Modelo
Categoría: arquitectura fundamentos modelos
Definición
Artefacto matemático entrenado sobre datos que combina una arquitectura de red (ej. Transformers, difusión, SSM) con un conjunto congelado de Pesos aprendidos. En el ecosistema de IA local, un modelo no es una aplicación ejecutable, sino un paquete de archivos de datos (tensores + Tokenizador + configuración) que necesita un motor de Inferencia (ExLlamaV3, llama.cpp, vLLM) para procesar entradas y generar salidas.
Puntos clave
- Anatomía de un modelo descargado en disco (carpeta estándar):
config.json: Define los hiperparámetros estructurales exactos (número de capas, dimensión oculta, cabezas de atención,vocab_size) para que el motor construya la Red Neuronal en VRAM.- Archivos de Pesos (
model-*.safetensorso.gguf): Contienen los miles de millones de números aprendidos. - Archivos del Tokenizador (
tokenizer.json,tokenizer_config.json): Definen el Vocabulario y la plantilla Chat Template.
- Taxonomía por etapa de entrenamiento:
- Modelo Base (Pre-trained): Entrenado solo para predecir el siguiente Token; completa texto sin seguir instrucciones.
- Modelo Instruct / Chat: Afinado mediante Fine-Tuning y alineamiento para conversar y usar herramientas (Tool Calling).
- Modelo de Razonamiento (Reasoning): Entrenado con aprendizaje por refuerzo (RL) para generar cadenas de pensamiento internas verificables antes de responder.
- Pesos Abiertos (Open-Weights) vs. Código Abierto (Open-Source): Casi todos los modelos descargables hoy (Llama, Qwen, DeepSeek, Gemma) son Open-Weights: publican los pesos y la licencia de uso, pero no el dataset de entrenamiento ni los scripts completos para reproducirlos desde cero.