© 2016–2026 santa marta crea | N.I.T. 700173312-4
formación gratuita · módulo 04
Detrás de ChatGPT, Gemini o Claude hay un modelo de lenguaje entrenado para una sola cosa: predecir la siguiente palabra. Suena humilde — y de esa tarea sale todo lo demás. En este módulo la vas a hacer tú mismo.
Un LLM (modelo grande de lenguaje, por su sigla en inglés) es una inteligencia artificial entrenada para una única tarea: predecir cuál es la palabra más probable que sigue en un texto. De esa tarea humilde, repetida millones de veces, sale todo lo demás: cuando un chat de IA te responde, está eligiendo la siguiente palabra una y otra vez hasta completar el texto. Para lograrlo, el modelo leyó durante su entrenamiento una porción gigantesca de internet — libros, páginas web y conversaciones — y de ahí aprendió gramática, datos y estilos sin que nadie se los programara uno a uno. Los LLM más conocidos son GPT (el motor de ChatGPT, de OpenAI), Gemini (Google), Claude (Anthropic) y Llama (Meta, de pesos abiertos). Conviene no confundir el chat con el modelo: el chat es la aplicación que abres y el LLM es el motor que trabaja adentro — la misma relación que hay entre un carro y su motor.
En los módulos anteriores viste cómo aprende una máquina y qué es una red neuronal. Hoy toca la estrella del momento: el LLM, el tipo de IA que está detrás de los chats que hablan contigo. Y su secreto es más simple de lo que imaginas.
Su único entrenamiento fue completar frases: dado un texto, adivinar qué palabra viene después. Millones y millones de veces.
Cuando te responde, hace exactamente eso: elige la siguiente palabra, la escribe y vuelve a empezar con el texto un poco más largo.
Traducir, resumir, escribir un correo, programar: para el modelo, todas son la misma tarea — continuar un texto de la forma más probable.
Completa cada frase como lo harías tú. Después mira las probabilidades que un modelo de lenguaje le daría a cada opción.
Las probabilidades son ilustrativas, para que veas la idea: un modelo real calcula las suyas sobre un vocabulario de decenas de miles de tokens, y cambian con cada palabra del contexto.
Predecir la siguiente palabra no tendría nada de especial si el modelo hubiera leído poco. La diferencia está en la cantidad: durante su entrenamiento, un LLM pasó por una porción gigantesca de internet. Y a esa escala, predecir bien exige mucho más que suerte.
Libros, páginas web, foros, documentación, conversaciones: más texto del que una ciudad entera leerá en su vida.
De tanto predecir, los patrones del idioma — ortografía, datos, estilos — quedaron grabados en el modelo. Aprendidos, no programados.
Con pocos ejemplos, predecir es adivinar. Con una cantidad inhumana de texto, predecir bien obliga a captar cómo funciona el mundo escrito.
Un LLM no lee mejor que tú: leyó más. Elige una meta de lectura y mira cuánto te tomaría a ti, leyendo 8 horas todos los días.
— de lectura humana
Elige arriba una meta de lectura.
Estimación para ver el orden de magnitud, no una cifra exacta: suponemos una lectura de 250 palabras por minuto durante 8 horas al día, y una dieta de entrenamiento del orden de billones de palabras. Las cifras reales de cada modelo no son públicas y cambian con cada versión.
Estos son los cuatro LLM que más vas a escuchar. No hay uno "mejor" para todo: cada uno tiene su personalidad, y probarlos es gratis.
El que volvió famosa a la IA: el chat que puso los modelos de lenguaje en boca de todo el mundo.
El de Google: convive con el buscador, Gmail y Android, y comparte nombre entre la app y el modelo.
El de Anthropic: apreciado por su escritura cuidadosa y su énfasis en un uso responsable de la IA.
El de Meta, con pesos abiertos: otras empresas pueden descargarlo y montarlo en sus propios servidores.
Y una aclaración que evita muchos enredos: el chat es la aplicación; el LLM es el motor que va adentro. Como un carro y su motor. Toca las dos fichas:
Con lo que ya sabes de los LLM, estos tres hábitos te van a servir desde la próxima vez que abras un chat de IA:
Haz la prueba esta semana: la misma pregunta en dos chats distintos (por ejemplo, ChatGPT y Gemini) y compara. Verás dos estilos, dos énfasis — y ninguno es "el correcto".
Un LLM genera el texto más plausible; no "sabe" que sabe. Si un dato importa de verdad — una fecha, una cifra, una ley — verifícalo antes de usarlo.
Si la conversación empieza a mezclar temas o a responder torcido, no pelees con ella: abre un chat nuevo y plantea el asunto desde cero. Dos minutos que ahorran media hora.
¿Y por qué el chat nuevo funciona tan bien? Porque la "memoria" de un LLM no se parece en nada a la tuya. Esa es justo la pieza que falta — y es el siguiente módulo: tokens y ventana de contexto, donde vas a ver con tus propios ojos cómo la IA recuerda, olvida y mide todo lo que le escribes.
5 preguntas sobre lo que acabas de ver. Con 4 aciertos completas el módulo. Puedes repetirlo las veces que quieras.