Wiki sobre Inteligencia Artificial

Versión infantil

Historia de los LLM

Revisada el 2026-10-09 · vigente hasta 2027-01-07

Línea temporal de los modelos de lenguaje grandes, del Transformer de 2017 a hoy, con solo los modelos que marcaron un cambio.

En nueve años hubo tres saltos: la escala (GPT-3, 2020),1 el asistente que sigue instrucciones (InstructGPT y ChatGPT, 2022)23 y el razonamiento (o1, 2024).4 Desde 2023 hay modelos potentes de pesos abiertos, y hoy casi todos los modelos punteros salen de la industria, no de la universidad.56

Comparativa

Fechas según Epoch AI y según Wikipedia. Si no coinciden, se muestran las dos; «—» significa que esa fuente no recoge el modelo. Epoch suele dar el día exacto; Wikipedia, a menudo, solo el mes.57

Fecha (Epoch)Fecha (Wikipedia)ModeloLaboratorioPor qué es un hito
2017-06-12—TransformerGoogleArquitectura basada solo en atención, sin recurrencia: más paralelizable y rápida de entrenar.8 Ver Transformer
2018-06-012018-06-11GPT-1OpenAIPrimer GPT: Transformer solo decodificador con preentrenamiento7
2018-10-112018-10BERTGooglePesos abiertos (Apache 2.0); muy citado57
2019-02-142019-02GPT-2OpenAI1.500 millones de parámetros57
2020-05-282020-05GPT-3OpenAI175.000 millones de parámetros; aprende tareas con ejemplos en el prompt, sin reentrenar1
2022-01-27—InstructGPTOpenAIRLHF: el modelo sigue instrucciones.5 El artículo en arXiv es del 2022-03-042
2022-03-292022-03ChinchillaDeepMindPara usar bien el cómputo hay que escalar a la par datos y parámetros9
—2022-11-30ChatGPTOpenAIProducto, no modelo: lleva el chat con un LLM al gran público3
2023-02-242023-02LLaMAMetaPesos descargables (uso no comercial)57
2023-03-152023-03GPT-4OpenAIMejora del estado del arte según Epoch5
2023-12-062023-12Gemini 1.0Google DeepMindPrimera generación Gemini57
2023-12-112023-12Mixtral 8x7BMistral AIModelo abierto sin restricciones de uso, muy usado5
2024-07-232024-07Llama 3.1 405BMetaPesos abiertos con restricciones de uso; 405.000 millones de parámetros57
2024-09-122024-09-12o1 (preview)OpenAIPrimer LLM descrito como modelo de razonamiento.7 Ver modelos de razonamiento
2024-12-242024-12DeepSeek-V3DeepSeekPesos abiertos; 671.000 millones de parámetros57
2025-01-202025-01-20DeepSeek-R1DeepSeekRazonamiento abierto entrenado con refuerzo57
2025-04-292025-04-28Qwen3AlibabaFamilia abierta en muchos tamaños, desde 0,6B57
2025-08-052025-08-05gpt-ossOpenAIOpenAI vuelve a publicar pesos abiertos57
2025-08-072025-08-07GPT-5OpenAIUso masivo y relevancia histórica según Epoch5
2025-11-182025-11-18Gemini 3Google DeepMindNueva generación Gemini57
2026-04-242026-07-31 (Flash) y 2026-08-13 (Pro)DeepSeek-V4DeepSeekPesos abiertos; 1,6 billones de parámetros en la versión Pro57
2026-09-032026-09-03GPT-6 AstraOpenAIGeneración GPT-657
2026-09-222026-09-22Claude Opus 5.5AnthropicGeneración Claude 5.557
2026-09-302026-09-30Gemini 4 ArgonGoogle DeepMindGeneración Gemini 4, con acceso limitado57

Las versiones vigentes y cuál conviene para cada tarea están en Mejor modelo para cada tarea; quién es quién, en Laboratorios y familias de modelos.

Etapas

  • Arquitectura (2017-2019). El Transformer sustituye a las redes recurrentes. Aparece la receta que sigue vigente: preentrenar con mucho texto y ajustar después.8 Ver cómo se entrena un LLM.
  • Escala (2020-2022). GPT-3 muestra que un modelo grande resuelve tareas nuevas con solo unos ejemplos en el prompt.1 Chinchilla corrige el rumbo: los modelos estaban infraentrenados y había que darles más datos, no solo más parámetros.9
  • Asistentes (2022-2023). InstructGPT aplica RLHF y su modelo pequeño gana en preferencia a GPT-3.2 ChatGPT, lanzado el 2022-11-30, convierte el chat en producto de masas.3
  • Pesos abiertos (2023 en adelante). LLaMA, Mixtral, DeepSeek y Qwen permiten descargar y ejecutar modelos potentes. Ver modelos abiertos.
  • Razonamiento (2024 en adelante). o1 y DeepSeek-R1 piensan antes de responder y se entrenan con refuerzo.47

Tendencias de fondo

  • El cómputo de entrenamiento de los modelos de frontera crece unas 5 veces al año desde 2020, y su coste, unas 3,5 veces.10
  • La industria produjo más del 90 % de los modelos de frontera notables de 2025.6
  • El AI Index 2026 da por prácticamente cerrada la diferencia de rendimiento entre los mejores modelos de Estados Unidos y de China.6

Por qué discrepan las fechas

  • Cada fuente fecha cosas distintas. Wikipedia toma la fecha en que se publicó por primera vez la documentación de la arquitectura.7 Epoch no define el criterio en su página.5
  • InstructGPT es el caso típico: Epoch da el 2022-01-27, mientras que el artículo científico llegó a arXiv el 2022-03-04.52
  • En DeepSeek-V4 la diferencia es de meses. Los repositorios oficiales de pesos en Hugging Face son del 2026-07-31 (Flash) y del 2026-08-13 (Pro), las fechas que recoge Wikipedia.711
  • Epoch reúne más de 3.600 modelos. Marca como notables los que mejoran el estado del arte en una prueba reconocida, superan las 1.000 citas, tienen relevancia histórica o un uso significativo, o costaron más de un millón de dólares en entrenamiento.5

Cómo lo uso

Sin uso propio documentado todavía.

Véase también

Referencias

Footnotes

  1. Language Models are Few-Shot Learners. Tom B. Brown et al. (OpenAI), arXiv, 2020-05-28. Consultado el 2026-10-09. ↩ ↩2 ↩3

  2. Training language models to follow instructions with human feedback. Long Ouyang et al. (OpenAI), arXiv, 2022-03-04. Consultado el 2026-10-09. ↩ ↩2 ↩3 ↩4

  3. ChatGPT. Wikipedia, revisión 1379160224. Consultado el 2026-10-09. ↩ ↩2 ↩3

  4. Learning to reason with LLMs. OpenAI, 2024-09-12. La página devolvió 403 al abrirla; el dato procede del extracto que muestra el buscador. Consultado el 2026-10-09. ↩ ↩2

  5. Data on AI Models. Epoch AI, base de datos (CSV notable_ai_models.csv, licencia CC BY), actualizada el 2026-10-08. Consultado el 2026-10-09. ↩ ↩2 ↩3 ↩4 ↩5 ↩6 ↩7 ↩8 ↩9 ↩10 ↩11 ↩12 ↩13 ↩14 ↩15 ↩16 ↩17 ↩18 ↩19 ↩20 ↩21 ↩22 ↩23

  6. The 2026 AI Index Report. Stanford HAI, conclusiones principales. Consultado el 2026-10-09. ↩ ↩2 ↩3

  7. List of large language models. Wikipedia, revisión 1378988796. Consultado el 2026-10-09. ↩ ↩2 ↩3 ↩4 ↩5 ↩6 ↩7 ↩8 ↩9 ↩10 ↩11 ↩12 ↩13 ↩14 ↩15 ↩16 ↩17 ↩18 ↩19 ↩20

  8. Attention Is All You Need. Ashish Vaswani et al., arXiv, 2017-06-12. Consultado el 2026-10-09. ↩ ↩2

  9. Training Compute-Optimal Large Language Models. Jordan Hoffmann et al. (DeepMind), arXiv, 2022-03-29. Consultado el 2026-10-09. ↩ ↩2

  10. Trends in AI. Epoch AI. Consultado el 2026-10-09. ↩

  11. deepseek-ai en Hugging Face. DeepSeek, repositorios oficiales de pesos. Consultado el 2026-10-09. ↩

Graph View

Backlinks