Las criptomonedas están adquiriendo cada vez más relevancia en las inversiones financieras, con más inversores diversificando sus carteras e individuos atrayendo por su facilidad de uso y oportunidades financieras descentralizadas. Sin embargo, esta accesibilidad también conlleva riesgos y recompensas significativas, a menudo influenciadas por noticias y los sentimientos de los inversores en criptomonedas, conocidos como señales criptográficas. Este documento explora las capacidades de los grandes modelos de lenguaje (LLMs) y los modelos de procesamiento de lenguaje natural (NLP) en el análisis de sentimientos de artículos de noticias relacionados con criptomonedas. Ajustamos modelos de última generación como GPT-4, BERT y FinBERT para esta tarea específica, evaluando su rendimiento y comparando su efectividad en la clasificación de sentimientos. Al aprovechar estas técnicas avanzadas, nuestro objetivo es mejorar la comprensión de la dinámica de sentimientos en el mercado de criptomonedas, proporcionando información que pueda orientar decisiones de inversión y estrategias de gestión de riesgos. Los resultados de este estudio comparativo contribuyen al amplio debate sobre la aplicación de modelos avanzados de NLP al análisis de sentimientos de criptomonedas, con implicaciones tanto para la investigación académica como para aplicaciones prácticas en los mercados financieros.