¿Qué es un LLM?

Las tres palabras, en el orden que importa

Desarma el nombre al revés.

Modelo. Un modelo es una función que convierte una entrada en una salida, con reglas aprendidas de datos en lugar de escritas por un programador. El modelo del clima toma las lecturas de hoy y produce el pronóstico de mañana. Un modelo de lenguaje toma texto y produce una probabilidad para lo que viene a continuación.

Lenguaje. La entrada y la salida son texto, dividido en tokens, que son fragmentos de palabras. Qué son los tokens en IA cubre esta unidad; la versión corta es que el modelo lee y escribe en fragmentos de aproximadamente tres cuartos de una palabra.

Grande. El modelo tiene un número muy grande de parámetros, los números internos que ajusta el entrenamiento. GPT-2 en 2019 tenía 1.500 millones. GPT-3 en 2020 tenía 175.000 millones. El catálogo que este sitio cotiza en 2026 incluye un modelo de Qwen con 2,4 billones de parámetros, de los cuales unos 95.000 millones están activos en cada token. "Grande" hace mucho trabajo en el nombre, y la cifra ha crecido más de mil veces en siete años.

Así que un LLM es un predictor de siguiente token muy grande. Cualquier otra propiedad que la gente le atribuye, el razonamiento, el tono, los errores confiados, se deriva de ese único trabajo.

Un LLM no es un chatbot, y la diferencia es todo el producto

ChatGPT es una aplicación. GPT es el modelo dentro de ella. Claude es a la vez una familia de modelos y la aplicación que Anthropic construye alrededor de ellos. Gemini es la misma historia en Google. Qué es un chatbot de IA cubre la capa de la aplicación; esta página trata sobre el motor.

La distinción deja de ser académica en el momento en que descubres que el motor es intercambiable. La misma ventana de chat puede enviar tu mensaje a GPT, Claude, Gemini, DeepSeek o Llama, y las respuestas difieren en tono, costo, velocidad y precisión. Un espacio de trabajo multimodelo como Whizi es exactamente eso: una ventana, más de 280 modelos detrás de ella, y un selector para elegir cuál responde. La aplicación es el volante. El LLM es el motor, y hay decenas de ellos.

Cómo se entrena un LLM, en dos etapas

Etapa uno, preentrenamiento. El modelo lee un corpus enorme de texto y, en cada posición, intenta adivinar el siguiente token. Cada error ajusta un poco los parámetros. Meta reportó que Llama 3 se preentrenó con más de 15 billones de tokens, lo cual, tomando los aproximadamente 100.000 tokens de una novela de 75.000 palabras (tres cuartos de palabra por token), equivale al texto de unos 150 millones de libros. Después de esta etapa, el modelo es un autocompletado excelente y un asistente pobre: hazle una pregunta y puede que continúe con tres preguntas más, porque eso es lo que suele hacer el texto en internet.

Etapa dos, posentrenamiento. Luego se le muestran al modelo ejemplos de buenas respuestas y personas califican cuál de dos respuestas es mejor, un proceso llamado aprendizaje por refuerzo con retroalimentación humana, o RLHF por sus siglas en inglés. De ahí viene el comportamiento de asistente: responder la pregunta en el formato que pediste, y rechazar algunas solicitudes. Es entrenamiento de comportamiento, no conocimiento nuevo. Los datos siguen viniendo de la etapa uno.

De las dos etapas se derivan dos cosas. El conocimiento del modelo se detiene en la fecha en que terminan sus datos de preentrenamiento, por lo que todo modelo tiene una fecha límite de conocimiento. Y ninguna de las dos etapas instala un verificador de hechos: el modelo aprendió a producir texto probable y luego a producir texto agradable. La verdad es un efecto secundario frecuente de ambas cosas, no una garantía. Por qué la IA se equivoca profundiza en esto.

Por qué un LLM predice en lugar de buscar

Un buscador recupera información. Tiene un índice de páginas y devuelve las que coinciden. Un LLM no tiene índice. Todo lo que leyó durante el preentrenamiento quedó comprimido en sus parámetros, y en el momento de responder regenera texto a partir de esa compresión, un token a la vez, eligiendo cada token de una distribución de probabilidad.

Por eso un LLM puede escribir una receta funcional para un plato que nunca ha visto nombrado, y también por eso puede producir una cita judicial que no existe. Ambas son continuaciones plausibles. El modelo no tiene un mecanismo separado que verifique si una continuación plausible es real.

La solución que usan los productos es añadir recuperación de información: buscar primero en la web o en tus archivos, y luego entregarle al modelo los pasajes y pedirle que responda a partir de ellos. Esa técnica se llama RAG, y qué es RAG lo explica. La búsqueda web dentro de una app de chat es RAG con internet como fuente. El modelo sigue prediciendo; solo que predice a partir de mejor material.

Qué compra el precio dentro de una familia, medido

Cada familia lanza una escalera: un modelo pequeño, uno medio, uno insignia. El Artificial Analysis Intelligence Index, una puntuación compuesta sobre razonamiento público, programación y benchmarks de conocimiento, pone un número a cada peldaño, y la tabla de clasificación lista un precio combinado por millón de tokens junto a él. Las cuatro escaleras de abajo se leyeron el 2026-09-17.

OpenAI compra 15 puntos por 18 veces la tarifa, Anthropic 35 puntos por 36 veces, Qwen 19 puntos por 16 veces. DeepSeek rompe el patrón: V4 Flash supera a V4 Pro por menos de la mitad del precio. De ahí se derivan dos cosas. Dentro de una familia, los últimos puntos son los caros, así que para una pregunta factual corta el modelo pequeño da la misma respuesta que el insignia. Y entre familias, el precio es una guía débil de la calidad: DeepSeek V4 Flash a $0.27 por millón de tokens puntúa dos puntos por encima de Claude Sonnet 5 a $5.09. Eso es lo más útil que un comprador puede saber sobre los LLMs: el modelo es un dial, no un costo fijo. Whizi cobra con la misma lógica, un crédito por un mensaje en el modelo de la casa, 20 por Claude Opus 5, y hasta 100 en las filas más caras, algo que cómo funcionan los créditos de Whizi detalla por modelo.

La salvedad honesta es que un índice compuesto es un promedio sobre tareas. Para una cadena larga de razonamiento, el insignia se gana su precio; para una reescritura, no. Para una comparación de en qué es realmente bueno cada familia, qué modelo de IA debería usar es la página de decisión.

Qué no puede hacer un LLM, en una sola lista

Todo lo de abajo es una consecuencia de la arquitectura, no un error que arregle la próxima versión.

• No puede saber nada posterior a su fecha límite de entrenamiento a menos que la recuperación de información le entregue el texto.
• No puede contar de forma confiable en entradas largas, porque trabaja con tokens y probabilidades, no con un bucle sobre elementos.
• No puede verificar su propia salida; una segunda pasada del mismo modelo es el mismo predictor adivinando otra vez.
• No puede recordarte entre conversaciones a menos que el producto guarde notas y las vuelva a pegar; esa memoria es una característica del producto, no del modelo.
• No puede ver toda la conversación para siempre. Cada modelo tiene una ventana de contexto, el texto máximo que puede considerar a la vez, y qué es una ventana de contexto explica qué pasa cuando la alcanzas.

La consecuencia práctica: trata a un LLM como a un colega fluido, ocasionalmente equivocado, y mantén la verificación de tu lado del escritorio. El bucle que convierte a un modelo en algo que actúa por sí solo es otra cosa, y qué es un agente de IA traza esa línea. Para cualquier cosa con un costo asociado, consulta a un segundo modelo. Que dos predictores diferentes coincidan es evidencia débil; que discrepen es una señal fuerte de que hay que revisar.