Parámetros de un modelo: qué significa la «B» de 7B o 70B
Los parámetros son los números internos que un modelo de IA ajusta durante su entrenamiento, como miles de millones de pequeños botones de ajuste. Su cantidad indica el tamaño del modelo y, aproximadamente, la memoria necesaria para ejecutarlo, pero no dice por sí sola si es bueno.
Datos a 22 de octubre de 2026
Lo esencial en cifras
| Nivel | Intermedio |
|---|
Una definición sencilla
Un modelo de IA moderno es una red neuronal: una gigantesca cadena de cálculos en la que cada conexión tiene un peso, un número. Esos pesos, más algunos otros valores, son los parámetros. Al principio son aleatorios. Durante el entrenamiento, el modelo lee datos, se equivoca, y cada error sirve para corregir ligeramente sus parámetros. Al final, en ellos «vive» cuanto el modelo ha aprendido: gramática, datos, estilos, formas de razonar.
Una referencia histórica: en 2020, el artículo que presentó GPT-3 describía un modelo de 175 000 millones de parámetros, presentado entonces como diez veces más grande que cualquier modelo de lenguaje no disperso anterior.
Un ejemplo concreto
Usted quiere ejecutar un modelo de pesos abiertos en su ordenador. Su ficha indica 8 000 millones de parámetros. Si cada parámetro se almacena en 16 bits (2 bytes), necesita unos 16 GB de memoria solo para cargarlo. Con una cuantización a 4 bits, baja a unos 4 o 5 GB, a cambio de una ligera pérdida de precisión. El número de parámetros sirve, principalmente, para saber si un modelo cabe en su equipo. Nuestra página de modelos de código abierto indica el tamaño de los modelos más descargados.
Por qué es importante
Más parámetros suelen permitir almacenar más conocimientos y matices, pero encarecen el entrenamiento y la ejecución. Por eso los laboratorios buscan equilibrios: modelos pequeños bien entrenados o arquitecturas de mezcla de expertos, en las que solo una parte de los parámetros trabaja en cada token. En ese caso verá a menudo dos cifras: parámetros totales y parámetros activos.
Ideas falsas frecuentes
- «Más parámetros significa un modelo mejor». No necesariamente. La calidad de los datos, la duración del entrenamiento y los ajustes posteriores pesan tanto como el tamaño. Un modelo reciente más pequeño puede superar a uno antiguo más grande.
- «Los parámetros guardan el conocimiento como una enciclopedia». El conocimiento está repartido entre miles de millones de números; no se puede ir a corregir una entrada a mano.
- «El ajuste fino reescribe el modelo entero». Técnicas como LoRA entrenan solo una pequeña fracción de parámetros adicionales.
Términos relacionados: red neuronal, cuantización, mezcla de expertos, modelo de lenguaje pequeño, modelo de pesos abiertos.
Términos relacionados
- Red neuronal · Programa formado por muchas pequeñas unidades de cálculo conectadas, que aprende ajustando la fuerza de las conexiones entre ellas.
- Datos de entrenamiento · Ejemplos (textos, imágenes, sonidos…) con los que aprende un modelo de IA; determinan lo que sabe y también sus fallos.
- Mezcla de expertos (MoE) · Arquitectura en la que el modelo contiene muchas subredes «expertas» pero solo activa unas pocas para cada token que procesa.
- Cuantización · Técnica que guarda los pesos de un modelo con menos bits (8, 4 o incluso menos) para que ocupe mucha menos memoria.
- Modelo de lenguaje pequeño (SLM) · Modelo de lenguaje compacto, lo bastante ligero para funcionar en un ordenador o un móvil, eficaz en tareas concretas más que generales.
- Modelo de pesos abiertos · Modelo de IA cuyos parámetros entrenados (los «pesos») se pueden descargar, lo que permite ejecutarlo en sus propios equipos.
Para probar
Todo el glosario
Preguntas frecuentes
¿Qué significa «7B» en el nombre de un modelo?
La B viene del inglés billion, es decir, mil millones. Un modelo «7B» tiene unos 7 000 millones de parámetros. Es un indicador de tamaño, útil para estimar la memoria necesaria, no una nota de calidad.
¿Los parámetros son lo mismo que los datos de entrenamiento?
No. Los datos son los textos que lee el modelo; los parámetros son lo que retiene de ellos, en forma de números. Un modelo no guarda una copia de sus datos, aunque a veces pueda reproducir fragmentos.
¿Por qué algunas empresas no publican el número de parámetros?
Muchos laboratorios mantienen esta información en secreto para sus modelos cerrados, por razones de competencia. Los modelos de pesos abiertos suelen indicarlo, ya que sus archivos son públicos en cualquier caso.
¿La palabra «parámetro» tiene otro significado?
Sí, y genera confusión: en una API, los ajustes de una petición, como la temperatura o la longitud máxima de la respuesta, también se llaman parámetros. Esos los elige usted; los parámetros del modelo quedan fijados por el entrenamiento.
Fuentes de los datos
Datos a 22 de octubre de 2026
Señalar un error
¿Una cifra, una fecha o un dato le parece incorrecto? Díganoslo: verificamos cada aviso.