Los avances en la inteligencia artificial generativa han permitido el desarrollo de modelos capaces de generar texto, imágenes y audio que son similares a lo que los humanos pueden crear. Estos modelos a menudo tienen un valioso conocimiento general gracias a su entrenamiento en grandes conjuntos de datos. A través del ajuste fino o la adaptación basada en indicaciones, este conocimiento puede aplicarse a tareas específicas. En este trabajo, proponemos un enfoque modular para la generación automatizada de noticias utilizando Modelos de Lenguaje Grande, compuesto por un módulo de recuperación de información y un módulo de generación de texto. El sistema propuesto aprovecha tanto Modelos de Lenguaje Grande de acceso público (de pesos abiertos) como propietarios, lo que permite una evaluación comparativa de su comportamiento dentro del pipeline de generación de noticias propuesto. Describimos los experimentos realizados con un total de cinco Modelos de Lenguaje Grande representativos que abarcan ambas categorías, detallando sus configuraciones y rendimiento. Los resultados demuestran la viabilidad de utilizar Modelos de Lenguaje Grande para automatizar esta tarea e identifican diferencias sistemáticas en el comportamiento entre las categorías de modelos, así como los problemas que aún deben resolverse para permitir una generación de noticias completamente autónoma.