LLM

Qué es

LLM (Large Language Model) es un tipo de modelo de inteligencia artificial entrenado con enormes cantidades de texto para:

Entender lenguaje natural - Comprender preguntas, instrucciones y contexto
Generar texto coherente - Respuestas, código, documentación
Razonar - Seguir lógica, resolver problemas paso a paso
Traducir y resumir - Entre idiomas y formatos

Los LLMs son el “cerebro” detrás de ChatGPT, Claude, Gemini y Copilot.

Cómo se le llama también

“Large Language Model” completo
“Modelo de lenguaje grande” (en español)
“Modelo fundacional” (foundation model, término más amplio)

Cómo funciona

┌─────────────────────────────────────────────────────────────┐
│                    ARQUITECTURA LLM                          │
├─────────────────────────────────────────────────────────────┤
│                                                              │
│   ENTRENAMIENTO (una vez, más ajustes posteriores)          │
│   ┌──────────────────────────────────────────────────────┐  │
│   │  Internet, libros, código, conversaciones            │  │
│   │  → Billones de tokens de texto                       │  │
│   │  → Semanas/meses en miles de GPUs                    │  │
│   └──────────────────────────────────────────────────────┘  │
│                           │                                  │
│                           ▼                                  │
│   MODELO ENTRENADO                                          │
│   ┌──────────────────────────────────────────────────────┐  │
│   │  Parámetros: de miles de millones a cientos de miles │  │
│   │  de millones (o más)                                 │  │
│   │  Conocimiento "congelado" en pesos                   │  │
│   └──────────────────────────────────────────────────────┘  │
│                           │                                  │
│                           ▼                                  │
│   INFERENCIA (cada uso)                                     │
│   ┌──────────────────────────────────────────────────────┐  │
│   │  Usuario: "Explica qué es Kubernetes"                │  │
│   │  LLM: Predice siguiente token → siguiente → ...      │  │
│   │  Respuesta: "Kubernetes es una plataforma..."        │  │
│   └──────────────────────────────────────────────────────┘  │
│                                                              │
└─────────────────────────────────────────────────────────────┘

Principales familias de LLMs

Familia	Empresa	Pesos	Fortaleza
GPT	OpenAI	Cerrados (API)	Razonamiento general
Claude	Anthropic	Cerrados (API)	Código, seguridad
Gemini	Google	Cerrados (API)	Multimodal, búsqueda
Llama	Meta	Abiertos (hasta 405B en Llama 3.1)	Despliegue propio
Mistral	Mistral AI	Abiertos y cerrados	Eficiencia, empresa europea

Las versiones cambian cada pocos meses y la mayoría de los proveedores de modelos cerrados no publica el número de parámetros. Consulta la documentación de cada proveedor para conocer el modelo vigente.

LLM vs SLM

Aspecto	LLM (Grande)	SLM (Pequeño)
Parámetros	Decenas o cientos de miles de millones	Desde cientos de millones hasta ~10-15B
Hardware	GPUs potentes, cloud	Laptop, teléfono, GPU modesta
Costo	Mayor (se paga por token vía API)	Menor, o solo hardware si es local
Capacidad	Tareas complejas y variadas	Tareas específicas
Ejemplos	GPT, Claude, Gemini	Phi-3, Llama 3.2 1B/3B

Caso práctico: LLM en desarrollo

Antes (sin LLM)

Desarrollador: Buscar en Stack Overflow
              Leer documentación
              Copiar/adaptar código
              Depurar manualmente

Ahora (con LLM)

Desarrollador: "Implementa autenticación JWT en Express"

LLM: Genera un borrador de código + tests + documentación
     Explica cada parte
     Sugiere mejoras de seguridad

Desarrollador: Revisa, prueba y ajusta antes de integrar

El ahorro de tiempo varía mucho según la tarea y la experiencia del equipo; la revisión humana sigue siendo imprescindible.

Limitaciones

Lo que los LLMs NO pueden hacer bien

Limitación	Descripción
Alucinaciones	Inventan información que suena real
Conocimiento limitado	Fecha de corte del entrenamiento
Matemáticas complejas	Errores en cálculos largos (sin herramientas)
Datos privados	No acceden a tu base de datos por sí solos
Tiempo real	No conocen la fecha ni eventos actuales sin herramientas

Mitigaciones

┌────────────────────────────────────────┐
│   CÓMO MEJORAR LLMs                     │
├────────────────────────────────────────┤
│                                         │
│   + RAG (Retrieval)                    │
│     → Acceso a documentos actuales     │
│                                         │
│   + Tools/Function Calling             │
│     → Ejecutar código, APIs            │
│                                         │
│   + Fine-tuning                        │
│     → Especializar en tu dominio       │
│                                         │
│   + Agentes                            │
│     → Planificar y ejecutar tareas     │
│                                         │
└────────────────────────────────────────┘

Términos relacionados

Agentic AI - LLMs que pueden actuar autónomamente
SLM - Modelos pequeños para dispositivos locales
MCP - Protocolo para conectar LLMs a herramientas
Prompt Injection - Ataques de seguridad contra LLMs

Recuerda: Los LLMs son herramientas poderosas pero no perfectas. Siempre verifica la información crítica y usa tu criterio profesional.

Pronunciación