Introducción a LLMs y SLMs explicada simplemente (con diagramas y código real)
Introducción LLMs SLMs: lo esencial en un artículo — código real, diagramas y pasos concretos, extractos de un curso de 44 lecciones.
Una guía que va al grano: Introduction LLMs SLMs analizada con diagramas, ejemplos concretos y comandos probados. Todo proviene de un curso estructurado de 11 capítulos —aquí tienes lo mejor.
- Introducción e Instalación
- Cómo funciona un LLM
- Arquitectura Transformer
- Panorama de los LLMs en 2026
- Los SLMs Small Language Models
Instalar Ollama y ejecutar tu primer modelo
Objetivos pedagógicos
- Instalar Ollama en tu sistema operativo
- Verificar que el servicio funciona correctamente
- Descargar un modelo desde la biblioteca de Ollama
- Iniciar una conversación con un modelo local
- Comprender dónde se almacenan los modelos en tu máquina
- Conocer los comandos básicos de Ollama
¿Por qué Ollama?
Ollama es una herramienta de código abierto que simplifica radicalmente el uso de LLMs en local. Donde antes era necesario gestionar manualmente la cuantización, los bindings de GPU y las dependencias de Python, Ollama te ofrece un único binario y un comando tan simple como ollama run llama3. En 2026 se ha convertido en la referencia para ejecutar un LLM en tu portátil.
Simplicidad
Un solo comando para descargar y ejecutar un modelo. Sin configuración manual de GPU.
Multiplataforma
Windows, macOS (Apple Silicon) y Linux. Optimizado automáticamente para CPU y GPU.
API REST integrada
Ollama expone una API local en http://localhost:11434 para integrarla en tus aplicaciones.
Instalación paso a paso
Visita https://ollama.com/download y elige tu sistema. La instalación tarda menos de dos minutos.
Windows
/bye para salir de la conversación y /? para ver todos los comandos disponibles en el modo interactivo de Ollama.¿Dónde se almacenan los modelos?
Los modelos pueden ocupar mucho espacio. Saber dónde se guardan te evita sorpresas desagradables de almacenamiento.
| SO | Ubicación por defecto |
|---|---|
| Windows | C:\Users\<tu-nombre>\.ollama\models |
| macOS | ~/.ollama/models |
| Linux | /usr/share/ollama/.ollama/models |
Para cambiar esta ubicación (por ejemplo, a un disco externo), define la variable de entorno OLLAMA_MODELS antes de iniciar el servicio.
API de Ollama e integración con Python
Objetivos pedagógicos
- Comprender que Ollama expone una API HTTP local
- Llamar a la API con
curly desde Python - Usar la biblioteca oficial de Python
- Pasar un system prompt y opciones
- Integrar un LLM local en una aplicación
Ollama también es un servidor
Además de la línea de comandos, Ollama se ejecuta en segundo plano como un servidor HTTP local, accesible en http://localhost:11434. Todo lo que hace la CLI, puedes hacerlo mediante una petición HTTP, por lo tanto desde cualquier lenguaje.
El puente hacia el código
Del chat en la terminal a la API de Python, ahora sabes integrar un LLM local en cualquier programa.
Instalación y primer pipeline
pipeline.Objetivos pedagógicos
- Instalar Transformers y sus dependencias
- Comprender qué es un pipeline
- Ejecutar un análisis de sentimiento en 3 líneas
- Conocer las tareas disponibles
- Cargar un modelo concreto en un pipeline
Hugging Face: el GitHub de los modelos
Hugging Face proporciona la biblioteca Transformers, que se ha convertido en el estándar para usar modelos de código abierto en Python. Ofrece acceso a cientos de miles de modelos a través de una interfaz uniforme.
Tareas listas para usar
| Tarea (cadena) | Qué hace |
|---|---|
sentiment-analysis | Determina si un texto es positivo o negativo. |
text-generation | Completa o genera texto. |
summarization | Resume un texto largo. |
translation | Traduce de un idioma a otro. |
question-answering | Responde a una pregunta a partir de un contexto proporcionado. |
zero-shot-classification | Clasifica un texto en las categorías que definas. |
Elegir un modelo concreto
Para el francés o una necesidad específica, indica explícitamente el modelo (su identificador de Hugging Face).
Este artículo cubre los extractos más útiles —el curso completo Introduction LLMs SLMs (11 capítulos, 44 lecciones, ejercicios resueltos y proyecto final) te lleva hasta el final.
./acceder-al-curso-completo curso gratuito: Ingeniería de promptsFAQ
¿Cuánto tiempo se necesita para aprender Introduction LLMs SLMs?
¿Se necesitan requisitos previos?
¿Por dónde empezar concretamente?
📬 ¿Quieres recibir este tipo de guía cada semana? Suscríbete gratis — código real, cero rodeos.