Modelo de lenguaje (LLM)
Un programa entrenado con una cantidad enorme de texto —incluido muchísimo código— que, a partir de lo que le escribes, genera la continuación más probable. Claude es uno.
✦Apagada: responde bien la pregunta del final para encenderla
También lo verás como: LLM · modelo · modelos de lenguaje · Opus · Sonnet · Haiku · fecha de corte
Analogía
Un cocinero que leyó todos los recetarios del mundo, pero nunca entró en tu cocina. Sabe hacer casi cualquier plato "de libro". No sabe qué hay en tu heladera, qué le gusta a tu cliente ni qué cambió en el mercado desde que dejó de leer.
Cinco consecuencias prácticas
| Cómo es | Qué significa para ti |
|---|---|
| Genera texto probable, no verificado | suena igual de seguro cuando acierta que cuando se equivoca → alucinación |
| No recuerda entre conversaciones | lo que no le das, no lo sabe → contexto y CLAUDE.md |
| Aprendió hasta una fecha de corte | lo muy nuevo (versiones, precios, servicios) puede no saberlo, o saberlo mal |
| Es mejor en lo popular | HTML, CSS, React: excelente. Una librería rara: flojo → stack tecnológico |
| No responde siempre igual | la misma petición puede dar resultados distintos → se revisa cada vez |
Los nombres que verás
Claude tiene varias familias: Opus (el más capaz), Sonnet (equilibrio entre capacidad y velocidad) y Haiku (el más rápido y barato). En Claude Code se cambia con /model.
No confundir con
- Claude Code: el programa que usa el modelo para actuar en tus archivos. El modelo es el cerebro; Claude Code, las manos y las herramientas.
Un paso más: cómo "escribe" de verdad
Un modelo de lenguaje hace una sola cosa, repetida muchísimas veces: dado un texto, calcular cuál es el siguiente trozo más probable (cada trozo es un token). Elige uno, lo añade, y vuelve a calcular con el texto ya ampliado. Así, trozo a trozo, sale una respuesta entera.
Lo aprendió en el entrenamiento: se le mostró una cantidad descomunal de texto, y se le fue ajustando para predecir cada vez mejor la continuación. De ahí salen sus dos caras:
- Lo bueno: para predecir bien cómo sigue un texto sobre código, hay que haber captado mucho de cómo funciona el código. Por eso programa de verdad.
- Lo malo: "probable" no es "cierto". Si no tiene el dato, el siguiente trozo más probable sigue siendo algo con buena pinta.
No busca en una base de datos ni "recuerda" páginas: lo aprendido está repartido en miles de millones de números. Por eso no puede decirte de dónde sacó algo, salvo que lo busque en internet en ese momento.
¿Por qué un modelo de lenguaje suena igual de seguro cuando acierta que cuando se equivoca?
Ver también
contexto · prompt · alucinación · desarrollo asistido por IA