llms.txt es un mapa en markdown de un sitio web para modelos de lenguaje, propuesto en 2024. Revisamos si 5,480 de los sitios web más populares publican uno y si sigue el formato.
/llms.txt con una página web, normalmente su página de inicio, que en el navegador parece un archivo y para un parser no es nada.La adopción cae con el ranking, del 22.5% en el top 1,000 al 10.6% en la franja 9,001–10,000, aunque no de forma regular: la franja 2,001–3,000 iguala al top. Las empresas de software e infraestructura son buena parte de la primera lista. En el top 200 que pudimos leer, entre quienes lo adoptan están cloudflare.com, fastly.com, wordpress.org, adobe.com, digicert.com, opera.com, sentry.io, intuit.com, samsung.com, dropbox.com, gravatar.com, kaspersky.com, ubuntu.com, shopify.com.
| Medida | Archivos | Porcentaje de archivos llms.txt |
|---|---|---|
| Empiezan con un H1 con el nombre del sitio | 839 | 95% |
| Tienen un resumen en blockquote | 687 | 78% |
| Cumplen la estructura de llmstxt.org | 414 | 47% |
| No contienen ningún enlace | 122 | 14% |
| También publican un llms-full.txt | 135 | 15% |
| Más de 100,000 caracteres | 59 | 6.7% |
El formato de llmstxt.org es corto: un H1 con el nombre del sitio, un resumen opcional en blockquote, párrafos opcionales y luego secciones H2 que solo contienen listas de enlaces. Los tres fallos que más encontramos:
- [name](url): notes, así que un lector que la siga se salta el resto.No de una forma que los grandes asistentes hayan confirmado. Google dice claramente que “no necesitas crear nuevos archivos legibles por máquinas, archivos de texto para IA ni marcado” para aparecer en AI Overviews o AI Mode (Google Search Central), y la documentación de crawlers de OpenAI, Anthropic y Perplexity no menciona llms.txt. Sus lectores más claros hoy son los agentes de programación y las herramientas de documentación. Así que el 16.1% mide cuántos equipos han decidido que vale veinte minutos, no un factor de ranking. Nuestra guía Qué es llms.txt cubre qué poner en uno.
/llms.txt y mira el código fuente. Si ves el HTML de tu página de inicio, no tienes uno.Tomamos los 10,000 primeros dominios de la lista Tranco GQ3LK (un ranking de investigación que combina datos de Chrome UX Report, Cloudflare Radar, Cisco Umbrella, Majestic y Farsight del 28 de septiembre al 27 de octubre de 2026). El 28 de octubre de 2026 nuestro crawler pidió la página de inicio de cada dominio por HTTPS, siguiendo redirecciones. Muchas entradas de Tranco son dominios de CDN, API o seguimiento sin sitio web: 2,155 no dieron ninguna respuesta HTTP y 1,415 respondieron 403. Nos quedamos con los 5,480 dominios cuya página de inicio devolvió una página HTML con estado 200, contados una vez por hostname final tras las redirecciones.
Para cada sitio pedimos /llms.txt en el hostname final. Contamos que un sitio tenía uno cuando la respuesta era 200, no era HTML y se leía como markdown (un encabezado o un enlace markdown cerca del principio). 617 sitios devolvieron HTML, 44 devolvieron otra cosa (sobre todo cuerpos de error JSON), 3,789 devolvieron 404 u otro 4xx y 149 fallaron. La estructura se comprobó con el validador que hay detrás de nuestro llms.txt validator; “cumple” significa sin errores frente al formato de llmstxt.org, con avisos permitidos. También pedimos /llms-full.txt.
Nuestro crawler se identificó como Mentioned-Research/1.0. Los sitios que rechazan bots desconocidos en el firewall no están en la muestra, y probablemente también son más estrictos con los crawlers de IA, así que toma cada tasa de bloqueo de esta página como un mínimo, no como una estimación de toda la web. Las cifras describen sitios web populares, no la web en general, y un día de octubre de 2026.
Puedes citar y graficar estas cifras con un enlace de vuelta. Cita sugerida: Mentioned, “llms.txt Adoption: How Many of the Top 10,000 Sites Have One?,” 28 de octubre de 2026, https://mentioned.at/learn/llms-txt-adoption. Los datos y el texto se publican bajo CC BY 4.0.
En nuestro rastreo de octubre de 2026 del top 10,000 de Tranco, 881 de 5,480 sitios web accesibles (16.1%) servían un llms.txt. En el top 1,000 el porcentaje era del 22.5%.
Cerca de la mitad. 414 de los 881 archivos que encontramos (47%) no tenían errores de estructura frente al formato de llmstxt.org. El fallo más común era texto dentro de una sección H2 de enlaces.
Ninguno de los grandes asistentes ha dicho que lea el llms.txt de un sitio al responder. Google dice que no hacen falta archivos de texto especiales para IA para AI Overviews o AI Mode.