El objetivo de este estudio fue evaluar la calidad de los planes de entrenamiento de resistencia para la hipertrofia muscular y la resistencia máxima generada por tres modelos de idiomas grandes (LLM): GPT-3.5 (a través de ChatGPT y Microsoft Copilot) y Google Gemini (GG). Un total de 10 entrenadores experimentados, cada uno con al menos una licenciatura en ciencias del ejercicio y al menos 2 años de experiencia en coaching, calificaron estos planes en una escala Likert 1-5 basadas en 27 criterios esenciales para un diseño de plan de entrenamiento efectivo. Se accedió a los LLM el 30 de abril de 2024, con una estructura rápida que incluía objetivos clave de capacitación y el historial de capacitación de un aprendiz avanzado ficticio. Los resultados mostraron que la calidad general de los planes de entrenamiento generados por LLM era moderada. GG superó a GPT-3.5 (a través de CHATGPT y Microsoft Copilot) para planes relacionados con la hipertrofia en 2 de 27 criterios (métodos de ejercicio avanzados, estrategias de recuperación; P <0.05), mientras que GPT-3.5 (a través de Microsoft Copilot) superó al GG para los planes relacionados con la fuerza en 1 Criterio (Procedimiento de pruebas; P <0.05). En todos los criterios, GG recibió calificaciones> 3 con más frecuencia que GPT-3.5 (a través de ChatGPT y Microsoft Copilot), particularmente para aspectos generales, principios de capacitación y métodos de capacitación. Las diferencias entre los planes orientados a la hipertrofia y la fuerza dentro de cada LLM fueron mínimas, aunque GPT-3.5 (a través de ChatGPT) mostró la mayor inconsistencia en las calificaciones. Aunque los planes generados por LLM pueden servir como un marco inicial para el desarrollo de hipertrofia y fuerza, la supervisión experta sigue siendo crucial para refinar estos planes, ya que las LLM no pueden explicar las respuestas individuales a la capacitación, consideraciones de seguridad y los complejos procesos de adaptación fisiológica observados por los entrenadores experimentados.