Ir al contenido principal

Glosario de IA Models & Architecture

¿Qué es un modelo de lenguaje pequeño (SLM)?

SLM (Small Language Model)

← Todos los términos del glosario
En pocas palabras

Modelo de lenguaje compacto pensado para tareas acotadas, con menos coste y latencia que los modelos frontera y capaz de funcionar en hardware modesto.

Explicación

Un modelo de lenguaje pequeño (SLM) es un modelo de lenguaje con muchos menos parámetros que los LLM frontera, diseñado para hacer bien un conjunto de tareas más estrecho. A menudo se entrena con datos muy seleccionados, se destila de un modelo mayor o se afina para un dominio o un flujo concreto. Como necesita menos cómputo, cada petición sale más barata y rápida, y puede funcionar en un solo servidor, un portátil o un móvil. Encaja en asistentes de mucho volumen, en uso on-device y en arquitecturas híbridas donde un enrutador solo manda los casos difíciles a un modelo grande.

SLM frente a LLM

No hay un umbral fijo de tamaño: «pequeño» se mide respecto a los modelos más grandes de cada momento. Lo que cambia en la práctica es el equilibrio.

Un LLM grande tiene conocimiento amplio y razona mejor ante problemas abiertos, con más coste por petición y una infraestructura más pesada. Un SLM renuncia a parte de esa amplitud a cambio de velocidad, menor coste y la opción de ejecutarlo en tu propio hardware. En una tarea bien definida y con buenos datos, un SLM afinado puede igualar a un modelo general mayor.

Cuándo tiene sentido un SLM

  • Tareas repetitivas de mucho volumen: clasificar, extraer, enrutar, respuestas cortas.
  • Objetivos de latencia estrictos, como en voz o interfaces en tiempo real.
  • Datos que no pueden salir de un dispositivo o de un entorno on-premise.
  • Despliegues en el edge y en móvil, con memoria y energía limitadas.
  • Arquitecturas híbridas: el modelo pequeño atiende la mayoría de peticiones y escala el resto.

Límites

  • Menos conocimiento general: depende más de buenos prompts, de la recuperación y del ajuste.
  • Rinde peor en razonamientos largos de varios pasos y en temas fuera de su dominio.
  • Hay que evaluarlo con tus propios casos: los benchmarks públicos no dicen cómo irá con tus datos.
  • Afinar y mantener un modelo propio añade un trabajo que un LLM alojado no exige.

Preguntas frecuentes

¿Qué significa SLM?

SLM son las siglas de small language model, modelo de lenguaje pequeño. Se refiere a un modelo con relativamente pocos parámetros, pensado para ser eficiente y especializado, no para cubrir cualquier tarea.

¿Cómo de pequeño es un modelo de lenguaje pequeño?

No hay un límite oficial. El término se usa para modelos que caben en una sola GPU, un portátil o un móvil, frente a los modelos frontera que necesitan grandes clústeres. El informe de Phi-3 de Microsoft, por ejemplo, describe un modelo diseñado para funcionar en local en un teléfono.

¿Los SLM son mejores que los LLM?

En general no; son mejores para ciertos trabajos. En una tarea acotada y de mucho volumen, un SLM puede ser más barato y rápido con una calidad parecida. Para razonamiento abierto o conocimiento amplio, un modelo mayor suele dar mejor resultado.

¿Puedo ejecutar un SLM en mis propios servidores?

Sí, y es uno de los principales motivos para elegirlo. Muchos SLM tienen pesos abiertos, así que puedes desplegarlos on-premise o en tu propia cuenta de nube y mantener los datos dentro de tu perímetro.

¿Cómo se consigue que un SLM sea bueno en una tarea concreta?

Las herramientas habituales son el fine-tuning con ejemplos de tu dominio, la destilación desde un modelo mayor y la recuperación que le da los documentos que necesita. Un conjunto de evaluación con tus propios casos te dice si es suficiente.

Guías de decisión que usan este término

Dónde aparece en Thinkia

Para seguir leyendo

Fuentes

Actualizado: 2026-10-21

¿Quieres ver cómo se aplica en tu organización?

Habla con un experto en IA