Este trabajo presenta un marco metodológico para evaluar modelos de lenguaje pequeños en la generación decontenido técnico sobre sostenibilidad, analizando la claridad, profundidad, cobertura temática y manejo de marcos yestándares. Dicho marco integra criterios cuantitativos (puntuaciones ponderadas) y cualitativos (valoracionesdescriptivas) al utilizar el modelo lingüístico computacional de 2-tuplas para homogeneizar y matizar los resultados.Los modelos fueron evaluados mediante un prompt estructurado que solicita pasos clave, métodos, indicadores ymarcos de referencia en sostenibilidad. Los hallazgos demuestran que Mistral 7B destacó con una puntuación total de9.6/10, superando a WizardLM (9.2/10). La metodología propuesta, basada en 2-tuplas, permite una evaluación ycontextualizada de modelos pequeños, facilitando su selección para entornos con recursos limitados, por lo que este enfoque contribuye a democratizar el acceso a herramientas de Inteligencia Artificial en sostenibilidad, optimizando su implementación en instituciones educativas y empresas con limitaciones técnicas.