Este estudio tuvo como objetivo desarrollar un chatbot de modelo de lenguaje grande (LLM) para la educación en terapia de radiación y comparar el rendimiento de chatbots de preguntas y respuestas (Q&A) basados en formato de documento portátil (PDF) y en páginas web. Se creó un chatbot LLM utilizando el marco EmbedChain, la API OpenAI GPT-3.5-Turbo y la interfaz Gradio. El rendimiento de ambos chatbots se evaluó en función de 10 preguntas y sus respuestas correspondientes, utilizando los parámetros de precisión, similitud semántica, consistencia y tiempo de respuesta. Las puntuaciones de precisión fueron 0.672 y 0.675 para los chatbots Q&A basados en PDF y en páginas web, respectivamente. La similitud semántica entre los dos chatbots fue de 0.928 (92.8%). La puntuación de consistencia fue uno para ambos chatbots. El tiempo de respuesta promedio fue de 3.3 s y 2.38 s para los chatbots basados en PDF y en páginas web, respectivamente. El chatbot LLM desarrollado en este estudio demuestra el potencial de proporcionar respuestas confiables para la educación en terapia de radiación. Sin embargo, su fiabilidad y eficiencia deben ser optimizadas aún más para ser utilizadas de manera efectiva como herramienta educativa.