Parámetros (de un modelo)
Valores numéricos internos que un modelo aprende durante el entrenamiento y que definen su comportamiento. El número de parámetros —miles de millones en los LLM grandes— es una medida aproximada de la capacidad del modelo.
Valores numéricos internos que un modelo aprende durante el entrenamiento y que definen su comportamiento. El número de parámetros —miles de millones en los LLM grandes— es una medida aproximada de la capacidad del modelo.
Actualizado: 3 de junio de 2026.
Los parámetros son, en su mayoría, los pesos de las conexiones de la red neuronal. Cuando se dice que un modelo tiene "70.000 millones de parámetros", se refiere a la cantidad de estos valores ajustables.
Más parámetros, ¿mejor modelo?
No siempre. Más parámetros suelen aportar más capacidad, pero también más coste de inferencia y de memoria. Modelos recientes más pequeños y bien entrenados superan a gigantes anteriores. Arquitecturas como MoE activan solo una fracción de los parámetros por consulta.
Relación con el tamaño en disco
El número de parámetros, multiplicado por los bytes de cada uno, determina el peso del modelo. La cuantización reduce esos bytes para que quepa en menos memoria.
