Metodología: cómo contamos y medimos las palabras

Lo esencial en cinco líneas

• Cada número del sitio sale de nuestra propia lista de palabras y se calcula de nuevo en cada versión. No copiamos cifras de otras webs.
• La lista se construye a partir de diccionarios abiertos y de un corpus de frecuencias. Todas las fuentes están citadas en Fuentes y licencias.
• La ñ es una letra propia, no una n con adorno: el alfabeto tiene 27 letras y la ñ va entre la n y la o.
• Las soluciones diarias se anotan después de que empiece el día, jugando en el tablero oficial. Nunca se predicen ni se guardan por adelantado.
• Si algo está mal, lo corregimos y lo dejamos anotado en el registro de correcciones.

Versión actual de la lista: ac6abaa72aba, con 8.895 palabras de cinco letras, generada el 9 de noviembre de 2026.

¿De dónde salen las palabras?

Partimos de tres fuentes abiertas y una de consulta, y cada una tiene un papel distinto:

1. Diccionarios Hunspell de español en sus variantes de España (es_ES), México (es_MX), Argentina (es_AR) y Colombia (es_CO). Son los diccionarios ortográficos que usan LibreOffice y muchos correctores. Guardan raíces con reglas de flexión, así que los expandimos (con la herramienta unmunch) para obtener cada plural, femenino y forma verbal como palabra independiente. Forman el inventario de base, y comparar las cuatro variantes nos dice qué palabras son de uso general y cuáles son regionales.
2. Wikcionario en español. De sus entradas tomamos la categoría gramatical, el género, si una forma es plural, femenina o conjugada, y las marcas regionales («España», «México», «Río de la Plata»…). Las definiciones breves que ves en el sitio están escritas por nosotros a partir de esa información: nunca copiamos el texto de una definición.
3. wordfreq, una base de frecuencias de palabras construida con textos de muchos tipos (prensa, subtítulos, web, redes). Nos dice qué palabras se usan de verdad y cuáles solo existen en el diccionario.
4. Diccionario de la lengua española (RAE), en línea. Lo consultamos a mano para dudas concretas: una palabra discutida, una tilde dudosa, una forma que una fuente acepta y otra no. Nunca lo descargamos en bloque ni copiamos su contenido.

A estas fuentes se suma lo que aprendemos jugando: qué clase de palabras acepta cada modo del juego, cómo trata las tildes y cómo maneja la ñ.

¿Qué dejamos fuera?

La lista bruta tiene mucho ruido. Estas reglas la limpian:

• Solo letras. Nada de guiones, apóstrofos, cifras ni espacios. Guardamos palabras de 4 a 8 letras: las de 5 son el centro del sitio, y el modo tildes usa las de 4 a 7.
• Fuera los nombres propios. Ni ciudades, ni ríos, ni nombres de pila, aunque algún diccionario los incluya en minúscula.
• Fuera las abreviaturas, las siglas y los números romanos. «MCMXC» puede tener cinco letras, pero no es una palabra.
• Fuera las rarezas sin respaldo. Una palabra que aparece en una sola fuente y que casi nunca se usa en el corpus de frecuencias no entra. Si una palabra está en dos fuentes o se usa con cierta frecuencia, se queda.
• Lista de exclusión. Las palabras malsonantes u ofensivas quedan fuera de las listas, de las páginas de patrones, de las páginas de palabras y de los resultados por defecto del resolvedor. El resolvedor tiene un interruptor «incluir todas» para quien las necesite, pero los insultos y los términos discriminatorios no aparecen ni con él activado.

Cuando dos fuentes describen la misma palabra, las unimos en una sola fila y anotamos en cuántas fuentes aparece. Ese dato se usa luego en la puntuación de jugabilidad.

Forma normalizada y forma escrita

Cada palabra se guarda de dos maneras:

• Forma escrita, la que lees en el sitio: con tildes, diéresis y ñ. Árbol, pingüino, señor.
• Forma normalizada, la que usamos para buscar y comparar: en minúsculas, sin tildes ni diéresis, pero con la ñ intacta. arbol, pinguino, señor.

Una misma forma normalizada puede corresponder a varias formas escritas: solo y sólo, mas y más, sabia y sabía. En ese caso mostramos la más frecuente y dejamos las demás como variantes de la misma entrada.

Esto importa para jugar:

• En el modo normal el juego no distingue tildes, así que comparamos formas normalizadas. Arbol y árbol son la misma jugada.
• En el modo tildes la tilde forma parte de la palabra, así que comparamos formas escritas. Ahí celebre, célebre y celebré son tres jugadas distintas, y el resolvedor de tildes lo respeta.

La ñ es una letra

La ñ no es una n con adorno: es la decimoquinta letra del alfabeto español, que tiene 27. Por eso:

• tiene su propia página de letra, sus propios patrones y su propia fila en todas las estadísticas;
• en las listas ordenadas va justo después de la n y antes de la o (nube, nudo, ñandú, obra);
• nunca la convertimos en n al normalizar.

La única excepción son las direcciones web. Por compatibilidad, las URL usan solo letras ASCII: en las páginas de palabra la ñ se escribe nn (/palabra/aranna/ es araña), y en las de letra y de patrón, enie (/letra/enie/). La página muestra siempre la ñ. Si alguien escribe la dirección con ñ, lo redirigimos a la versión correcta.

Etiquetas regionales

Cada palabra lleva una o varias etiquetas: es (España), mx (México), ar (Argentina), co (Colombia) o general. Una palabra es «general» cuando aparece en al menos tres de los cuatro diccionarios regionales, o cuando ninguna fuente le pone una marca regional. Si una palabra existe en todas partes pero cambia de significado según el país, mantenemos una sola entrada con una nota que explica la diferencia.

Palabras comunes y raras

Ordenamos todas las palabras de nuestra lista por su frecuencia de uso en wordfreq, de la más usada a la menos usada. La posición de cada una en ese orden es su rango de frecuencia: la palabra más usada tiene rango 1.

Una palabra es común si está entre las 3.000 palabras de cinco letras más usadas, es decir, si se usa al menos tanto como la que ocupa el puesto 3.000 de nuestra lista de cinco letras. Para las palabras de otras longitudes aplicamos esa misma frecuencia mínima. El umbral es fijo y es el mismo en todo el sitio: lo usan las listas de «palabras comunes primero», los filtros «solo comunes» y los recuentos de cada patrón. No es una frontera mágica, pero es estable, y por eso las cifras se pueden comparar entre páginas.

Cómo clasificamos la acentuación

Para cada palabra calculamos:

• Si lleva tilde y en qué letra. La posición se cuenta en letras, no en sílabas: en árbol la tilde está en la 1.ª letra; en jamón, en la 4.ª.
• Las sílabas. Las separamos con las reglas ortográficas del español: grupos consonánticos inseparables (pl, br, tr…), diptongos (una vocal abierta y una cerrada átona, en cualquier orden, como ai o ue, o dos cerradas distintas, como iu) y hiatos (dos abiertas, como ea, o una cerrada con tilde, como ía). Una tilde sobre la vocal cerrada rompe el diptongo: pa-ís, re-ír, ma-íz.
• La clase acentual: aguda, llana, esdrújula, sobresdrújula o monosílabo. Si la palabra lleva tilde, la sílaba tónica es la que la lleva. Si no la lleva, aplicamos la regla general: las terminadas en vocal, n o s son llanas; las demás, agudas.

Las reglas de la tilde están explicadas con ejemplos en las páginas de palabras con tilde. Los casos dudosos (algunos monosílabos con diptongo ortográfico, como guion, o palabras con h intercalada) se revisan a mano y se resuelven según la ortografía académica vigente.

La puntuación de jugabilidad

Cada palabra tiene una nota de 0 a 100 que resume lo probable que es que alguien la conozca y la escriba en el juego. Combina cuatro ingredientes:

• Frecuencia de uso: lo que más pesa. Una palabra que se lee a diario puntúa mucho más que una que solo está en el diccionario.
• Forma: los lemas (la forma de diccionario: perro, cantar) puntúan más que los plurales, los femeninos derivados o las formas conjugadas.
• Número de fuentes: estar en varios diccionarios suma.
• Amplitud regional: una palabra de uso general puntúa más que una que solo se usa en un país.

Los pesos exactos de la versión actual:

La jugabilidad ordena los resultados del resolvedor y sirve para desempatar en las listas.

La mejor jugada: entropía de partición

Cuando el sitio recomienda un «mejor intento», no adivina: mide cuánto reduce cada palabra la lista de candidatas.

La idea es sencilla. Al probar una palabra, el juego responde con un patrón de colores (verde: letra en su sitio; amarillo: letra presente en otra posición; gris: letra ausente). Cada candidata posible daría un patrón concreto, así que el intento reparte las candidatas en grupos, uno por patrón de colores. Un buen intento crea muchos grupos pequeños: sea cual sea la respuesta, te deja con poco donde elegir.

Para resumir ese reparto en un número usamos la entropía, medida en bits: la suma, para cada grupo, de p · log₂(1/p), donde p es la proporción de candidatas que caen en ese grupo. Cada bit equivale, en la práctica, a partir la lista por la mitad.

Junto a la entropía mostramos tres medias más fáciles de leer:

• Verdes esperadas: cuántas letras verdes sacarías de media.
• Amarillas esperadas: lo mismo con las amarillas.
• Candidatas restantes esperadas: cuántas palabras quedarían de media después del intento. Se calcula sumando, para cada grupo, su proporción por su tamaño.

Las letras repetidas se colorean como en el juego: primero se marcan las verdes, y luego cada letra amarilla solo se marca si quedan apariciones de esa letra en la respuesta que no estén ya en verde.

Un ejemplo pequeño

Imagina que ya sabes que la respuesta es una de estas ocho palabras: carta, canta, casta, pasta, basta, falta, santa y tarta. Comparemos dos intentos.

En las tablas, V es verde, A es amarillo y · es gris, letra a letra.

Intento A: carta. Reparte las ocho en cuatro grupos:

Colores	Candidatas	Tamaño
VVVVV	carta	1
VV·VV	canta, casta	2
·V·VV	pasta, basta, falta, santa	4
·VVVV	tarta	1

• Entropía: 1/8 · 3 + 2/8 · 2 + 4/8 · 1 + 1/8 · 3 = 1,75 bits.
• Verdes esperadas: 3,625. Amarillas esperadas: 0.
• Candidatas restantes esperadas: (1·1 + 2·2 + 4·4 + 1·1) / 8 = 2,75.

Intento B: costa. Reparte las mismas ocho en cinco grupos:

Colores	Candidatas	Tamaño
V··VV	carta, canta	2
V·VVV	casta	1
··VVV	pasta, basta	2
···VV	falta, tarta	2
··AVV	santa	1

• Entropía: 3 · (2/8 · 2) + 2 · (1/8 · 3) = 2,25 bits.
• Verdes esperadas: 2,75. Amarillas esperadas: 0,125.
• Candidatas restantes esperadas: (4 + 1 + 4 + 4 + 1) / 8 = 1,75.

Carta da más verdes y puede acertar a la primera (una vez de cada ocho), pero en la mitad de los casos te deja con cuatro palabras. Costa no puede ganar en ese turno, pero nunca te deja con más de dos. Por eso tiene más entropía, y por eso la recomendaríamos. Las verdes alegran la vista; la entropía gana partidas.

Dónde se usa cada criterio

• Listas de mejores palabras para empezar y «mejor intento» de cada patrón: ordenadas por entropía sobre las candidatas de ese caso. Mostramos también las verdes, las amarillas y las restantes esperadas.
• Resolvedor: los resultados se ordenan por jugabilidad, para que veas antes las palabras que el juego tiene más probabilidades de usar. El aviso «mejor siguiente intento» destaca, entre las candidatas que quedan, la de mayor entropía.

¿Cuándo se publica una página de patrón?

No todas las combinaciones de letras merecen una página. Cada patrón recibe una puntuación calculada al construir el sitio:

Señal	Puntos
Al menos 8 palabras	obligatorio
Al menos 3 palabras comunes (entre las 3.000 de cinco letras más usadas)	20
Alguna letra cambia claramente de frecuencia respecto al total (≥ 1,5× o ≤ 0,5×)	20
Al menos una solución del juego con ese patrón, en cualquier modo	15
Perfil regional o de tildes con algo que contar	10
Categoría gramatical conocida para al menos el 70 % de las palabras	15
El mejor intento reparte las candidatas de forma útil	10
Definición breve para al menos el 50 % de las palabras comunes	10

Con 50 puntos o más, la página se publica y se puede indexar. Entre 30 y 49 existe, pero queda fuera de los buscadores hasta que mejore. Por debajo de 30, o con menos de 8 palabras, no se construye.

Las páginas de palabra siguen una regla más simple: solo se publican si tenemos una definición propia de la palabra o si ha sido solución del juego.

Cómo calculamos la dificultad diaria

Cada solución recibe una dificultad de 1 a 5. Es una suma ponderada de cinco ingredientes, cada uno llevado a una escala de 0 a 1:

1. Frecuencia: el tramo de rango de frecuencia de la palabra. Cuanto menos se usa, más difícil.
2. Rareza media de sus letras: una palabra llena de letras poco habituales (j, x, z, ñ…) cuesta más que una hecha de a, e, r, s.
3. Letras repetidas: repetir letras penaliza, porque los jugadores tienden a probar letras distintas.
4. Complejidad de la tilde (solo en el modo tildes): no es lo mismo una aguda en -ón, que se adivina pronto, que una esdrújula o una palabra con hiato.
5. Candidatas tras un buen primer intento: cuántas palabras siguen siendo posibles después de la mejor primera jugada. Si quedan muchas, la partida será larga.

Los cortes entre niveles se calibran con el archivo de soluciones anteriores para que se repartan, más o menos, un 10 % en el nivel 1, un 25 % en el 2, un 30 % en el 3, un 25 % en el 4 y un 10 % en el 5. Así, un 5 es de verdad un día difícil y no un día normal con mala suerte. Reparto real del archivo:

Cada página diaria muestra el nivel junto con una frase que resume el motivo (por ejemplo, palabra poco usada o letra repetida).

Cómo registramos las soluciones diarias

Seguimos tres modos del juego: normal, tildes y científico. Las palabras cambian a medianoche de Nueva York, que en la España peninsular son las 6:00 de la mañana (las 5:00 durante las pocas semanas de marzo y de otoño en que Europa y Estados Unidos no han cambiado la hora a la vez). El modo científico está en pausa en el juego desde junio de 2025; si vuelve, sus páginas diarias vuelven con él.

• Observamos, no predecimos. Cada solución se anota después de que empiece el día, jugando la partida en el tablero oficial. No leemos el código del juego, no consultamos listas de soluciones futuras y no guardamos ninguna palabra antes de su día.
• Comprobamos la palabra contra nuestra lista. Si el juego acepta una palabra que no tenemos, la añadimos en la siguiente versión y lo anotamos. La excepción son los nombres propios, que el modo tildes usa de vez en cuando (algún país o alguna capital): la página del día los muestra, pero no entran en nuestras listas.
• Las pistas van de menos a más: estructura (vocales, letras repetidas, ñ y, en el modo tildes, qué clase acentual tiene), gramática (categoría, género y número), significado (una pista redactada a partir de nuestra definición), primera letra y última letra.
• La solución solo aparece cuando la pides, detrás del botón «Mostrar la solución». Nunca está en el título de la página, en la descripción, en la imagen para redes, en la dirección web ni en la parte de la página que se ve al abrirla.

Soluciones anteriores al lanzamiento

El archivo empieza antes que el sitio. Las soluciones de días pasados se reconstruyen a partir de registros públicos: artículos de prensa que publican la palabra de cada día (sobre todo Vandal, que la recoge de lunes a viernes) y archivos de aficionados que la anotan por número de partida. Siempre que es posible, cada fecha se contrasta con dos fuentes independientes y con el número de partida que corresponde a ese día, y la fuente se cita en la página del día. Si dos fuentes no coinciden, la fecha no se publica hasta resolver la diferencia. Nunca usamos el código del juego para reconstruir el archivo.

Cada cuánto se actualiza

• La lista y las estadísticas se recalculan enteras con cada versión de la lista: recuentos, frecuencias de letras, mejores intentos, perfiles y puntuaciones. Cada página indica la versión y la fecha de cálculo.
• Las páginas diarias se publican una vez al día, poco después de que cambie la palabra (hacia las 6:00 en la España peninsular), con las pistas de cada modo activo.
• Las correcciones se aplican en cuanto se confirman, y las que cambian datos quedan anotadas en el registro de correcciones.

¿Ves un número que no cuadra o una palabra que falta? Escríbenos a contacto@palabrasde5letras.com. Revisar nuestros propios cálculos nos encanta.