Un LLM (Large Language Model, modelo de lenguaje grande) es el núcleo estadístico que hay detrás de casi toda la IA con la que programamos hoy: unos parámetros congelados que, dado un texto, predicen el siguiente token más probable, uno detrás de otro. No «entiende» ni «piensa» en el sentido humano: es un autocompletado gigantesco entrenado sobre cantidades enormes de texto. De ahí salen sus dos caras: es asombrosamente útil para generar y transformar lenguaje y código, pero también es no determinista, tiene una fecha de corte de conocimiento y alucina cuando se sale de lo que sabe. Para un developer, usar un LLM se reduce casi siempre al mismo patrón —mandarle una lista de mensajes (system, user, assistant), decirle qué modelo y recoger su salida—, un contrato idéntico ya llames a OpenAI, a Gemini, a Groq o a un modelo local con Ollama.
Antes de encargar <tarea> a un LLM, explícame en 3 puntos: qué parte resolverá bien por patrón estadístico, dónde es probable que invente por falta de conocimiento, y qué contexto debería darte para reducir ese riesgo.
Fuentes en Web Reactiva
- Conceptos clave de los modelos de lenguaje que todo programador debería entenderpost2026-05-21
- Los mejores modelos de IA para código en 2026: comparativa técnicapost2026-02-12
- Integrando IA en proyectos web: Taller con GroqPremium2024-11-22
- WRP 309. Estado de la IA para programadores, ¿te van a quitar el trabajo?Premium2024-08-29
Momentos
invocar un modelo siempre funciona igual: le mandas unos mensajes con el mismo formato y le dices qué modelo usar; la API es idéntica en Groq, OpenAI, Ollama o Gemini · topics: chat completions, librería de Ollama, tokens de entrada
Artículo creado por Daniel Primo con ayuda de la IA en base a lo compartido en el podcast, vídeos y textos de Web Reactiva.