Qué significa SLM y en qué se diferencia de un LLM

SLM son las siglas de Small Language Model, en español modelo de lenguaje pequeño. Es un modelo de IA Generativa que entiende y escribe lenguaje natural igual que un LLM, pero con muchos menos parámetros: IBM sitúa los SLM entre «unos pocos millones y unos pocos miles de millones» de parámetros, mientras Microsoft recuerda que un LLM como GPT-4 «puede contener más de un millón de millones» (diccionario de informática en la nube de Azure e IBM Think, los dos consultados el 30 de septiembre de 2026). Esa es toda la diferencia de fondo: el tamaño, y lo que el tamaño arrastra detrás.

Antes de seguir, una aclaración que te ahorrará tiempo. Si has llegado buscando qué significa SLM y trabajas en sistemas o en gestión de servicios, puede que la respuesta que buscas sea otra: en el mundo ITIL, SLM son las siglas de Service Level Management, gestión de niveles de servicio, y no tiene nada que ver con modelos de lenguaje. Las siglas circulan además como abreviatura en mensajería. Por eso los resultados de Google mezclan las tres cosas. Este artículo va del significado en IA Generativa.

Qué es un modelo de lenguaje pequeño

Un SLM es un modelo entrenado para la misma tarea básica que cualquier modelo de lenguaje, que es predecir qué viene después en un texto, pero construido a una escala en la que cabe en un servidor modesto, en un portátil o incluso en un teléfono. No es una versión capada ni un prototipo. Es una decisión de ingeniería: se sacrifica amplitud de conocimiento general a cambio de coste, velocidad y control.

Microsoft describe seis ventajas de esa decisión en su diccionario de informática en la nube: menos requisitos de cómputo, menos tiempo de entrenamiento, despliegue más sencillo en dispositivos perimetrales, menos consumo energético, más precisión cuando el dominio está acotado y menos coste. IBM añade la lista de tareas donde se usan hoy: asistentes de atención al cliente con poca latencia, resúmenes, generación y autocompletado de código, traducción, mantenimiento predictivo en equipos conectados y análisis de sentimiento.

El ejemplo clásico es DistilBERT, que según IBM es un 40 % más pequeño que BERT y conserva el 97 % de sus capacidades. La versión moderna de esa misma idea es Phi-4-mini, de Microsoft: 3.800 millones de parámetros, ventana de contexto de 128.000 tokens y publicado en febrero de 2025, con la promesa explícita de poder ejecutarse en un móvil (ficha del modelo microsoft/Phi-4-mini-instruct en Hugging Face, consultada el 30 de septiembre de 2026).

Qué es un LLM y por qué los conoces más

LLM son las siglas de Large Language Model, modelo de lenguaje grande. Son los que usas cuando abres ChatGPT, Claude o Gemini. Su ventaja es la amplitud: han visto tanto texto que responden razonablemente bien de casi cualquier cosa sin que nadie los prepare para tu caso concreto. GPT-3, el modelo que popularizó la categoría en 2020, tenía 175.000 millones de parámetros, y los modelos de frontera de hoy están muy por encima.

Si quieres entender de dónde salen esas siglas y qué hay debajo, lo explicamos en detalle en qué significan las siglas GPT y la historia de los transformers.

LLM frente a SLM: las cinco diferencias que de verdad importan

Hay una sexta diferencia que casi nadie menciona y que decide muchos proyectos: quién lo mantiene. Un LLM comercial lo actualiza el proveedor sin que tú hagas nada. Un SLM desplegado en tu casa lo actualizas tú, lo evalúas tú y respondes tú cuando deja de funcionar. Eso no aparece en la factura, pero aparece en la agenda de alguien.

Qué modelos son SLM hoy

Nombres concretos, con el número de parámetros que publica cada fabricante. Datos comprobados el 30 de septiembre de 2026; en esta categoría cambian cada pocos meses, así que contrasta la cifra con el fabricante antes de decidir nada.

Fuente de los tamaños: el artículo de IBM Think sobre modelos de lenguaje pequeños y la ficha de Phi-4-mini en Hugging Face. IBM incluye también GPT-4o mini de OpenAI en la categoría, aunque sin publicar su número de parámetros.

Cuándo le compensa un SLM a una empresa, y cuándo no

Aquí conviene ser honesto, porque casi todo lo que vas a leer sobre SLM lo publica alguien que vende la infraestructura para ejecutarlos. Para la mayoría de las empresas medianas españolas, la respuesta correcta hoy no es desplegar un modelo propio. Es usar un modelo comercial con un plan de empresa, que ya trae control de cuentas, registro de actividad y un contrato de tratamiento de datos firmado, y dedicar el esfuerzo a que el equipo lo use bien. Eso es lo que mueve la aguja el primer año, y lo hemos visto lo suficiente como para decirlo así de claro.

Si estás en ese punto, los dos sitios por donde se empieza son ChatGPT para empresas y Claude para empresas.

Dicho eso, un SLM sí compensa cuando se cumplen varias de estas cuatro condiciones a la vez, no una suelta:

• La tarea es una, es estrecha y se repite mucho. Clasificar albaranes, extraer campos de un tipo de documento, etiquetar incidencias. Cuando el trabajo cabe en una frase, un modelo pequeño ajustado a ese trabajo gana a uno grande generalista.
• Hay un requisito duro de que el dato no salga. No «nos preocupa la privacidad», sino una obligación contractual, sectorial o de cliente que impide enviar ese contenido a un tercero.
• Hace falta funcionar sin conexión o con latencia muy baja. Una máquina en planta, un dispositivo en ruta, un puesto sin acceso a internet.
• Hay alguien que lo va a mantener. Con nombre y apellidos, y con horas asignadas. Si esta condición no se cumple, las otras tres dan igual.

Cuando el caso encaja, el trabajo deja de ser de formación y pasa a ser de ingeniería: ahí es donde entra el desarrollo de IA Generativa a medida, y a menudo la pieza que falta no es el modelo sino la automatización del proceso que lo rodea.

Datos, RGPD y el Reglamento de IA de la UE

El argumento de «me lo llevo a mi servidor y así cumplo» es la mitad de la historia. Es cierto que ejecutar el modelo en tus instalaciones elimina la transferencia del dato a un tercero, y eso simplifica el análisis de RGPD. Pero no te exime de lo demás: sigues necesitando base legal para tratar esos datos, sigues respondiendo de lo que el sistema decida y sigue aplicándote el Reglamento de IA de la UE.

El punto que más se pasa por alto es el artículo 4, aplicable desde el 2 de febrero de 2025, que obliga a las organizaciones a garantizar un nivel suficiente de alfabetización en IA entre los humanos que manejan estos sistemas. No distingue por tamaño de modelo: da igual que uses un LLM comercial o un SLM propio. Lo desglosamos en la guía del Reglamento de IA de la UE para empresas españolas.

Cómo lo trabajamos en SAPINN

En la práctica, la pregunta «¿LLM o SLM?» casi nunca llega sola. Llega dentro de otra más grande, que es qué procesos de tu empresa se pueden descargar de trabajo manual y en qué orden. Por eso empezamos midiendo antes de elegir tecnología: primero se ve qué tareas consumen horas, después se decide qué herramienta las resuelve y solo al final, si hace falta, se construye algo a medida.

Trabajamos así con empresas medianas españolas de sectores como el legal, la construcción, la manufactura, la logística y el retail. Más de 1.500 humanos han pasado ya por nuestras formaciones, con una valoración media de 8,5 sobre 10, y al terminar el Bootcamp de IA Generativa el ahorro medio es de 6 horas por humano y semana en tareas manuales. Nuestro enfoque es de práctica guiada, no de curso grabado, y el cumplimiento del Reglamento de IA entra en el alcance desde el primer día. Si quieres el contexto completo de cómo enfocamos estos proyectos, está en la página de consultoría de inteligencia artificial.

Preguntas frecuentes sobre los SLM

¿Qué significa SLM exactamente?

Small Language Model, modelo de lenguaje pequeño. Es un modelo de IA Generativa de lenguaje con un número de parámetros que va de unos millones a unos pocos miles de millones, frente a los cientos de miles de millones de un LLM.

¿Un SLM da peores respuestas que un LLM?

Peores en general, sí, porque sabe de menos cosas. Mejores en su terreno, también, si se ha ajustado a una tarea concreta con datos de esa tarea. La comparación justa no es «cuál es más listo», es «cuál resuelve mejor este trabajo concreto a este coste».

¿Se puede ejecutar un SLM en un portátil o en un móvil?

Sí, y es justo su razón de ser. Microsoft presenta Phi-4-mini, de 3.800 millones de parámetros, como un modelo capaz de funcionar en un teléfono. El despliegue en dispositivos perimetrales es una de las seis ventajas que su propio diccionario técnico atribuye a esta categoría.

¿SLM significa lo mismo en gestión de servicios de TI?

No. Ahí SLM es Service Level Management, la gestión de niveles de servicio de ITIL, que se ocupa de acuerdos de nivel de servicio y no de modelos de lenguaje. Son siglas coincidentes y contextos distintos.

¿Tiene que entrenar mi empresa su propio modelo?

Casi con total seguridad, no. Entrenar un modelo desde cero está fuera del alcance de cualquier pyme y rara vez tiene sentido. Lo que sí existe es el ajuste fino de un modelo pequeño ya entrenado para una tarea concreta, y eso solo compensa cuando se cumplen las cuatro condiciones de arriba.

¿No sabes si tu caso pide un modelo comercial, uno propio o simplemente ordenar el proceso primero? Empieza por el Diagnóstico de Madurez en IA Generativa, que es gratuito y termina con una hoja de ruta concreta. Si lo prefieres, escríbenos desde la página de contacto.