja, el modelo elige casi siempre la palabra más probable; alta, varía más.

Ejemplo. Para extraer las fechas de una factura, una temperatura baja da resultados estables. Para buscar ideas de nombre para una asociación de vecinos, una temperatura más alta aporta más variedad.

Por qué importa. En las aplicaciones para el gran público, usted no la ajusta: se encarga la empresa. Resulta útil si trabaja a través de una API o de una herramienta de automatización. También explica por qué la misma pregunta no siempre recibe la misma respuesta.

9. Alucinación

Una alucinación es una información falsa o inventada que la IA presenta con seguridad: una fecha, una cita o una fuente que no existe.

Ejemplo. Pide referencias para un trabajo; la IA cita un libro con un título creíble, un autor y un año, que nunca se ha publicado.

Por qué importa. Es la limitación más importante que hay que conocer. Verifique todo lo que sea preciso. Nuestra guía sobre las alucinaciones de la IA detalla seis hábitos para protegerse.

10. Agente de IA

Un agente de IA es un programa que usa un modelo para planificar y después actuar: encadena pasos con herramientas (navegador, correo, hoja de cálculo) hasta alcanzar un objetivo, con más o menos autonomía.

Ejemplo. Un asistente le propone tres trenes a Valencia. Un agente puede comparar los horarios, rellenar el formulario de reserva y pedirle confirmación antes de pagar.

Por qué importa. Un agente actúa en su nombre, así que también puede equivocarse en su nombre. Mantenga el control de los pasos delicados, como los pagos o el envío de mensajes.

Póngase a prueba Pega un contrato muy largo en un asistente y la respuesta ignora las últimas páginas. ¿Qué palabra de esta lista explica el problema?

La ventana de contexto. Probablemente el texto superó la cantidad máxima que el modelo puede leer de una vez. Divida el documento o aporte solo los pasajes útiles.

El resumen en una tabla

Palabra	En una frase	Dónde la encontrará
Prompt	Lo que usted escribe a la IA	En el cuadro de texto de cualquier asistente
Modelo (LLM)	El motor que produce el texto	En el menú de elección de modelo
Token	La unidad de texto leída y escrita	En los límites y las tarifas
Ventana de contexto	Lo que el modelo puede leer de una vez	En las fichas técnicas de los modelos
Parámetros	Los ajustes internos aprendidos	En los nombres de modelos, como «7B»
Datos de entrenamiento	Lo que el modelo leyó para aprender	En los ajustes de privacidad
Inferencia	El cálculo de una respuesta	En los límites de uso y los precios
Temperatura	La parte de azar en las respuestas	En las herramientas para desarrolladores
Alucinación	Un error afirmado con seguridad	En respuestas demasiado precisas sin fuente
Agente de IA	Una IA que actúa con herramientas	En los modos «agente» de los asistentes

Para ir más lejos

Para ver estas palabras en acción, lea cómo funciona ChatGPT explicado de forma sencilla. Y si se cruza con un término que no está en esta lista, como RAG, multimodal o modelo de razonamiento, el glosario completo del sitio los explica uno a uno.