# llms.txt en la práctica: quién lo publica entre los 500 dominios más populares

Por Autoranko Research · Publicado el 8 de noviembre de 2026
<https://autoranko.com/es/blog/llms-txt-adoption-top-500-sites>

## 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 %).

## 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](https://autoranko.com/es/blog/ai-crawler-rules-top-500-sites), 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](https://autoranko.com/es/tools/llms-txt-validator): 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 de la petición de /llms.txt, 319 dominios comprobados**

| 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

**Comprobaciones superadas por los 59 archivos válidos**

|  |  |
| --- | --- |
| Resumen en cita (>) | 54 (91,5 %) |
| Secciones H2 con enlaces | 54 (91,5 %) |
| Cada elemento es un enlace | 27 (45,8 %) |
| Solo URL absolutas | 58 (98,3 %) |
| Sin enlaces duplicados | 43 (72,9 %) |
| Solo títulos H1 y H2 | 46 (78,0 %) |
| Menos de 100 KB | 52 (88,1 %) |
| Sección «Optional» | 13 (22,0 %) |
| Enlaza páginas .md | 11 (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

**llms.txt válido por tramo de la lista Tranco**

| 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:

**Los 15 dominios mejor clasificados con un llms.txt válido**

| 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?

1. **Cuesta poco y no hace daño si es correcto.** Trátalo como documentación para agentes, no como un factor de posicionamiento.
2. **Si no tienes uno, devuelve un 404 de verdad**, no una página HTML con 200.
3. **Sírvelo como text/plain o text/markdown en UTF-8.**
4. **Empieza por el H1** y sigue con un resumen de una o dos frases en forma de cita.
5. **Que sea corto**: un índice seleccionado, con URL absolutas y elementos `- [nombre](url): nota`.
6. **Enlaza versiones Markdown** de tus páginas clave si las tienes.
7. Genéralo a partir de tu sitio con el [generador de llms.txt](https://autoranko.com/es/tools/llms-txt-generator) y compruébalo con el [validador](https://autoranko.com/es/tools/llms-txt-validator).

## 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](https://autoranko.com/downloads/autoranko-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](https://autoranko.com/downloads/autoranko-llms-txt-2026-11.json)

## Fuentes

- [llmstxt.org: the /llms.txt file proposal](https://llmstxt.org/)
- [Tranco list 94P72](https://tranco-list.eu/list/94P72/1000000)
- [RFC 9309: Robots Exclusion Protocol](https://www.rfc-editor.org/rfc/rfc9309)
