El mundo ha estado enfrentando la pandemia de COVID-19, la cual ha tenido un impacto sin precedentes en la salud física general y repercusiones financieras y sociales. Las medidas de mitigación adoptadas también presentan desafíos significativos para la salud mental de la población y los programas relacionados con la salud. Es complejo para las organizaciones públicas medir la salud mental de la población para incorporar sus opiniones en su proceso de toma de decisiones. Una parte significativa de la población ha recurrido a las redes sociales para expresar los detalles de su vida diaria, convirtiendo estos datos públicos en un campo rico para comprender el bienestar emocional y mental. Con este fin, mediante el uso de herramientas de análisis de sentimientos abiertas, analizamos 760,064,879 tweets de dominio público recopilados de un repositorio de acceso público para examinar los cambios colectivos en el estado de ánimo general sobre la evolución de la pandemia, los ciclos de noticias y las políticas gubernamentales. Se evaluaron y compararon varios modelos de lenguaje modernos utilizando tareas intrínsecas y extrínsecas, es decir, la evaluación del análisis de sentimientos de tweets de dominio público relacionados con la pandemia de COVID-19 en México. Este estudio proporciona una evaluación justa de los modelos de lenguaje de vanguardia, como BERT y VADER, mostrando sus métricas y comparando su rendimiento frente a una tarea del mundo real. Los resultados muestran la importancia de seleccionar el modelo de lenguaje correcto para proyectos grandes como este, ya que es necesario equilibrar los costos con el rendimiento del modelo.