LLM.

En la práctica

Es el motor de ChatGPT, Claude o Gemini. Se fabrica en dos fases. Primero lee una cantidad enorme de texto con un único ejercicio, adivinar el trozo siguiente (el token) a partir de lo anterior. Ese modelo todavía no es bueno siguiendo instrucciones, así que después se afina con ejemplos y con valoraciones de personas para que funcione como asistente, como explica Anthropic en su glosario.

Lo que sorprendió, y documentó OpenAI con GPT-3 en mayo de 2020, es que con tamaño suficiente ese ejercicio basta para traducir, resumir o hacer cuentas sencillas sin entrenarlo para cada tarea. GPT-3 tenía 175.000 millones de parámetros, los números que se ajustan durante el entrenamiento.

Por qué te importa

Predecir el texto siguiente explica a la vez lo que hace bien y lo que hace mal. Escribe con soltura y acierta con lo que aparecía muchas veces en lo que leyó. Con lo que aparecía pocas veces rellena con algo que suena bien, y de ahí salen las alucinaciones, según explicaron investigadores de OpenAI y Georgia Tech en septiembre de 2025. Tampoco sabe nada posterior a su fecha de corte ni nada de tu empresa, salvo que se lo des.

Tiene otros dos nombres que conviene reconocer. Un equipo de Stanford acuñó en agosto de 2021 el de modelo fundacional, que abarca a los LLM, porque sirven de base para muchos usos distintos. El Reglamento europeo de IA lo llama modelo de IA de uso general (artículo 3.63), y las obligaciones que le pone desde el 2 de agosto de 2025 recaen en quien fabrica el modelo.

Los límites

Que escriba bien no quiere decir que haya comprobado nada. Un LLM no consulta fuentes por su cuenta. Cuando una herramienta busca en la web o en tus documentos antes de contestar, es una pieza añadida alrededor del modelo, como el RAG.

Y preguntar qué LLM es el mejor sirve de poco en abstracto. El mismo modelo rinde distinto según la tarea, los datos que tiene delante y la herramienta que lo envuelve, así que la comparación útil es la que se hace con tu caso.