{"id":12756,"date":"2026-10-27T21:46:14","date_gmt":"2026-10-28T00:46:14","guid":{"rendered":"https:\/\/convergencia.tech\/inicio\/?p=12756"},"modified":"2026-10-27T21:53:47","modified_gmt":"2026-10-28T00:53:47","slug":"manual-para-principiantes-como-funciona-un-llm-por-dentro","status":"publish","type":"post","link":"https:\/\/convergencia.tech\/inicio\/manual-para-principiantes-como-funciona-un-llm-por-dentro\/","title":{"rendered":"Manual para principiantes: c\u00f3mo funciona un LLM por dentro"},"content":{"rendered":"\n<h1 class=\"wp-block-heading\"><\/h1>\n\n\n\n<p class=\"wp-block-paragraph\">De tu pregunta a la respuesta, paso a paso \u00b7 Edici\u00f3n de octubre de 2026<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">C\u00f3mo usar este manual<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">Este manual explica, sin conocimientos previos, qu\u00e9 ocurre desde que se escribe una pregunta hasta que aparece la respuesta de un modelo de lenguaje grande (LLM, por <em>large language model<\/em>). Se lee en orden: cada paso se apoya en el anterior.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Todo el recorrido sigue una sola pregunta de prueba:<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">\u00bfCu\u00e1nta memoria necesita Kimi K3 (2,8 billones de par\u00e1metros) a 4 bits?<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Dos avisos antes de empezar:<\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li>En castellano, un bill\u00f3n es 10\u00b9\u00b2 (un mill\u00f3n de millones)<\/li>\n\n\n\n<li>Las cifras de modelos son de octubre de 2026, tomadas de fuentes p\u00fablicas, y cambian r\u00e1pido. Los modelos cerrados no publican su tama\u00f1o.<\/li>\n<\/ul>\n\n\n\n<h2 class=\"wp-block-heading\">1. El mapa general<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">Un LLM no trabaja solo. Alrededor del modelo hay cuatro niveles, y cada uno resuelve un problema distinto.<\/p>\n\n\n\n<figure class=\"wp-block-table\"><table class=\"has-fixed-layout\"><thead><tr><td>Nivel<\/td><td>Qu\u00e9 es<\/td><td>Ejemplos<\/td><td>Qu\u00e9 decide<\/td><\/tr><\/thead><tbody><tr><td>1. Arn\u00e9s u orquestador<\/td><td>Software de aplicaci\u00f3n que coordina todo<\/td><td>LangChain, LangGraph, LlamaIndex<\/td><td>Qu\u00e9 texto se le manda al modelo y qu\u00e9 m\u00e1s hay que hacer<\/td><\/tr><tr><td>2. Motor de inferencia<\/td><td>Software que ejecuta el modelo<\/td><td>vLLM, SGLang, TensorRT-LLM<\/td><td>Qu\u00e9 se calcula, en qu\u00e9 orden y qu\u00e9 se reutiliza<\/td><\/tr><tr><td>3. Modelo (LLM)<\/td><td>Un archivo de n\u00fameros: matrices de pesos<\/td><td>Kimi K3, GLM, Qwen<\/td><td>La probabilidad del pr\u00f3ximo token<\/td><\/tr><tr><td>4. Hardware<\/td><td>GPU, memoria y conexiones<\/td><td>Cl\u00fasteres de GPU<\/td><td>Qui\u00e9n hace f\u00edsicamente las multiplicaciones<\/td><\/tr><\/tbody><\/table><\/figure>\n\n\n\n<p class=\"wp-block-paragraph\">El esquema completo, con ida y vuelta:<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Tu prompt (texto humano)&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; La respuesta (texto humano)<br>&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; \u2193 ida&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; \u2191 vuelta<br>Arn\u00e9s: arma el prompt final (texto)&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; valida el texto de la respuesta<br>&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; \u2193&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; \u2191<br>Motor: convierte el texto en tokens&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; convierte tokens en texto<br>&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; \u2193&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; \u2191<br>Modelo: tokens \u2192 vectores \u2192 matrices&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; probabilidad de cada token<br>&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; \u2193&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; \u2191<br>Hardware: las GPU multiplican&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; resultados num\u00e9ricos<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Regla para recordar: lo que baja se vuelve cada vez m\u00e1s num\u00e9rico, y lo que sube vuelve a ser texto. El arn\u00e9s es la capa de aplicaci\u00f3n; el motor, el modelo y el hardware son la capa de ejecuci\u00f3n.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">2. Paso 1: leer los n\u00fameros (billones, mil millones y siglas)<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">Los nombres de los modelos llevan una sigla con la cantidad de par\u00e1metros. La letra viene del ingl\u00e9s:<\/p>\n\n\n\n<figure class=\"wp-block-table\"><table class=\"has-fixed-layout\"><thead><tr><td>Sufijo<\/td><td>En ingl\u00e9s<\/td><td>En castellano<\/td><td>Ejemplo<\/td><\/tr><\/thead><tbody><tr><td>M<\/td><td>million<\/td><td>millones<\/td><td>350M = 350 millones<\/td><\/tr><tr><td>B<\/td><td>billion<\/td><td>mil millones<\/td><td>70B = 70.000 millones<\/td><\/tr><tr><td>T<\/td><td>trillion<\/td><td>billones<\/td><td>2,8T = 2,8 billones<\/td><\/tr><\/tbody><\/table><\/figure>\n\n\n\n<p class=\"wp-block-paragraph\">Por eso un modelo de 2.8B tiene 2.800 millones de par\u00e1metros, mil veces menos que uno de 2,8T. Kimi K3 es un modelo de 2,8T.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Tambi\u00e9n cambia la puntuaci\u00f3n: el ingl\u00e9s usa punto decimal (1.4 TB) y el castellano usa coma (1,4 TB).<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Totales y activos. Muchos modelos son MoE (mezcla de expertos, Paso 8) y muestran dos n\u00fameros. En Qwen3-30B-A3B, el 30B es el total (30.000 millones) y el A3B son los par\u00e1metros activos por token (3.000 millones). El total define cu\u00e1nta memoria se necesita; los activos definen cu\u00e1nto c\u00f3mputo se gasta por token.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">3. Paso 2: qu\u00e9 es un LLM<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">Un LLM es, en esencia, una pila de miles de matrices (m\u00e1s precisamente, tensores) llenas de n\u00fameros, con algunas operaciones simples entre ellas. Esos n\u00fameros son los par\u00e1metros o pesos. Los 2,8 billones de Kimi K3 son 2,8 billones de n\u00fameros guardados en un archivo.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Cuatro ideas que conviene tener claras:<\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li>El archivo no contiene texto, reglas ni frases guardadas. Solo n\u00fameros ajustados durante el entrenamiento.<\/li>\n\n\n\n<li>Los pesos son datos pasivos. No se multiplican solos: los multiplica una GPU, dirigida por el motor de inferencia.<\/li>\n\n\n\n<li>Los pesos est\u00e1n congelados durante una consulta. El modelo no aprende nada de lo que se le pregunta.<\/li>\n\n\n\n<li>El modelo no tiene memoria entre consultas. Cada llamada arranca de cero; lo que parece recordar es texto que se le vuelve a enviar.<\/li>\n<\/ul>\n\n\n\n<p class=\"wp-block-paragraph\">Hay dos tipos de memoria: la de largo plazo, que son los pesos, y la de trabajo, que es el contexto de la consulta actual.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Que sea solo matrices describe el mecanismo, no el l\u00edmite de lo que puede hacer. Que de esas multiplicaciones salgan razonamiento, c\u00f3digo o traducciones es un resultado del entrenamiento a esta escala, y c\u00f3mo lo logra por dentro sigue siendo un tema de investigaci\u00f3n (interpretabilidad).<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">4. Paso 3: los tokens<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">Un token no es una palabra: es una pieza de texto. Puede ser una palabra completa, un pedazo de palabra, un signo de puntuaci\u00f3n o un espacio. El tokenizador tiene un vocabulario fijo y corta el texto en las piezas m\u00e1s largas que encuentra en \u00e9l.<\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li>Las palabras comunes suelen ser un solo token.<\/li>\n\n\n\n<li>Las palabras largas, raras o t\u00e9cnicas se parten en varios.<\/li>\n\n\n\n<li>Los n\u00fameros, el c\u00f3digo y los saltos de l\u00ednea tambi\u00e9n gastan tokens.<\/li>\n<\/ul>\n\n\n\n<p class=\"wp-block-paragraph\">En ingl\u00e9s, 1 token equivale aproximadamente a 0,75 palabras. En castellano hace falta m\u00e1s de un token por palabra, porque los tokenizadores se entrenan sobre todo con ingl\u00e9s y el castellano tiene palabras largas, con acentos y conjugaciones. Como orden de magnitud, 1 mill\u00f3n de tokens son unas 600.000 a 700.000 palabras en castellano (estimaci\u00f3n, var\u00eda seg\u00fan el modelo).<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Todo se mide en tokens: la ventana de contexto, la velocidad de generaci\u00f3n, la memoria que ocupa el KV cache y el precio de las APIs.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">La ventana de contexto es el m\u00e1ximo de tokens que el modelo puede mirar a la vez, sumando el prompt y la respuesta. Los modelos de frontera est\u00e1n hoy en torno al mill\u00f3n de tokens. Que entre no significa que lo aproveche bien: con contextos muy largos, lo que queda en el medio suele usarse peor, y el costo en memoria y tiempo crece.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">5. Paso 4: tu prompt y el prompt final<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">Hay dos cosas que se llaman prompt:<\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li>Tu prompt: lo que escrib\u00eds vos, en lenguaje humano.<\/li>\n\n\n\n<li>El prompt final: lo que el arn\u00e9s le manda realmente al modelo. Incluye las instrucciones del sistema, los fragmentos que trajo el RAG, el historial de la conversaci\u00f3n y tu mensaje.<\/li>\n<\/ul>\n\n\n\n<p class=\"wp-block-paragraph\">Tu prompt es una parte del prompt final. Un ejemplo ilustrativo para la pregunta de prueba:<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">[Sistema] Respond\u00e9 en castellano, con precisi\u00f3n y sin inventar cifras.<br>[Contexto del RAG] Kimi K3 tiene 2,8 billones de par\u00e1metros totales<br>y 104.000 millones activos; sus pesos suman unos 1,56 TB.<br>[Historial] (vac\u00edo en la primera consulta)<br>[Usuario] \u00bfCu\u00e1nta memoria necesita Kimi K3 (2,8 billones de par\u00e1metros) a 4 bits?<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Punto clave: el prompt final todav\u00eda es texto. La conversi\u00f3n a tokens ocurre despu\u00e9s, en el motor de inferencia, por obra del tokenizador. Algunos sistemas tokenizan antes, del lado del cliente, solo para contar tokens, pero lo que viaja al modelo es el mismo texto convertido.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">6. Paso 5: RAG, o qu\u00e9 sabe el sistema<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">RAG (Retrieval-Augmented Generation, generaci\u00f3n aumentada por recuperaci\u00f3n) busca informaci\u00f3n relevante en documentos, p\u00e1ginas web o bases de datos y la agrega al prompt. Las respuestas salen m\u00e1s precisas y actualizadas sin reentrenar el modelo.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">El LLM no sabe que existe un RAG. Para \u00e9l, los fragmentos recuperados y tu pregunta son una sola secuencia de tokens.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">El RAG tiene dos fases:<\/p>\n\n\n\n<ol class=\"wp-block-list\">\n<li>Ingesta (se hace antes, una vez): limpiar los documentos, cortarlos en fragmentos (chunking), convertir cada fragmento en un vector con un modelo de embeddings y guardarlos en una base vectorial.<\/li>\n\n\n\n<li>Consulta (cada vez): convertir la pregunta en vector, buscar los fragmentos m\u00e1s parecidos, combinar con b\u00fasqueda por palabras clave (BM25) para siglas y cifras, y usar un reranker, un modelo chico que reordena y se queda con los mejores 5 a 20 fragmentos.<\/li>\n<\/ol>\n\n\n\n<p class=\"wp-block-paragraph\">Lo que hay que recordar:<\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li>El modelo de embeddings y el reranker son modelos distintos del LLM.<\/li>\n\n\n\n<li>Si el retrieval trae mal, el tama\u00f1o del LLM no lo arregla: responde con lo que tiene en los pesos y aparecen las alucinaciones.<\/li>\n\n\n\n<li>El RAG solo sabe lo que est\u00e1 en su archivo. Para datos del d\u00eda hace falta una herramienta (Paso 6).<\/li>\n\n\n\n<li>Los datos caducan: conviene filtrar por fecha, o se pueden mezclar cifras de hace meses con las de hoy.<\/li>\n<\/ul>\n\n\n\n<h2 class=\"wp-block-heading\">7. Paso 6: el arn\u00e9s u orquestador<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">El orquestador es la capa de software que coordina el circuito. No es un producto \u00fanico: puede ser un framework o c\u00f3digo propio. El arn\u00e9s (harness) es todo el andamiaje que rodea al modelo, y el orquestador es su n\u00facleo.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Sus tareas:<\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li>Recibir la pregunta y llamar al RAG.<\/li>\n\n\n\n<li>Armar el prompt final: decidir qu\u00e9 entra, en qu\u00e9 orden y con qu\u00e9 instrucciones.<\/li>\n\n\n\n<li>Mantener la memoria: como el modelo no recuerda nada entre llamadas, el arn\u00e9s reenv\u00eda el historial como texto.<\/li>\n\n\n\n<li>Dar acceso a herramientas (APIs, bases de datos, c\u00f3digo).<\/li>\n\n\n\n<li>Aplicar guardrails: filtros, validaci\u00f3n del formato y verificaci\u00f3n de que la respuesta se apoye en las fuentes.<\/li>\n\n\n\n<li>Registrar todo (observabilidad): trazas, costos y evaluaci\u00f3n.<\/li>\n<\/ul>\n\n\n\n<p class=\"wp-block-paragraph\">Frameworks conocidos:<\/p>\n\n\n\n<figure class=\"wp-block-table\"><table class=\"has-fixed-layout\"><thead><tr><td>Categor\u00eda<\/td><td>Ejemplos<\/td><td>Para qu\u00e9 sirven<\/td><\/tr><\/thead><tbody><tr><td>Orquestaci\u00f3n y RAG<\/td><td>LangChain, LlamaIndex, Haystack<\/td><td>Conectar modelo, datos y herramientas; indexar y recuperar<\/td><\/tr><tr><td>Agentes<\/td><td>LangGraph, CrewAI, SDK de agentes de los laboratorios<\/td><td>Flujos con estado y bucles con herramientas<\/td><\/tr><tr><td>Optimizaci\u00f3n de prompts<\/td><td>DSPy<\/td><td>Ajustar prompts de forma program\u00e1tica<\/td><\/tr><\/tbody><\/table><\/figure>\n\n\n\n<p class=\"wp-block-paragraph\">Suele combinarse un framework de dos categor\u00edas; apilar tres o m\u00e1s es se\u00f1al de sobreingenier\u00eda.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">MCP (Model Context Protocol) estandariza c\u00f3mo la IA se conecta con herramientas y sistemas externos. El orquestador act\u00faa como cliente MCP y ejecuta las herramientas que el modelo pide. Se construye una conexi\u00f3n una vez y se reutiliza.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Un agente es un sistema que percibe, razona, llama a herramientas y act\u00faa hacia un objetivo, en varios pasos. Convierte el flujo lineal en un bucle: el modelo pide una herramienta, el orquestador la ejecuta, el resultado vuelve al prompt y el modelo genera de nuevo.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">S\u00edntesis: RAG da conocimiento, MCP da acceso y el agente aporta el razonamiento y el objetivo. Si el caso es solo preguntar sobre documentos propios, alcanza con un pipeline lineal: recuperar, armar el prompt, generar y validar.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">8. Paso 7: el motor de inferencia<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">El motor es el software que ejecuta el modelo sobre las GPU. No entiende el texto: compara bloques de tokens, administra memoria y ordena c\u00e1lculos. El significado aparece solo dentro de las multiplicaciones del modelo.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Sus piezas:<\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li>Tokenizador: convierte texto en tokens a la ida y tokens en texto a la vuelta.<\/li>\n\n\n\n<li>Planificador: arma lotes con solicitudes de muchos usuarios (continuous batching) para aprovechar la GPU.<\/li>\n\n\n\n<li>Gestor del KV cache: reserva y libera la memoria donde se guardan los c\u00e1lculos intermedios.<\/li>\n\n\n\n<li>Kernels CUDA: las funciones de bajo nivel que realizan las multiplicaciones.<\/li>\n\n\n\n<li>Paralelismo: reparte el modelo entre varias GPU.<\/li>\n\n\n\n<li>Sampler: elige cada token seg\u00fan las probabilidades (temperatura, top-p).<\/li>\n<\/ul>\n\n\n\n<p class=\"wp-block-paragraph\">El ciclo tiene dos etapas:<\/p>\n\n\n\n<ol class=\"wp-block-list\">\n<li>Prefill: procesa todo el prompt en paralelo y construye el KV cache. Es la etapa m\u00e1s cara cuando el RAG mete mucho texto.<\/li>\n\n\n\n<li>Decode: genera un token a la vez. Cada token elegido vuelve a entrar como entrada del siguiente, hasta el token de fin.<\/li>\n<\/ol>\n\n\n\n<p class=\"wp-block-paragraph\">KV cache. Son las claves y valores de la atenci\u00f3n, ya calculados, guardados en la memoria de la GPU para no repetir cuentas. Dentro de una respuesta, al generar el token 501 solo se calcula lo del token nuevo y se reutiliza lo de los 500 anteriores.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Prefix caching. Entre consultas, el motor divide el prompt en bloques y guarda un \u00edndice de d\u00f3nde est\u00e1 el c\u00e1lculo de cada uno. Si llega un prompt que empieza igual, reutiliza los bloques id\u00e9nticos y calcula solo desde donde difiere. Consejo pr\u00e1ctico: poner primero lo fijo (instrucciones y est\u00e1ndares), despu\u00e9s los fragmentos variables del RAG y al final la pregunta. Si lo variable va al principio, se invalida todo el cache.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Por qu\u00e9 importa tanto el motor: generar un token obliga a leer todos los pesos activos desde la memoria de la GPU, as\u00ed que el l\u00edmite suele ser el ancho de banda de memoria y no la capacidad de c\u00e1lculo. Agrupar muchas solicitudes reparte esa lectura y baja el costo por token.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">9. Paso 8: dentro del modelo<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">Cuando llegan los tokens, el modelo hace esto:<\/p>\n\n\n\n<ol class=\"wp-block-list\">\n<li>Embeddings: cada token pasa a un vector (una fila de una matriz), con informaci\u00f3n de posici\u00f3n.<\/li>\n\n\n\n<li>Atenci\u00f3n: en cada capa, cada token puede mirar a los anteriores. Ah\u00ed se cruza el contenido de los fragmentos con la pregunta.<\/li>\n\n\n\n<li>Feed-forward: una red que transforma cada vector. En los modelos MoE se reemplaza por muchos expertos m\u00e1s chicos y un router.<\/li>\n\n\n\n<li>Capa de salida: produce un puntaje por cada token posible del vocabulario, y una funci\u00f3n (softmax) lo convierte en probabilidades.<\/li>\n<\/ol>\n\n\n\n<p class=\"wp-block-paragraph\">Entre las multiplicaciones hay funciones simples (normalizaciones, activaciones). Sin ellas, apilar cien capas equivaldr\u00eda a una sola matriz.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">MoE (Mixture of Experts, mezcla de expertos). El router elige, por token y por capa, solo unos pocos expertos y deja inactivos al resto. Kimi K3 activa 16 de sus 896 expertos por token. Ventaja: capacidad total enorme con c\u00f3mputo por token reducido. Costo: todos los expertos tienen que estar cargados en memoria, porque no se sabe de antemano cu\u00e1les va a pedir el router, y repartirlos entre GPU exige mucha comunicaci\u00f3n.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Dado un mismo prompt, el modelo produce siempre la misma distribuci\u00f3n de probabilidades. La variaci\u00f3n en las respuestas viene del sampler, que elige un token de esa distribuci\u00f3n.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">10. Paso 9: el hardware<\/h2>\n\n\n\n<ul class=\"wp-block-list\">\n<li>GPU: el chip que hace las multiplicaciones, en sus tensor cores. Est\u00e1n hechas para multiplicar matrices.<\/li>\n\n\n\n<li>Memoria HBM: la memoria de alta velocidad de la GPU, donde viven los pesos y el KV cache.<\/li>\n\n\n\n<li>Interconexi\u00f3n (NVLink y redes): permite que muchas GPU trabajen como una sola y se pasen datos.<\/li>\n<\/ul>\n\n\n\n<p class=\"wp-block-paragraph\">Qui\u00e9n multiplica: los kernels del motor ordenan, los tensor cores de la GPU calculan, y los pesos del modelo son el material. El costo del tama\u00f1o se paga en memoria HBM e interconexi\u00f3n entre GPU.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">11. Paso 10: el viaje completo de una pregunta<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">Siguiendo la pregunta de prueba:<\/p>\n\n\n\n<ol class=\"wp-block-list\">\n<li>Escrib\u00eds tu prompt, en lenguaje humano.<\/li>\n\n\n\n<li>El orquestador llama al RAG: convierte la pregunta en vector, busca fragmentos, aplica b\u00fasqueda h\u00edbrida y reranker.<\/li>\n\n\n\n<li>El orquestador arma el prompt final: instrucciones, fragmentos, historial y tu pregunta. Sigue siendo texto.<\/li>\n\n\n\n<li>El prompt final se env\u00eda al motor de inferencia.<\/li>\n\n\n\n<li>El tokenizador lo convierte en tokens, que son n\u00fameros enteros.<\/li>\n\n\n\n<li>Prefill: el prompt completo pasa por las capas del modelo y se arma el KV cache.<\/li>\n\n\n\n<li>Dentro del modelo, cada token pasa a vector y se multiplica por las matrices (embeddings, atenci\u00f3n, feed-forward o MoE). Las GPU hacen las cuentas.<\/li>\n\n\n\n<li>La capa de salida devuelve la probabilidad de cada token posible.<\/li>\n\n\n\n<li>El sampler elige un token. Ese token vuelve como entrada y se repite el ciclo (decode) hasta el token de fin.<\/li>\n\n\n\n<li>El tokenizador convierte los tokens de la respuesta otra vez en texto.<\/li>\n\n\n\n<li>El orquestador valida el texto (guardrails), le da formato y lo muestra. Si hay agente, puede volver al paso 2 o llamar a una herramienta.<\/li>\n<\/ol>\n\n\n\n<p class=\"wp-block-paragraph\">El RAG act\u00faa antes del modelo y una sola vez; el modelo nunca habla con \u00e9l. El \u00fanico ida y vuelta interno es el bucle del paso 9.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">12. Paso 11: cu\u00e1nta memoria hace falta<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">La cuenta base es:<\/p>\n\n\n\n<p class=\"wp-block-paragraph\"><strong>memoria de los pesos \u2248 par\u00e1metros \u00d7 bytes por par\u00e1metro<\/strong><\/p>\n\n\n\n<figure class=\"wp-block-table\"><table class=\"has-fixed-layout\"><thead><tr><td>Precisi\u00f3n<\/td><td>Bytes por par\u00e1metro<\/td><td>Memoria por cada mil millones de par\u00e1metros<\/td><td>Ejemplo con 70B<\/td><td>Ejemplo con 2,8T<\/td><\/tr><\/thead><tbody><tr><td>FP16<\/td><td>2<\/td><td>2 GB<\/td><td>140 GB<\/td><td>5,6 TB<\/td><\/tr><tr><td>FP8<\/td><td>1<\/td><td>1 GB<\/td><td>70 GB<\/td><td>2,8 TB<\/td><\/tr><tr><td>4 bits<\/td><td>0,5<\/td><td>0,5 GB<\/td><td>35 GB<\/td><td>1,4 TB<\/td><\/tr><\/tbody><\/table><\/figure>\n\n\n\n<p class=\"wp-block-paragraph\">Respuesta a la pregunta de prueba: Kimi K3 a 4 bits necesita unos 1,4 TB solo para los pesos, m\u00e1s el KV cache, que crece con el largo del contexto (hasta 1 mill\u00f3n de tokens) y puede sumar decenas o cientos de GB. Cont\u00e1 con 1,7 a 2 TB como piso realista. Seg\u00fan las fuentes consultadas, los pesos publicados suman unos 1,56 TB, lo que indica una cuantizaci\u00f3n de aproximadamente 4 bits. Algunos proveedores lo sirven en FP8, que se acerca a los 2,8 TB.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Y en una computadora local:<\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li>Una PC de escritorio llega hoy a unos 192 a 256 GB de RAM, y las m\u00e1quinas de consumo con m\u00e1s memoria unificada rondan los 512 GB. No alcanza para un modelo de billones de par\u00e1metros.<\/li>\n\n\n\n<li>Con GPU de datacenter hacen falta unas 20 H100 de 80 GB, o 9 a 12 GPU de 141 a 192 GB. Es un cl\u00faster.<\/li>\n\n\n\n<li>Un servidor con 2 TB de RAM y solo CPU es t\u00e9cnicamente posible, y al ser MoE solo se leen los par\u00e1metros activos por token, pero la velocidad queda limitada por el ancho de banda de memoria: pocos tokens por segundo (estimaci\u00f3n, sin medir).<\/li>\n\n\n\n<li>Lo realista en local son modelos de hasta unos 100.000 a 200.000 millones de par\u00e1metros totales, en especial MoE chicos y cuantizados. Por ejemplo, Qwen 3.8 Flash Next tiene 125.000 millones de par\u00e1metros con 6.000 millones activos, y a 4 bits ocupa unos 65 a 70 GB.<\/li>\n\n\n\n<li>Para un modelo grande, lo habitual es usarlo por API o alquilar GPU por hora.<\/li>\n<\/ul>\n\n\n\n<h2 class=\"wp-block-heading\">13. Paso 12: qu\u00e9 modelos hay hoy<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">Modelos abiertos, con cifras oficiales (octubre de 2026):<\/p>\n\n\n\n<figure class=\"wp-block-table\"><table class=\"has-fixed-layout\"><thead><tr><td>Modelo<\/td><td>Par\u00e1metros totales<\/td><td>Activos por token<\/td><td>Nota<\/td><\/tr><\/thead><tbody><tr><td>Kimi K3 (Moonshot AI)<\/td><td>2,8 billones<\/td><td>104.000 millones<\/td><td>El abierto m\u00e1s grande; 896 expertos; contexto de 1 mill\u00f3n; pesos desde el 27 de julio de 2026<\/td><\/tr><tr><td>Kimi K2.5<\/td><td>1 bill\u00f3n<\/td><td>32.000 millones<\/td><td>De enero de 2026<\/td><\/tr><tr><td>GLM-5.2 (Z.ai)<\/td><td>744.000 millones<\/td><td>unos 40.000 millones<\/td><td>Licencia MIT<\/td><\/tr><tr><td>DeepSeek R1<\/td><td>671.000 millones<\/td><td>n. d.<\/td><td>Referencia de 2025<\/td><\/tr><tr><td>Qwen 3.8 Flash Next<\/td><td>125.000 millones<\/td><td>6.000 millones<\/td><td>Pensado para correr con menos recursos<\/td><\/tr><\/tbody><\/table><\/figure>\n\n\n\n<p class=\"wp-block-paragraph\">Modelos cerrados (GPT, Claude, Gemini): los laboratorios ya no publican la cantidad de par\u00e1metros. Lo que circula son estimaciones de terceros no confirmadas, que sirven solo como orden de magnitud.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">M\u00e1s grande no significa m\u00e1s avanzado:<\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li>Kimi K3 es el abierto m\u00e1s grande, y un agregador independiente lo ubicaba entre los puestos 5 y 7 seg\u00fan el \u00edndice. Los rankings cambian seguido y cada agregador mide distinto.<\/li>\n\n\n\n<li>La capacidad depende tambi\u00e9n de los datos de entrenamiento, el ajuste posterior y el razonamiento en tiempo de respuesta.<\/li>\n\n\n\n<li>En un MoE, el total enga\u00f1a un poco: el c\u00f3mputo por token es el de los par\u00e1metros activos.<\/li>\n<\/ul>\n\n\n\n<p class=\"wp-block-paragraph\">Modelos en castellano. Hay modelos multiling\u00fces que entienden y escriben castellano, como Kimi K3, aunque las fuentes consultadas no detallan qu\u00e9 tan bien lo hace: conviene probarlo con textos propios. Un modelo entrenado solo en castellano a escala de billones no existe, seg\u00fan lo que encontr\u00e9. Lo m\u00e1s cercano es Latam-GPT, de una alianza liderada por Chile y Colombia: unos 50.000 millones de par\u00e1metros (otra fuente habla de m\u00e1s de 70.000 millones), basado en Llama 3 y entrenado con espa\u00f1ol y portugu\u00e9s. Es entre 40 y 56 veces m\u00e1s chico que Kimi K3.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">14. Mini proyecto: tu primer RAG<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">Para practicar con un archivo propio de notas o art\u00edculos:<\/p>\n\n\n\n<ol class=\"wp-block-list\">\n<li>Reunir los textos y limpiarlos (sin men\u00fas ni publicidad).<\/li>\n\n\n\n<li>Cortarlos en fragmentos. Si las notas son cortas, una nota por fragmento alcanza. Guardar con cada uno su fecha, categor\u00eda y fuente.<\/li>\n\n\n\n<li>Convertirlos en vectores con un modelo de embeddings multiling\u00fce y guardarlos en una base vectorial.<\/li>\n\n\n\n<li>Armar la b\u00fasqueda: vectores m\u00e1s palabras clave, y un reranker multiling\u00fce que deje los 5 a 8 mejores fragmentos.<\/li>\n\n\n\n<li>Armar el prompt final con instrucciones fijas primero, fragmentos despu\u00e9s y la pregunta al final. Incluir reglas como: usar solo cifras de los fragmentos, marcar el dato si falta y citar la fuente.<\/li>\n\n\n\n<li>Validar la salida: verificar con c\u00f3digo simple que cada n\u00famero de la respuesta aparezca en los fragmentos.<\/li>\n<\/ol>\n\n\n\n<p class=\"wp-block-paragraph\">Orden recomendado: primero ingesta y b\u00fasqueda probadas a mano, despu\u00e9s generaci\u00f3n con validador y reci\u00e9n al final herramientas para datos del d\u00eda, con agente.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">15. Errores frecuentes<\/h2>\n\n\n\n<ul class=\"wp-block-list\">\n<li>Confundir 2,8 billones con 2.8 billion: son cifras con mil veces de diferencia.<\/li>\n\n\n\n<li>Creer que el modelo aprende de cada consulta. Los pesos no cambian; lo que cambia es el texto de entrada.<\/li>\n\n\n\n<li>Creer que el modelo recuerda la conversaci\u00f3n anterior. Se le reenv\u00eda como texto.<\/li>\n\n\n\n<li>Creer que un token es una palabra.<\/li>\n\n\n\n<li>Pensar que m\u00e1s par\u00e1metros siempre significa mejor modelo.<\/li>\n\n\n\n<li>Mirar solo el total en un MoE e ignorar los par\u00e1metros activos.<\/li>\n\n\n\n<li>Culpar al LLM cuando el problema es el retrieval.<\/li>\n\n\n\n<li>Poner lo variable al principio del prompt y perder el prefix caching.<\/li>\n\n\n\n<li>Querer correr localmente un modelo de billones de par\u00e1metros sin contar el KV cache.<\/li>\n<\/ul>\n\n\n\n<h2 class=\"wp-block-heading\">16. Glosario<\/h2>\n\n\n\n<figure class=\"wp-block-table\"><table class=\"has-fixed-layout\"><thead><tr><td>T\u00e9rmino<\/td><td>Significado<\/td><\/tr><\/thead><tbody><tr><td>LLM<\/td><td>Modelo de lenguaje grande: una pila de matrices de pesos que predice el pr\u00f3ximo token<\/td><\/tr><tr><td>Par\u00e1metro \/ peso<\/td><td>Cada n\u00famero guardado en las matrices del modelo<\/td><\/tr><tr><td>Token<\/td><td>Pieza de texto, convertida en un n\u00famero entero<\/td><\/tr><tr><td>Ventana de contexto<\/td><td>M\u00e1ximo de tokens que el modelo puede mirar a la vez<\/td><\/tr><tr><td>Prompt<\/td><td>Lo que se le manda al modelo; puede ser el del usuario o el prompt final<\/td><\/tr><tr><td>Embedding<\/td><td>Vector num\u00e9rico que representa un token o un fragmento de texto<\/td><\/tr><tr><td>RAG<\/td><td>Recuperar informaci\u00f3n y agregarla al prompt<\/td><\/tr><tr><td>Chunking<\/td><td>Cortar documentos en fragmentos para indexarlos<\/td><\/tr><tr><td>Reranker<\/td><td>Modelo chico que reordena los fragmentos recuperados<\/td><\/tr><tr><td>Orquestador \/ arn\u00e9s<\/td><td>Software que coordina el circuito alrededor del modelo<\/td><\/tr><tr><td>MCP<\/td><td>Protocolo est\u00e1ndar para conectar la IA con herramientas externas<\/td><\/tr><tr><td>Agente<\/td><td>Sistema que razona, usa herramientas y act\u00faa en varios pasos<\/td><\/tr><tr><td>Motor de inferencia<\/td><td>Software que ejecuta el modelo sobre las GPU<\/td><\/tr><tr><td>Prefill<\/td><td>Procesar todo el prompt de una vez<\/td><\/tr><tr><td>Decode<\/td><td>Generar la respuesta token por token<\/td><\/tr><tr><td>KV cache<\/td><td>C\u00e1lculos intermedios de la atenci\u00f3n guardados para no repetirlos<\/td><\/tr><tr><td>Prefix caching<\/td><td>Reutilizar el c\u00e1lculo de prefijos id\u00e9nticos entre consultas<\/td><\/tr><tr><td>Sampler<\/td><td>Pieza que elige el pr\u00f3ximo token seg\u00fan las probabilidades<\/td><\/tr><tr><td>MoE<\/td><td>Arquitectura con muchos expertos, de los que se activan pocos por token<\/td><\/tr><tr><td>Par\u00e1metros activos<\/td><td>Los que participan en cada token en un MoE<\/td><\/tr><tr><td>Cuantizaci\u00f3n<\/td><td>Guardar los pesos con menos bits para ahorrar memoria<\/td><\/tr><tr><td>GPU \/ tensor cores<\/td><td>Chip y unidades que multiplican matrices<\/td><\/tr><tr><td>HBM<\/td><td>Memoria de alta velocidad de la GPU<\/td><\/tr><\/tbody><\/table><\/figure>\n\n\n\n<h2 class=\"wp-block-heading\">17. Autoevaluaci\u00f3n<\/h2>\n\n\n\n<ol class=\"wp-block-list\">\n<li>\u00bfCu\u00e1ntos par\u00e1metros tiene un modelo 70B? Respuesta: 70.000 millones.<\/li>\n\n\n\n<li>\u00bfQu\u00e9 es 2,8T en castellano? Respuesta: 2,8 billones, o 2,8 \u00d7 10\u00b9\u00b2.<\/li>\n\n\n\n<li>\u00bfEl modelo sabe que existe un RAG? Respuesta: no; recibe una sola secuencia de tokens.<\/li>\n\n\n\n<li>\u00bfEl prompt final es texto o tokens? Respuesta: es texto; lo convierte en tokens el tokenizador del motor.<\/li>\n\n\n\n<li>\u00bfQui\u00e9n multiplica las matrices? Respuesta: las GPU, dirigidas por el motor de inferencia.<\/li>\n\n\n\n<li>\u00bfPara qu\u00e9 sirve el KV cache? Respuesta: para no recalcular lo ya calculado de los tokens anteriores.<\/li>\n\n\n\n<li>\u00bfPor qu\u00e9 un MoE de 2,8T no necesita el c\u00f3mputo de un modelo denso de 2,8T? Respuesta: porque por token solo se activan unos pocos expertos.<\/li>\n\n\n\n<li>\u00bfCu\u00e1nta memoria piden los pesos de un modelo de 2,8T a 4 bits? Respuesta: unos 1,4 TB, m\u00e1s el KV cache.<\/li>\n<\/ol>\n","protected":false},"excerpt":{"rendered":"<p>De tu pregunta a la respuesta, paso a paso \u00b7 Edici\u00f3n de octubre de 2026 C\u00f3mo usar este manual Este manual explica, sin conocimientos previos, qu\u00e9 ocurre desde que se escribe una pregunta hasta que aparece la respuesta de un modelo de lenguaje grande (LLM, por large language model). Se lee en orden: cada paso [&hellip;]<\/p>\n","protected":false},"author":2,"featured_media":453,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[4],"tags":[],"class_list":["post-12756","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-ai"],"yoast_head":"<!-- This site is optimized with the Yoast SEO plugin v26.0 - https:\/\/yoast.com\/wordpress\/plugins\/seo\/ -->\n<title>Manual para principiantes: c\u00f3mo funciona un LLM por dentro - Convergencia.tech<\/title>\n<meta name=\"description\" content=\"Manual para principiantes: c\u00f3mo funciona un LLM por dentro\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/convergencia.tech\/inicio\/manual-para-principiantes-como-funciona-un-llm-por-dentro\/\" \/>\n<meta property=\"og:locale\" content=\"es_ES\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Manual para principiantes: c\u00f3mo funciona un LLM por dentro - Convergencia.tech\" \/>\n<meta property=\"og:description\" content=\"Manual para principiantes: c\u00f3mo funciona un LLM por dentro\" \/>\n<meta property=\"og:url\" content=\"https:\/\/convergencia.tech\/inicio\/manual-para-principiantes-como-funciona-un-llm-por-dentro\/\" \/>\n<meta property=\"og:site_name\" content=\"Convergencia.tech\" \/>\n<meta property=\"article:published_time\" content=\"2026-10-28T00:46:14+00:00\" \/>\n<meta property=\"article:modified_time\" content=\"2026-10-28T00:53:47+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/convergencia.tech\/inicio\/wp-content\/uploads\/2023\/12\/futuristic-blockchain-with-a-universe-background-converging-to-a-meta-human-of-light.jpg\" \/>\n\t<meta property=\"og:image:width\" content=\"1024\" \/>\n\t<meta property=\"og:image:height\" content=\"1024\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/jpeg\" \/>\n<meta name=\"author\" content=\"Claudio R Parrinello\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:label1\" content=\"Escrito por\" \/>\n\t<meta name=\"twitter:data1\" content=\"Claudio R Parrinello\" \/>\n\t<meta name=\"twitter:label2\" content=\"Tiempo de lectura\" \/>\n\t<meta name=\"twitter:data2\" content=\"18 minutos\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"WebPage\",\"@id\":\"https:\/\/convergencia.tech\/inicio\/manual-para-principiantes-como-funciona-un-llm-por-dentro\/\",\"url\":\"https:\/\/convergencia.tech\/inicio\/manual-para-principiantes-como-funciona-un-llm-por-dentro\/\",\"name\":\"Manual para principiantes: c\u00f3mo funciona un LLM por dentro - Convergencia.tech\",\"isPartOf\":{\"@id\":\"https:\/\/convergencia.tech\/inicio\/#website\"},\"primaryImageOfPage\":{\"@id\":\"https:\/\/convergencia.tech\/inicio\/manual-para-principiantes-como-funciona-un-llm-por-dentro\/#primaryimage\"},\"image\":{\"@id\":\"https:\/\/convergencia.tech\/inicio\/manual-para-principiantes-como-funciona-un-llm-por-dentro\/#primaryimage\"},\"thumbnailUrl\":\"https:\/\/convergencia.tech\/inicio\/wp-content\/uploads\/2023\/12\/futuristic-blockchain-with-a-universe-background-converging-to-a-meta-human-of-light.jpg\",\"datePublished\":\"2026-10-28T00:46:14+00:00\",\"dateModified\":\"2026-10-28T00:53:47+00:00\",\"author\":{\"@id\":\"https:\/\/convergencia.tech\/inicio\/#\/schema\/person\/e5fe6aa8f1c43ac4a89cbdff073f62d4\"},\"description\":\"Manual para principiantes: c\u00f3mo funciona un LLM por dentro\",\"breadcrumb\":{\"@id\":\"https:\/\/convergencia.tech\/inicio\/manual-para-principiantes-como-funciona-un-llm-por-dentro\/#breadcrumb\"},\"inLanguage\":\"es\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/convergencia.tech\/inicio\/manual-para-principiantes-como-funciona-un-llm-por-dentro\/\"]}]},{\"@type\":\"ImageObject\",\"inLanguage\":\"es\",\"@id\":\"https:\/\/convergencia.tech\/inicio\/manual-para-principiantes-como-funciona-un-llm-por-dentro\/#primaryimage\",\"url\":\"https:\/\/convergencia.tech\/inicio\/wp-content\/uploads\/2023\/12\/futuristic-blockchain-with-a-universe-background-converging-to-a-meta-human-of-light.jpg\",\"contentUrl\":\"https:\/\/convergencia.tech\/inicio\/wp-content\/uploads\/2023\/12\/futuristic-blockchain-with-a-universe-background-converging-to-a-meta-human-of-light.jpg\",\"width\":1024,\"height\":1024},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\/\/convergencia.tech\/inicio\/manual-para-principiantes-como-funciona-un-llm-por-dentro\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Portada\",\"item\":\"https:\/\/convergencia.tech\/inicio\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Manual para principiantes: c\u00f3mo funciona un LLM por dentro\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\/\/convergencia.tech\/inicio\/#website\",\"url\":\"https:\/\/convergencia.tech\/inicio\/\",\"name\":\"Convergencia.tech\",\"description\":\"Convergencia.tech\",\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\/\/convergencia.tech\/inicio\/?s={search_term_string}\"},\"query-input\":{\"@type\":\"PropertyValueSpecification\",\"valueRequired\":true,\"valueName\":\"search_term_string\"}}],\"inLanguage\":\"es\"},{\"@type\":\"Person\",\"@id\":\"https:\/\/convergencia.tech\/inicio\/#\/schema\/person\/e5fe6aa8f1c43ac4a89cbdff073f62d4\",\"name\":\"Claudio R Parrinello\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"es\",\"@id\":\"https:\/\/convergencia.tech\/inicio\/#\/schema\/person\/image\/\",\"url\":\"https:\/\/secure.gravatar.com\/avatar\/4bf26232b2090e32e55cf27d62bd64c1bc43df22f09309d12add5fb6b68e7182?s=96&d=mm&r=g\",\"contentUrl\":\"https:\/\/secure.gravatar.com\/avatar\/4bf26232b2090e32e55cf27d62bd64c1bc43df22f09309d12add5fb6b68e7182?s=96&d=mm&r=g\",\"caption\":\"Claudio R Parrinello\"},\"url\":\"https:\/\/convergencia.tech\/inicio\/author\/c2421210\/\"}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"Manual para principiantes: c\u00f3mo funciona un LLM por dentro - Convergencia.tech","description":"Manual para principiantes: c\u00f3mo funciona un LLM por dentro","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/convergencia.tech\/inicio\/manual-para-principiantes-como-funciona-un-llm-por-dentro\/","og_locale":"es_ES","og_type":"article","og_title":"Manual para principiantes: c\u00f3mo funciona un LLM por dentro - Convergencia.tech","og_description":"Manual para principiantes: c\u00f3mo funciona un LLM por dentro","og_url":"https:\/\/convergencia.tech\/inicio\/manual-para-principiantes-como-funciona-un-llm-por-dentro\/","og_site_name":"Convergencia.tech","article_published_time":"2026-10-28T00:46:14+00:00","article_modified_time":"2026-10-28T00:53:47+00:00","og_image":[{"width":1024,"height":1024,"url":"https:\/\/convergencia.tech\/inicio\/wp-content\/uploads\/2023\/12\/futuristic-blockchain-with-a-universe-background-converging-to-a-meta-human-of-light.jpg","type":"image\/jpeg"}],"author":"Claudio R Parrinello","twitter_card":"summary_large_image","twitter_misc":{"Escrito por":"Claudio R Parrinello","Tiempo de lectura":"18 minutos"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"WebPage","@id":"https:\/\/convergencia.tech\/inicio\/manual-para-principiantes-como-funciona-un-llm-por-dentro\/","url":"https:\/\/convergencia.tech\/inicio\/manual-para-principiantes-como-funciona-un-llm-por-dentro\/","name":"Manual para principiantes: c\u00f3mo funciona un LLM por dentro - Convergencia.tech","isPartOf":{"@id":"https:\/\/convergencia.tech\/inicio\/#website"},"primaryImageOfPage":{"@id":"https:\/\/convergencia.tech\/inicio\/manual-para-principiantes-como-funciona-un-llm-por-dentro\/#primaryimage"},"image":{"@id":"https:\/\/convergencia.tech\/inicio\/manual-para-principiantes-como-funciona-un-llm-por-dentro\/#primaryimage"},"thumbnailUrl":"https:\/\/convergencia.tech\/inicio\/wp-content\/uploads\/2023\/12\/futuristic-blockchain-with-a-universe-background-converging-to-a-meta-human-of-light.jpg","datePublished":"2026-10-28T00:46:14+00:00","dateModified":"2026-10-28T00:53:47+00:00","author":{"@id":"https:\/\/convergencia.tech\/inicio\/#\/schema\/person\/e5fe6aa8f1c43ac4a89cbdff073f62d4"},"description":"Manual para principiantes: c\u00f3mo funciona un LLM por dentro","breadcrumb":{"@id":"https:\/\/convergencia.tech\/inicio\/manual-para-principiantes-como-funciona-un-llm-por-dentro\/#breadcrumb"},"inLanguage":"es","potentialAction":[{"@type":"ReadAction","target":["https:\/\/convergencia.tech\/inicio\/manual-para-principiantes-como-funciona-un-llm-por-dentro\/"]}]},{"@type":"ImageObject","inLanguage":"es","@id":"https:\/\/convergencia.tech\/inicio\/manual-para-principiantes-como-funciona-un-llm-por-dentro\/#primaryimage","url":"https:\/\/convergencia.tech\/inicio\/wp-content\/uploads\/2023\/12\/futuristic-blockchain-with-a-universe-background-converging-to-a-meta-human-of-light.jpg","contentUrl":"https:\/\/convergencia.tech\/inicio\/wp-content\/uploads\/2023\/12\/futuristic-blockchain-with-a-universe-background-converging-to-a-meta-human-of-light.jpg","width":1024,"height":1024},{"@type":"BreadcrumbList","@id":"https:\/\/convergencia.tech\/inicio\/manual-para-principiantes-como-funciona-un-llm-por-dentro\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Portada","item":"https:\/\/convergencia.tech\/inicio\/"},{"@type":"ListItem","position":2,"name":"Manual para principiantes: c\u00f3mo funciona un LLM por dentro"}]},{"@type":"WebSite","@id":"https:\/\/convergencia.tech\/inicio\/#website","url":"https:\/\/convergencia.tech\/inicio\/","name":"Convergencia.tech","description":"Convergencia.tech","potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/convergencia.tech\/inicio\/?s={search_term_string}"},"query-input":{"@type":"PropertyValueSpecification","valueRequired":true,"valueName":"search_term_string"}}],"inLanguage":"es"},{"@type":"Person","@id":"https:\/\/convergencia.tech\/inicio\/#\/schema\/person\/e5fe6aa8f1c43ac4a89cbdff073f62d4","name":"Claudio R Parrinello","image":{"@type":"ImageObject","inLanguage":"es","@id":"https:\/\/convergencia.tech\/inicio\/#\/schema\/person\/image\/","url":"https:\/\/secure.gravatar.com\/avatar\/4bf26232b2090e32e55cf27d62bd64c1bc43df22f09309d12add5fb6b68e7182?s=96&d=mm&r=g","contentUrl":"https:\/\/secure.gravatar.com\/avatar\/4bf26232b2090e32e55cf27d62bd64c1bc43df22f09309d12add5fb6b68e7182?s=96&d=mm&r=g","caption":"Claudio R Parrinello"},"url":"https:\/\/convergencia.tech\/inicio\/author\/c2421210\/"}]}},"amp_enabled":true,"_links":{"self":[{"href":"https:\/\/convergencia.tech\/inicio\/wp-json\/wp\/v2\/posts\/12756","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/convergencia.tech\/inicio\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/convergencia.tech\/inicio\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/convergencia.tech\/inicio\/wp-json\/wp\/v2\/users\/2"}],"replies":[{"embeddable":true,"href":"https:\/\/convergencia.tech\/inicio\/wp-json\/wp\/v2\/comments?post=12756"}],"version-history":[{"count":2,"href":"https:\/\/convergencia.tech\/inicio\/wp-json\/wp\/v2\/posts\/12756\/revisions"}],"predecessor-version":[{"id":12758,"href":"https:\/\/convergencia.tech\/inicio\/wp-json\/wp\/v2\/posts\/12756\/revisions\/12758"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/convergencia.tech\/inicio\/wp-json\/wp\/v2\/media\/453"}],"wp:attachment":[{"href":"https:\/\/convergencia.tech\/inicio\/wp-json\/wp\/v2\/media?parent=12756"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/convergencia.tech\/inicio\/wp-json\/wp\/v2\/categories?post=12756"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/convergencia.tech\/inicio\/wp-json\/wp\/v2\/tags?post=12756"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}