← Volver al blog
Aiaprox. 8 min de lectura

99.2% de detección y 0.27% de error. Mira con qué lo probaron

Publicado 11 nov 2026
99.2% de detección y 0.27% de error. Mira con qué lo probaron

Pangram lanzó dos modelos de visión por computador el 4 de noviembre. Pangram Image 1.0 detecta imágenes generadas por IA. Pangram Image Flash 1.0 es el hermano más pequeño y rápido, y su trabajo es recorrer un video generado por IA fotograma a fotograma y decir qué partes salieron de un generador.

El lanzamiento suma salida en mapa de calor, subida nativa de video, una extensión de Chrome y acceso por API para imagen y video. En X, la empresa dijo que Image 1.0 identifica el 99.2% de las imágenes generadas por IA manteniendo una tasa de falso positivo del 0.27%.

Esos dos números son de los que van a una diapositiva. También son de los que conviene leer con la nota al pie.

Cómo se midió el 99.96%

Para la evaluación de imagen, Pangram tomó 100 fotografías reales y creó espejos sintéticos de ellas con 12 generadores de imagen distintos. Los prompts se escribieron para parecerse mucho a cada foto original, y produjeron 1.200 imágenes sintéticas. En ese conjunto, la empresa reporta 99.96% de precisión para Image 1.0.

Es un test bien diseñado para una pregunta concreta. Como cada foto real tiene contrapartes sintéticas de la misma escena y el mismo sujeto, el modelo no puede hacer trampa aprendiendo que las fotos de playa son reales y las de producto falsas. Tiene que mirar los píxeles.

No es un test de qué pasa cuando apuntas el modelo a la internet abierta. Pangram lo dice sin rodeos: la cifra describe el desempeño en ese emparejamiento concreto de imágenes reales y sintéticas, no una tasa universal para toda imagen que aparezca online.

La distinción importa más de lo que suena. El perfil de error real de un detector lo dominan las imágenes que a nadie se le ocurrió incluir en el set: capturas de capturas, imágenes que pasaron por tres apps de mensajería, JPEG viejos, escaneos de impresiones, cualquier cosa con banda de marca de agua y la salida de generadores publicados después de congelar el set. Un conjunto limpio de 100 fotos espejadas no mide nada de eso.

La tasa de 0.27% de falso positivo es la más interesante de las dos cifras de titular, porque el falso positivo es lo que hace que acusen a alguien. Con 0.27%, más o menos una de cada 370 imágenes reales queda marcada. Para una redacción que revisa un puñado de fotos al día, es una cola manejable. Para una plataforma que escanea cien millones de subidas, son doscientas cincuenta mil personas acusadas por error, y por eso nadie a esa escala depende de un solo clasificador.

La cifra de video es la alarmante

El benchmark de video es donde este lanzamiento se vuelve incómodo.

Pangram evaluó Flash 1.0 con DF26, un benchmark descrito en un preprint enviado el 7 de septiembre de 2026. DF26 contiene 271 videos reales y 2.420 sintéticos producidos por siete modelos de video modernos. El contenido es deliberadamente estrecho y deliberadamente difícil: una persona hablando directo a cámara, declaraciones oficiales, entrevistas de estudio. Es el formato de deepfake que de verdad hace daño, porque es aquel en el que el supuesto por defecto del espectador es que la persona es real.

Los autores del benchmark reportan que tanto personas como detectores de deepfake de última generación rindieron cerca del azar. Defienden evaluaciones que prueben de forma explícita la robustez ante cambios de distribución de los generadores modernos.

Ese resultado merece un momento. Cerca del azar significa cara o cruz con pasos extra. Los detectores están bien construidos. Se entrenaron y evaluaron con una generación anterior de falsos, y los generadores nuevos no dejan los mismos artefactos. Un detector que aprendió a ver distorsión en la línea de la mandíbula es inútil cuando la mandíbula no se distorsiona.

Pangram dice que Flash 1.0 marca 98.7% en DF26, lo que describe como 29 puntos por encima del siguiente detector. Si aguanta una réplica independiente, es una brecha grande en un benchmark diseñado justo para romper la generación anterior de herramientas. También es una cifra declarada por la empresa, en un benchmark que eligió la empresa, evaluada con su propio harness, así que la posición honesta es: prometedor, sin verificar.

Qué hace el producto en realidad

La lista de funciones informa más que el marketing.

La salida en mapa de calor localiza material sintético dentro de una imagen. Es la capacidad que importa en el caso real habitual, que no es una imagen totalmente generada sino una fotografía real con un elemento generado insertado, o una imagen real con una región generada pintada encima. Una etiqueta sí/no no sirve ahí. Un mapa de calor le dice al editor dónde mirar.

La subida nativa de video corre el análisis fotograma a fotograma dentro del panel e identifica qué porciones vuelven marcadas. Para un clip de dos minutos, eso produce una línea de tiempo de sospecha en lugar de un veredicto, que es la salida correcta para un revisor humano.

La extensión de Chrome marca material generado por IA en redes sociales, tiendas y portales de alquiler. Esa última categoría es la que le cuesta dinero a la gente. Las fotos de anuncios de alquiler son el sitio clásico donde una imagen generada le cuesta dinero real a alguien.

Qué cambió desde el preview de julio

El preview de investigación del 29 de julio de 2026 solo aceptaba imágenes de 512 por 512 píxeles o más, y listaba de forma explícita los deepfakes y los cambios de cara como casos que no podía detectar con confianza. Era una limitación honesta y también un agujero grande, porque el cambio de cara es el caso dañino más común.

La versión 1.0 afirma mejor desempeño en deepfakes, imágenes de baja resolución y modelos de generación de frontera. La entrada mínima ahora es 256 por 256, con un aviso de confianza reducida para todo lo que esté por debajo de 512. La empresa dice que entrenó el nuevo modelo para detectar transformaciones como compresión, reducción de escala, desenfoque y ruido, tanto las que introducen las plataformas sociales como las que usan quienes intentan evadir la detección.

Esa última frase hace mucho trabajo. Casi todas las imágenes de IA del mundo real te llegan después de que al menos una plataforma las recomprimió. Un detector que solo funciona con PNG impecables es un instrumento de laboratorio.

El acceso también se abrió. En el preview, la API de imagen era solo por invitación y la entrada de video en el panel figuraba como trabajo futuro. Ahora existen las dos.

El problema estructural que nadie resolvió

La detección es un problema de clasificación en el que un lado puede iterar. Cada vez que un generador mejora, la distribución de artefactos cambia, y todo detector entrenado con la anterior pierde precisión. Los defensores tienen que ganar siempre. Los atacantes solo tienen que ganar una vez, en la imagen que importa.

Esa brecha es la que los estándares de procedencia como C2PA se crearon para cerrar. Una firma criptográfica en una captura de cámara es un tipo distinto de afirmación, no una conjetura estadística sobre píxeles. La firma se puede quitar, pero cuando está, no es una probabilidad.

Los dos enfoques se complementan, no compiten. La procedencia responde «sabemos de dónde salió esto». La detección responde «esto parece generado». Una redacción quiere las dos, una plataforma quiere las dos, y ninguna alcanza sola.

El argumento de Pangram es, en el fondo, que la detección no es un problema resuelto y que alguien debería venderla como producto con mapas de calor y API, no como demo de investigación. Es un negocio razonable. La cifra de 99.2% les va a abrir reuniones. Sobre el 98.7% en DF26 deberían preguntarles, en detalle, alguien con el harness del benchmark y un generador nuevo.

Una nota al pie práctica para quien lo use

Si un detector te dice que una imagen fue generada por IA, tienes una pista. Si te dice que la imagen es real, no tienes nada. Esa asimetría está metida en el problema, y ninguna cifra de precisión la cambia. La tasa de 0.27% de falso positivo te dice cada cuánto la herramienta te va a avergonzar en una dirección. Nada en el anuncio dice cada cuánto se le escapa un buen falso, y esa cifra siempre es peor.

Así que úsalo como herramienta de triaje, guarda el mapa de calor, registra la versión del modelo junto al veredicto y da por hecho que vas a repetir tu evaluación cada vez que salga un generador importante. La vida media de la precisión de un detector se mide en meses.

Artículos relacionados