Qué es un LLM: los modelos que hay detrás de ChatGPT

Un LLM (large language model, modelo de lenguaje grande) es un sistema de inteligencia artificial entrenado con cantidades masivas de texto para hacer una sola cosa extraordinariamente bien: predecir cuál es la siguiente palabra más probable dada una secuencia anterior. De esa capacidad aparentemente humilde emergen todas las demás: redactar, traducir, resumir, programar, razonar sobre documentos y mantener conversaciones. ChatGPT, Claude, Gemini o Copilot no son LLMs: son productos construidos sobre LLMs, igual que un coche es un producto construido sobre un motor.

Si diriges una empresa, esta palabra aparece hoy en cada propuesta comercial, cada demo y cada titular, casi siempre sin explicación. Entenderla, junto a sus tres conceptos satélite (tokens, parámetros y ventana de contexto), te permite comparar propuestas con criterio, detectar humo y hacer las preguntas correctas a cualquier proveedor. Ese es el objetivo de esta pieza: el glosario mínimo, sin matemáticas y con consecuencias prácticas.

¿Qué significa LLM en inteligencia artificial?

Desglosemos las tres palabras. Modelo: una red neuronal, es decir, una estructura matemática con miles de millones de valores ajustables que transforma una entrada (tu texto) en una salida (la continuación más probable). De lenguaje: su materia prima y su producto es el texto; aprendió leyendo una porción enorme de internet, libros y código. Grande: la escala es la clave del invento; al multiplicar por mil el tamaño de los modelos y de los datos de entrenamiento, aparecieron capacidades que nadie programó explícitamente, como seguir instrucciones, traducir o razonar por pasos.

Dentro del mapa general de la IA, que trazamos en qué es la inteligencia artificial, los LLM son la rama que ha protagonizado la explosión reciente: son el motor de la IA generativa de texto y la pieza central de casi cualquier proyecto de IA empresarial de 2026, desde un chatbot de soporte hasta un agente que gestiona pedidos.

¿Cómo funciona un modelo de lenguaje como ChatGPT?

La versión honesta y corta: en dos fases. Primero el preentrenamiento: el modelo lee billones de palabras jugando a adivinar la siguiente en cada frase; cada error ajusta un poco sus parámetros internos hasta que se vuelve asombrosamente bueno prediciendo. En esa etapa absorbe gramática, hechos, estilos y estructuras de razonamiento. Después el afinado: con ejemplos seleccionados y valoraciones humanas se le enseña a comportarse como asistente: seguir instrucciones, rechazar peticiones dañinas, responder con el tono adecuado.

Cuando escribes un mensaje, el modelo no busca la respuesta en una base de datos ni copia un texto que memorizó: genera palabra a palabra la continuación más plausible según todo lo aprendido. Esto explica sus dos caras: una flexibilidad enorme (nunca nadie escribió antes exactamente tu contrato, y aun así lo resume) y su defecto característico, inventar cosas plausibles cuando le faltan datos, fenómeno que tratamos a fondo en cómo funciona la inteligencia artificial y en nuestro artículo sobre alucinaciones.

¿Qué son los tokens y la ventana de contexto?

Son los dos conceptos que más afectan a tu factura y a lo que un proyecto puede o no puede hacer, así que merecen definición precisa:

• Token: la unidad mínima de texto que procesa el modelo. No es exactamente una palabra: son fragmentos («inteligencia» pueden ser 2-3 tokens; en español, grosso modo, una palabra son 1,5-2 tokens). Importa porque los proveedores cobran el uso de sus APIs por token de entrada y de salida: es el contador de la luz de la IA. Cuando un proveedor te presupuesta el coste mensual de un chatbot, por debajo está calculando tokens.
• Ventana de contexto: la cantidad máxima de tokens que el modelo puede tener en cuenta a la vez: tu pregunta, los documentos adjuntos, el historial de la conversación y su propia respuesta. Los modelos de 2026 manejan ventanas de cientos de miles de tokens (cientos de páginas), pero la ventana se llena: en conversaciones muy largas, lo más antiguo queda fuera y el modelo «lo olvida». No es un fallo de memoria: es que ya no lo está leyendo.
• Parámetros: los valores internos ajustados durante el entrenamiento, la medida habitual del tamaño del modelo (de cientos de millones a billones). Más parámetros suele significar más capacidad y más coste por token, pero la correlación ya no es automática: los modelos medianos de 2026 rinden como los gigantes de hace dos años.

¿Qué diferencia hay entre un LLM open source y uno propietario?

Es la primera decisión de arquitectura en muchos proyectos, y tiene matices que conviene conocer antes de que te la resuelvan por ti:

Nuestra opinión tras muchos proyectos: la mayoría de pymes españolas acierta empezando con modelos propietarios vía API con contrato de empresa, y solo una minoría con requisitos específicos (sanidad, legal, defensa, gran volumen) justifica desplegar modelos abiertos en infraestructura propia. Lo importante es que la aplicación se construya de forma que cambiar de modelo sea barato, porque el ranking de modelos cambia cada seis meses y tu software debería sobrevivir a esos vaivenes.

Qué significa esto para tu empresa: el LLM no es el proyecto

Aquí está el malentendido más caro del mercado. El LLM es una materia prima excelente y cada vez más barata; el valor está en lo que se construye alrededor: la conexión con tus datos (RAG), las integraciones con tu ERP o CRM, las barandillas de seguridad, la interfaz para tu equipo y la medición de resultados. Dos empresas pueden usar exactamente el mismo modelo y obtener una un juguete y otra una ventaja competitiva. Cuando evalúes propuestas, pregunta menos «¿qué modelo usáis?» y más «¿cómo conectáis mis datos, qué pasa cuando el modelo se equivoca y qué mide el sistema?». Esa capa de ingeniería es la que diferencia una demo de un sistema en producción, y es justo el trabajo de desarrollo de aplicaciones a medida sobre LLMs que hacemos a diario.

Preguntas frecuentes sobre los LLM

¿ChatGPT y GPT son lo mismo?

No. GPT es la familia de modelos de lenguaje de OpenAI (el motor); ChatGPT es la aplicación de chat construida sobre esos modelos (el coche completo, con interfaz, memoria, búsqueda y herramientas). La distinción importa al contratar: puedes usar los modelos GPT vía API en tu propio software sin pasar por ChatGPT.

¿Un LLM aprende de mis conversaciones?

Durante la conversación solo «recuerda» lo que cabe en su ventana de contexto, y ese aprendizaje se esfuma al cerrarla. Otra cosa es que el proveedor use tus conversaciones para entrenar futuros modelos: en los planes gratuitos puede ocurrir salvo que lo desactives; los contratos de empresa serios lo excluyen por defecto.

¿Qué es un SLM o modelo pequeño de lenguaje?

Es un modelo de lenguaje compacto, de cientos de millones a pocos miles de millones de parámetros, diseñado para ejecutarse barato o incluso en local (un portátil, un móvil). En 2026 resuelven muy bien tareas acotadas como clasificar correos o extraer datos de facturas, con costes mínimos frente a los modelos grandes.

¿Los LLM entienden de verdad lo que dicen?

Es un debate abierto entre investigadores. Lo operativo para una empresa: se comportan como si comprendieran en la mayoría de tareas de texto, con errores característicos (invenciones plausibles, fallos de lógica ocasionales) que obligan a poner supervisión y verificación donde el coste del error sea alto. Diseña para sus límites, no para el debate filosófico.

Si después de este glosario te ronda una idea concreta (un asistente sobre tus datos, una automatización, un producto con IA dentro), en IAmanos ayudamos a empresas españolas y europeas a convertirla en software en producción, eligiendo el modelo adecuado y construyendo la ingeniería alrededor. Reserva una consultoría gratuita de 30 minutos y hablamos de tu caso sin jerga innecesaria.