llms.txt en la práctica: quién lo publica entre los 500 dominios más populares
Pedimos /llms.txt al top 500 de Tranco el 8 de noviembre de 2026 y validamos cada archivo: 59 publican uno válido y 59 responden con HTML.
En resumen
- 59 de los 319 dominios que pudimos comprobar sirven un llms.txt válido (18,5 %), el 11,8 % de todo el top 500.
- 59 responden a /llms.txt con una página HTML y HTTP 200: un falso 200 que un comprobador basado en el código de estado contaría como archivo.
- De los 59 archivos, 54 tienen el resumen, pero solo 27 escriben cada elemento como enlace y 16 superan todas las comprobaciones de nuestro validador.
- 13 sitios publican además un llms-full.txt, de 1 KB a 3 MB.
- La adopción es mayor en la parte baja de la lista (21,0 %) que en los 100 primeros (13,3 %).
En esta página
- Qué es llms.txt y qué no es
- Cómo lo comprobamos
- Qué devolvió /llms.txt
- Las páginas HTML con 200 son la trampa más común
- Hasta qué punto siguen el formato
- De unos cientos de bytes a varios megabytes
- llms-full.txt
- Quién lo publica
- Publicar llms.txt y bloquear rastreadores de IA
- ¿Deberías publicar uno?
- Límites de este estudio
- Descarga los datos
- Preguntas frecuentes
- Datos en bruto
- Fuentes
Qué es llms.txt y qué no es
llms.txt es una propuesta que Jeremy Howard publicó en llmstxt.org en septiembre de 2024: un archivo Markdown en la raíz del sitio que cuenta a los modelos de lenguaje qué es el sitio y dónde están sus páginas más útiles. Su única parte obligatoria es un H1 con el nombre del sitio. La propuesta añade un resumen en forma de cita (>), texto libre opcional y secciones H2 con listas de enlaces del tipo - [nombre](url): notas; una sección llamada «Optional» agrupa los enlaces que un agente puede saltarse.
No es un estándar, ni un robots.txt: no concede ni deniega nada. No conocemos ningún gran proveedor de búsqueda con IA que documente que lo usa para posicionar o citar. llms-full.txt, un único archivo con el texto completo, es una convención complementaria que usan algunos sitios; la propuesta de llmstxt.org no la define.
Cómo lo comprobamos
- Los mismos 500 dominios de la lista Tranco 94P72 y la misma ejecución que nuestro estudio de rastreadores de IA, el 8 de noviembre de 2026.
- Respetamos robots.txt: solo pedimos /llms.txt y /llms-full.txt donde el robots.txt del dominio permitía a nuestro rastreador. 30 dominios lo prohibían y 151 no tenían un robots.txt accesible (casi todos, dominios técnicos sin web), así que quedaron 319 dominios comprobados.
- Clasificamos cada respuesta: archivo válido = HTTP 2xx, no HTML, en una ruta que sigue terminando en /llms.txt tras las redirecciones y que empieza por un H1; página HTML; redirigido a otra página; 4xx; error (5xx, 429 o fallo de red).
- Validamos cada archivo con el mismo código que nuestro validador de llms.txt: H1 primero, resumen en cita, secciones H2 con enlaces, cada elemento de lista como enlace, URL absolutas, sin duplicados, solo títulos H1 y H2, menos de 100 KB.
Qué devolvió /llms.txt
| Resultado | Dominios | Proporción |
|---|---|---|
| llms.txt válido (empieza por un H1) | 59 | 18,5 % |
| Archivo de texto que no es un llms.txt (sin H1) | 4 | 1,3 % |
| Página HTML con HTTP 200 | 59 | 18,5 % |
| Redirigido a otra página | 3 | 0,9 % |
| 404 u otro error 4xx | 188 | 58,9 % |
| Error (5xx, 429, red) | 6 | 1,9 % |
Un llms.txt válido sigue siendo la excepción: 59 de 319 dominios comprobados (18,5 %), es decir, el 11,8 % de los 500.
Las páginas HTML con 200 son la trampa más común
59 dominios (18,5 %) respondieron a /llms.txt con HTTP 200 y una página HTML: normalmente su portada, una página de error genérica o una pantalla de inicio de sesión. Son exactamente tantos como los que sirven un archivo válido. Un comprobador que solo mira el código de estado los cuenta como archivos llms.txt; un agente que lo descarga recibe HTML.
Otros 3 redirigen /llms.txt a otra página distinta (por ejemplo, workers.dev lleva a la página de producto de Cloudflare Workers) y 4 sirven un texto que no es un llms.txt: un archivo que empieza por su propia URL en lugar de un H1, una lista de 1 MB sin título, una dirección IP o un error JSON.
Hasta qué punto siguen el formato
- Resumen en cita (>)54 (91,5 %)
- Secciones H2 con enlaces54 (91,5 %)
- Cada elemento es un enlace27 (45,8 %)
- Solo URL absolutas58 (98,3 %)
- Sin enlaces duplicados43 (72,9 %)
- Solo títulos H1 y H246 (78,0 %)
- Menos de 100 KB52 (88,1 %)
- Sección «Optional»13 (22,0 %)
- Enlaza páginas .md11 (18,6 %)
Las dos últimas son informativas: la propuesta no las exige.
El fallo más frecuente es el formato de las listas: solo 27 de los 59 archivos (45,8 %) escriben cada elemento como - [nombre](url) o - [nombre](url): notas. Los demás mezclan viñetas de texto plano o ponen la descripción tras un guion en lugar de los dos puntos de la propuesta. Casi todos tienen el resumen (54) y usan URL absolutas (58). 16 archivos superan todas las comprobaciones: github.com, adobe.com, samsung.com, shopify.com, macromedia.com, hcaptcha.com, roku.com, centinel-analytica.com, ea.com, branch.io, dell.com, wps.com, plesk.com, calendly.com, intel.com, businessinsider.com.
De unos cientos de bytes a varios megabytes
El archivo válido mediano pesa 15,3 KB y enumera 63 enlaces. 7 superan los 100 KB, el límite a partir del cual nuestro validador avisa, y el más grande (sourceforge.net) pesa al menos 2 MB. Un índice pensado para caber en la ventana de contexto de un modelo no debería ocupar un megabyte.
llms-full.txt
13 dominios publican un llms-full.txt que empieza por un título, y todos tienen también un llms.txt. Su tamaño va de 1 KB a 3 MB: cloudflare.com, github.com, sentry.io, ubuntu.com, shopify.com, forter.com, amplitude.com, centinel-analytica.com, paloaltonetworks.com, cm.com, name.com, substack.com, intel.com.
Quién lo publica
| Posición | Comprobados | llms.txt válido |
|---|---|---|
| 1–100 | 60 | 8 (13,3 %) |
| 101–250 | 102 | 18 (17,6 %) |
| 251–500 | 157 | 33 (21,0 %) |
La adopción es mayor en la parte baja de la lista (21,0 % en los puestos 251–500) que en los 100 primeros (13,3 %), donde dominan las plataformas de consumo y la infraestructura. Los archivos válidos se concentran en empresas de software y servicios para desarrolladores. Estos son los 15 mejor clasificados:
| Posición | Dominio | Tamaño | Enlaces | Supera todo | llms-full.txt |
|---|---|---|---|---|---|
| 2 | cloudflare.com | 16,8 KB | 90 | No | Sí |
| 34 | github.com | 28 KB | 117 | Sí | Sí |
| 41 | fastly.net | 16,2 KB | 87 | No | No |
| 60 | adobe.com | 10,3 KB | 46 | Sí | No |
| 67 | wordpress.org | 5,6 KB | 36 | No | No |
| 75 | digicert.com | 8,2 KB | 48 | No | No |
| 78 | opera.com | 11,3 KB | 29 | No | No |
| 100 | wordpress.com | 7,2 KB | 20 | No | No |
| 103 | sentry.io | 91,1 KB | 498 | No | Sí |
| 108 | intuit.com | 5,7 KB | 47 | No | No |
| 120 | samsung.com | 4,5 KB | 31 | Sí | No |
| 130 | webex.com | 35,2 KB | 122 | No | No |
| 133 | dropbox.com | 204 KB | 780 | No | No |
| 167 | ubuntu.com | 12,6 KB | 65 | No | Sí |
| 168 | gravatar.com | 21,4 KB | 4 | No | No |
Publicar llms.txt y bloquear rastreadores de IA
11 de los 59 sitios con llms.txt bloquean en la raíz al menos uno de los 12 tokens de IA de nuestro estudio de rastreadores, y 3 (gravatar.com, bloomberg.com, businessinsider.com) bloquean GPTBot o ClaudeBot. No es necesariamente una contradicción: un sitio puede rechazar los rastreadores de entrenamiento y aun así describirse para los asistentes que abren páginas a petición de un usuario.
¿Deberías publicar uno?
- Cuesta poco y no hace daño si es correcto. Trátalo como documentación para agentes, no como un factor de posicionamiento.
- Si no tienes uno, devuelve un 404 de verdad, no una página HTML con 200.
- Sírvelo como text/plain o text/markdown en UTF-8.
- Empieza por el H1 y sigue con un resumen de una o dos frases en forma de cita.
- Que sea corto: un índice seleccionado, con URL absolutas y elementos
- [nombre](url): nota. - Enlaza versiones Markdown de tus páginas clave si las tienes.
- Genéralo a partir de tu sitio con el generador de llms.txt y compruébalo con el validador.
Límites de este estudio
- llms.txt es una propuesta, no un estándar. Encontrar un archivo no dice nada sobre si algún sistema de IA lo lee.
- Una petición por archivo, desde un solo lugar (Europa) y con un solo agente de usuario: se nos escapan los archivos protegidos contra bots o servidos solo a algunos agentes.
- Solo comprobamos la raíz del dominio. Los archivos publicados en otro sitio (por ejemplo, docs.ejemplo.com/llms.txt) no cuentan salvo que la raíz redirija a ellos.
- Los tamaños por encima del límite de lectura se registran como el límite (truncated: true).
Descarga los datos
Los resultados por dominio, con el resultado de cada petición y cada comprobación del validador, están en llms-txt-2026-11.json (179,1 KB, en inglés). Si los reutilizas, cita la lista Tranco: Le Pochat et al., NDSS 2019.
Preguntas frecuentes
¿llms.txt ayuda a posicionar en Google o a aparecer en ChatGPT?
No conocemos ningún gran proveedor de búsqueda con IA que documente que lo usa para posicionar o citar. Es barato de publicar y útil como documentación para agentes, pero no lo trates como un factor de posicionamiento.
¿Qué diferencia hay entre llms.txt y llms-full.txt?
llms.txt es un índice corto: un título, un resumen y listas de enlaces. llms-full.txt, cuando existe, reúne el texto completo de las páginas en un solo archivo. La propuesta de llmstxt.org define el primero; el segundo es una convención que usan algunos sitios.
¿Por qué es un problema una página HTML en /llms.txt?
Porque responde 200 a algo que no existe. Los comprobadores simples lo cuentan como un archivo y los agentes descargan HTML en lugar de Markdown. Si no tienes llms.txt, devuelve un 404.
¿Qué tamaño debería tener un llms.txt?
Lo justo para ser un índice. Nuestro validador avisa por encima de 100 KB; el archivo válido mediano de este estudio pesa 15,3 KB.
¿Por qué no se comprobaron los 500 dominios?
Porque respetamos robots.txt: 30 dominios prohibían nuestro rastreador y 151 no tenían un robots.txt accesible, casi siempre dominios técnicos sin web. Todos figuran en el conjunto de datos con el motivo.
Datos en bruto
- llms-txt-2026-11.json
JSON, 179,1 KB, recogidos el 8 de noviembre de 2026
Fuentes
Pregunta a un asistente de IA sobre este artículo
Cada enlace abre el asistente en una pestaña nueva con una pregunta sobre este artículo. Según el asistente, la pregunta queda escrita o se envía al momento; solo se pasan la pregunta y la dirección de esta página.
Cómo se hizo este artículo
Autoranko Research recogió los datos el 8 de noviembre de 2026 con el método descrito arriba. El texto se redactó con ayuda de IA y cada cifra se genera a partir del conjunto de datos publicado, así que las tablas y las frases no pueden contradecirse.
Avisar de un errorHerramientas gratuitas sobre este tema
- Validador de llms.txtComprueba que tu llms.txt se sirve bien y sigue la estructura de llmstxt.org.Abrir la herramienta
- Generador de llms.txtCrea un archivo llms.txt que señale a los modelos de IA tus páginas más importantes.Abrir la herramienta
- Auditoría de preparación GEOPuntúa cuán lista está una página para que los motores de respuesta la encuentren, lean y citen.Abrir la herramienta
- Comprobador de rastreadores de IAVe qué rastreadores de IA y búsqueda pueden acceder a una URL y a cuáles bloqueas sin querer.Abrir la herramienta