Un modelo de lenguaje guarda dos tipos de conocimiento. El paramétrico vive en sus pesos (parámetros), se congela al entrenar y tiene fecha de caducidad — el knowledge cutoff —, por lo que APIs nuevas o librerías post-cutoff son trampas de fabricación salvo que se carguen en el contexto. El contextual es lo que el agente lee en la ventana de contexto ahora mismo: docs, código, resultados de tools. RAG y el cargado de documentación son las palancas para meter conocimiento contextual donde el paramétrico se queda corto; la alucinación es el síntoma de pedir conocimiento paramétrico más allá del cutoff sin apoyo contextual.
Para <mi tarea con una librería o API concreta>, dime qué debería saber el modelo de memoria (paramétrico) y qué le tengo que dar en el contexto porque es post-cutoff o específico. Márcame dónde es probable que alucine si no le cargo la doc real.
Fuentes en Web Reactiva
- Conceptos clave de los modelos de lenguaje que todo programador debería entenderpost2026-04-15
- Programar en 2019 vs Programar en 2025 (edición abierta)wr2025-09-07
- WRP 343. Programar en 2019 vs programar en 2025Premium2025-08-27
- Los mejores modelos de IA para código en 2026: comparativa técnicapost2026-02-12
- Cómo encontrar trabajo de programador en tiempos de IApost2026-04-27
- RAG con Laravel AI SDK: genera respuestas sin alucinarpost2026-05-25
Artículo creado por Daniel Primo con ayuda de la IA en base a lo compartido en el podcast, vídeos y textos de Web Reactiva.