Language Model Builder

App de Mac gratis para entrenar tu propio modelo de lenguaje desde cero, con manual incluido.

Para qué reto sirve

Entender de verdad qué pasa dentro de un modelo de lenguaje. Trabajo con IA aplicada todos los días y nunca he construido una; leer explicaciones no es lo mismo que ver caer la curva de pérdida y luego hablar con algo que hiciste tú. Esto convierte la caja negra en un proceso con pasos que puedes tocar.

Qué es

Aplicación nativa de macOS con dos mitades. Una es un libro de texto interactivo de unos 90 minutos que cubre tokenización, embeddings, atención, el transformer, datos de entrenamiento, descenso de gradiente y ajuste fino. La otra es un banco de trabajo real donde entrenas el modelo con MLX acelerado por hardware — pre-entrenamiento, ajuste supervisado, optimización por preferencia directa, muestreo y chat—, todo en tu Mac y sin instalar nada más.

Cuándo no usarla

Solo macOS 15 o superior con Apple Silicon. No hay Windows, ni Linux, ni Mac Intel, y el autor dice que solo haría portes si la app se hiciera popular, cosa que no espera. Y hay que calibrar la expectativa: con los ajustes por defecto sacas un modelo que escribe párrafos coherentes en un día, y un modelo de clase GPT-2-small — unos 100 a 150 millones de parámetros sobre unos pocos miles de millones de tokens— tarda alrededor de una semana en un MacBook Pro M5 Max. No es una herramienta de producción, es una de comprensión.

Mi veredicto

Sin probar, y es la primera de la biblioteca que no resuelve un reto de entrega sino uno de criterio. Vale la pena precisamente porque no sirve para producir nada: lo que se lleva uno es saber qué significa una curva de pérdida, por qué el tokenizador condiciona todo lo demás, y qué separa el ajuste supervisado de la optimización por preferencia. Eso cambia cómo escribo prompts y cómo evalúo herramientas. Lo que hay que verificar es si las 90 minutos de introducción aguantan sin relleno, que es lo que el autor promete.

Las dos mitades

El libro. Ocho capítulos con ejemplos que se ejecutan en la propia página: modelos de lenguaje y predicción de la siguiente palabra, tokenización, embeddings, atención, el transformer, datos de entrenamiento, pérdida y descenso de gradiente, y ajuste fino por ejemplo y por preferencia. El autor lo escribió como la introducción que quería tener para explicárselo a amigos y familia, así que no exige saber programar ni matemáticas.

El banco de trabajo. Selección de conjunto de datos, pre-entrenamiento, muestreo, ajuste supervisado y optimización por preferencia directa, todo con interfaz. Se ve la pérdida de entrenamiento y validación en vivo, el rendimiento, los puntos de control y las muestras guardadas. Se puede parar y retomar desde un punto de control al día siguiente.

Trae catálogo de datos ya explicados: corpus grandes para pre-entrenar, y para ajuste fino conjuntos como Everyday Conversations, No Robots, Dolly y GSM8K. También admite los tuyos.

El detalle que la separa de un tutorial

El chat final tiene un modo de rayos X: cada respuesta se ve como fichas de token sombreadas por la probabilidad con que se eligieron, junto a los tokens que no salieron. Ver eso una vez explica el muestreo mejor que cualquier diagrama — y explica por qué temperatura, top-k, top-p y min-p hacen lo que hacen.

Qué sale de aquí

Modelos en formato safetensors, que es el estándar. Se pueden abrir en otras aplicaciones o compartir. Nada sale de tu Mac: no hay nube, ni cuenta, ni servidor.