Cómo funcionan los modelos de lenguaje como Grok

Grok es un modelo de lenguaje grande (LLM): un programa entrenado con una cantidad descomunal de texto para predecir y continuar ideas de forma coherente. No necesitas saber de matemáticas para entender sus conceptos clave, y conocerlos te ayudará mucho. Te explicarán por qué Grok es brillante reescribiendo un párrafo, por qué a veces da una fecha errónea con total seguridad, por qué no sabe las noticias de la semana pasada en nuestro chat y por qué un prompt más claro genera una mejor respuesta.

La gran idea: predecir qué palabra viene después

En el fondo, un LLM solo hace una cosa. A partir de un texto, estima qué pequeño fragmento es más probable que venga a continuación, lo añade y repite el proceso. Tu pregunta, los mensajes anteriores y las instrucciones que el sitio le da al modelo forman parte de ese texto inicial. La respuesta que lees se construye con miles de estas pequeñas predicciones consecutivas, basándose cada una en todo lo escrito hasta ese momento.

Suena demasiado simple como para explicar normas fiscales o escribir código funcional. El secreto está en la escala. Para predecir texto con precisión a partir de miles de millones de ejemplos, el modelo debe asimilar muchísimo sobre gramática, hechos, patrones de razonamiento, estilos y la manera en que nos comunicamos. La predicción es la tarea; un mapa amplio y flexible del lenguaje y del mundo es el resultado.

Hay un pequeño margen de aleatoriedad en cada elección, por eso una misma pregunta puede darte una respuesta redactada de otra forma cada vez que la regeneras.

Tokens: las piezas con las que trabaja el modelo

Los modelos no leen letras ni palabras completas. Leen tokens: fragmentos que suelen ser una palabra corta, parte de una palabra larga, un espacio junto a una palabra o un signo de puntuación. Las palabras comunes en inglés suelen ser un solo token; las palabras raras y muchos alfabetos no latinos se dividen en varios.

Los tokens te importan por dos motivos. Los límites de lo que un modelo puede leer y escribir se miden en tokens, no en palabras. Y como el modelo ve bloques en vez de letras sueltas, tareas como contar las letras de una palabra o invertir un texto pueden confundirlo, aunque resuelva desafíos lingüísticos mucho más complejos sin pestañear.

Los modelos Grok en nuestro chat también admiten imágenes. Las fotos se convierten a un formato que el modelo puede procesar junto a tu texto; así es como interpreta un gráfico o describe una imagen. Pero su respuesta siempre será en texto.

Entrenamiento: de texto en bruto a un asistente útil

Crear un modelo como Grok se hace por fases. Los detalles del proceso de cada empresa no son públicos, pero la estructura general es bien conocida.

1. Preentrenamiento. El modelo aprende a predecir texto analizando una inmensa colección de libros, páginas web, código y otros materiales. De aquí proceden sus conocimientos generales y su dominio del lenguaje.
2. Ajuste fino (fine-tuning). Después se le entrena con ejemplos de buenas conversaciones: preguntas combinadas con respuestas útiles y bien estructuradas. Esto convierte un simple predictor de texto en un asistente que sigue instrucciones.
3. Retroalimentación. Personas y sistemas automatizados evalúan las respuestas, y el modelo se ajusta para priorizar el tipo de respuestas que obtienen mejor puntuación: precisas, claras y seguras.

El resultado es un archivo gigante de números, llamados pesos, que codifican todo lo aprendido. El modelo no guarda una copia de los textos de entrenamiento para consultarlos. Retiene patrones, por lo que puede explicar una idea con palabras nuevas, pero a veces confunde un detalle específico.

Límite de conocimiento y falta de internet

El entrenamiento termina en una fecha concreta y el modelo ignora todo lo que ocurre después. Ese momento es la fecha de corte de conocimiento. Algunas versiones de Grok pueden navegar: el Grok oficial en grok.com y X tiene búsqueda en tiempo real. Nuestro chat no la incluye, por lo que aquí Grok responde únicamente con base en su entrenamiento y en lo que tú escribas en la conversación.

En la práctica: para noticias, precios, resultados deportivos, horarios, nuevas leyes o las últimas versiones de software, recurre a una fuente actualizada. Si pegas un artículo reciente en el chat, Grok podrá trabajar con él, ya que esa información pasará a formar parte de la conversación.

Ventana de contexto: la memoria de trabajo del modelo

La ventana de contexto es la cantidad de texto que el modelo puede tener en cuenta a la vez, sumando tus mensajes, sus respuestas y las instrucciones previas. Los modelos Grok de xAI tienen ventanas enormes; OpenRouter indica 2 millones de tokens para Grok 4.20, 1 millón para Grok 4.3 y 500.000 para Grok 4.7. En nuestro chat enviamos un fragmento más reducido para que las respuestas sean rápidas y gratuitas, recortando los mensajes más antiguos en charlas extensas.

De esto se desprenden dos cosas: dentro de una conversación, Grok solo «recuerda» lo que cabe en esa ventana; y entre conversaciones distintas no recuerda nada. Cada chat nuevo empieza de cero, aunque tus charlas anteriores sigan guardadas en tu navegador para que las consultes. Si una conversación larga empieza a perder el hilo, pídele un resumen y arranca una nueva a partir de ahí.

Razonamiento: modelos que piensan antes de responder

Algunos modelos están entrenados para desglosar sus pasos lógicos antes de dar la respuesta final: enumeran condiciones, prueban caminos y los revisan. Esto se llama razonamiento, y es clave en matemáticas, lógica, planificación y depuración de código. En nuestro chat, Grok 4.3 Thinking y Grok 4.7 razonan antes de contestar, mientras que Grok 4.20 funciona con el razonamiento desactivado para darte más velocidad. Nuestra guía de modelos de razonamiento te explica cuándo vale la pena esperar.

Por qué los modelos inventan cosas

Como el modelo siempre busca generar una continuación verosímil, no suele detenerse cuando llega al límite de su conocimiento. Si le pides una fuente que nunca leyó, puede inventarse un título muy convincente. Si le preguntas por un pueblo pequeño, podría mezclar datos de localidades parecidas. A esto se le llama alucinación, un efecto secundario de la misma capacidad que le da fluidez. El entrenamiento las reduce y pedirle cosas como «avísame si no estás seguro» ayuda, pero ningún modelo actual se libra del todo. Nuestra guía para verificar respuestas de IA te muestra qué revisar.

Qué significa esto para tus prompts

Cada concepto anterior se traduce en una buena práctica. El modelo predice a partir de lo que ve: dale contexto. Tiene una fecha de corte: pega tú mismo los datos actuales. Puede inventar: pídele que admita cuando tenga dudas.

Poco eficaz:
¿Cuáles son los requisitos de mi visa?

Eficaz:
A continuación pego el texto de la página oficial sobre mi tipo de visa, copiado hoy. Explícame en palabras sencillas qué debo hacer antes de que expire y detalla los plazos que mencione. Usa solo este texto y avísame si algo no queda claro.
---
[texto pegado]

El primer prompt le pide a Grok recordar normativas que pudieron haber cambiado. El segundo le da la fuente actualizada y le pide lo que mejor saben hacer los LLM: leer, explicar y organizar. Prueba el resumidor para este tipo de tareas o pídele a Grok que se explique con palabras sencillas.

Preguntas frecuentes

¿Grok entiende de verdad lo que dice?

Es un tema de debate constante. Lo evidente es que sabe explicar, resumir y razonar de maneras muy útiles, pero también puede equivocarse sin darse cuenta. Valóralo revisando sus respuestas, no por la seguridad con la que habla.

¿Grok está aprendiendo de mis chats ahora mismo?

El modelo no cambia mientras hablas con él; sus pesos quedan fijados tras el entrenamiento. Dentro de una conversación usa tus mensajes como contexto, pero un chat nuevo empieza totalmente desde cero.

¿Por qué otros modelos de IA dan respuestas diferentes?

Fueron entrenados con datos distintos, mediante métodos diferentes y con otros objetivos. Nuestras comparativas de Grok frente a otros modelos y la guía sobre qué es Grok explican el lugar que ocupa esta familia de modelos.

¿Quién desarrolla Grok?

Grok es creado por xAI, empresa adquirida por SpaceX en febrero de 2026. Nuestro sitio es independiente y se conecta a los modelos Grok mediante una API en la nube; no tenemos relación con xAI, SpaceX ni X. En la página de historia de Grok tienes la cronología completa.