Todos los proveedores de detectores dicen tener un 99 % de precisión. Esa cifra solo significa algo si se mide en un conjunto de prueba que haya creado otra persona.
Por eso ejecutamos WasItAIGenerated V3, el modelo que hay detrás de nuestro detector de imágenes y de nuestra API de detección de imágenes, en los cinco benchmarks públicos que Pangram usó en el lanzamiento de Pangram Image 1.0. Los mismos conjuntos de prueba y la misma configuración. Después añadimos lo que los benchmarks públicos no cubren: imágenes de redes sociales y los generadores más recientes.
Ninguna de las imágenes de prueba se usó para entrenar nuestro modelo.
En resumen
- Benchmarks públicos: V3 iguala o supera a Pangram Image 1.0 en los cinco. En Mirage-Test (49.000 imágenes), V3 alcanza el 99,6 % y Pangram el 99,5 %.
- Modelos abiertos: V3 alcanza un AUROC de 0,996. El mejor de nueve detectores de pesos abiertos alcanza 0,914.
- Generadores nuevos: V3 detectó 78 de 79 imágenes de ChatGPT Images 2.6 el día de su lanzamiento y el 99,5 % de las imágenes de 19 generadores actuales. ZeroGPT (TruthScan) detectó el 97,2 %.
- Copias comprimidas: después de WhatsApp e Instagram, V3 sigue detectando el 96,2 % de las imágenes de IA.
Cinco benchmarks públicos
Estos son los cinco benchmarks sobre los que Pangram informó para Pangram Image 1.0, los resultados publicados más sólidos de un detector comercial. Ejecutamos V3 sobre el conjunto de prueba completo de cada uno, con la misma métrica y el mismo umbral (0,5). El gráfico de la parte superior de la página muestra el resultado y la tabla de abajo, los detalles. «Mejor académico» es el mejor detector académico en cada benchmark, según la lista de Pangram.
| Benchmark | Métrica | WasItAIGenerated V3 | Pangram Image 1.0 | Mejor académico |
|---|---|---|---|---|
Mirage-Test 49.000 imágenes · Imágenes de 5 ámbitos (personas, animales, objetos, escenas, anime) | Exactitud | 99,6 % | 99,5 % | 88,4 % OmniAID-Mirage |
X-AIGD 2419 imágenes de IA · Generadores actuales de texto a imagen | Recall (IA detectada) | 100 % | 99,96 % | 95 % Gram-Net |
AIGenImages2026 1118 imágenes · Generadores de 2026, partición de prueba oficial | Exactitud | 99,7 % | 99,6 % | 92,1 % RINE |
Synthbuster + RAISE 2800 imágenes · Imágenes de difusión frente a fotos RAW de cámara | Exactitud equilibrada | 99,7 % | 99,5 % | 94,9 % B-Free |
Community Forensics (eval) 51.836 imágenes · Miles de generadores, conjunto de evaluación reservado | Exactitud macro | 99,3 % | 99,3 % | 89,2 % Community Forensics-384 |
Nueve detectores de pesos abiertos
Ejecutamos V3 y nueve detectores de libre acceso sobre 4480 imágenes de otros seis benchmarks públicos. Ninguno se entrenó con estas imágenes. La puntuación es el AUROC: 1,0 significa que un detector separa a la perfección IA y real; 0,5 equivale a lanzar una moneda.
Los generadores más recientes
Los benchmarks van por detrás. Cuando se publica uno, ya hay generadores más nuevos. Por eso hicimos dos comprobaciones con lo que la gente publica ahora mismo.
El día en que OpenAI lanzó ChatGPT Images 2.6, V3 detectó 78 de 79 imágenes de prueba, aunque se había entrenado antes de que existiera 2.6. Y en nuestro propio conjunto de prueba con 19 generadores actuales:
Entre los 19 generadores están GPT-Image-2, Nano Banana 2.1 y Pro, FLUX.3, Qwen-Image 3 y Seedream 5 Pro. El 60 % de este conjunto de prueba es público. Los resultados completos están en nuestro benchmark de generadores de frontera.
Prueba interna: 623 imágenes del mundo real
Las imágenes de los benchmarks suelen ser originales limpios. Las que llegan a un equipo de fraude, de confianza y seguridad o de OSINT no lo son: se han publicado, comprimido y recortado.
Por eso hicimos además una prueba interna con 623 imágenes publicadas en Reddit y en redes sociales: 343 imágenes de IA que podrían pasar por una foto y 280 reales. V3, Pangram Image 1.0 y ZeroGPT recibieron los mismos archivos. ZeroGPT usa TruthScan para la detección de imágenes.
Donde ambos dieron un veredicto, V3 y Pangram están igualados, tanto en errores (26 y 21 en 582 imágenes) como en falsas alarmas (11 y 10 de 275 fotos reales). Frente a ZeroGPT, V3 cometió 3,7 veces menos errores: 25 frente a 93 en 547 imágenes.
TruthScan, AI or Not, Sightengine y Winston AI
No hemos probado nosotros mismos AI or Not, Sightengine ni Winston AI. Estos son los resultados que Pangram publicó sobre ellos en octubre de 2026, medidos en la prueba propia de Pangram con 1200 imágenes de IA de 12 generadores actuales y 100 fotos reales. Para su propio modelo, Pangram indica un 99,96 %. Ese conjunto de prueba no es público, así que no pudimos ejecutar V3 sobre él.
TruthScan es el único de ellos que sí probamos nosotros, a través de ZeroGPT: consulta los 19 generadores actuales y la prueba interna más arriba. Para texto, ejecutamos nosotros mismos Pangram, GPTZero y ZeroGPT en nuestro benchmark de detectores de texto de IA.
Después de WhatsApp e Instagram
La mayoría de las imágenes llegan a una redacción o a un equipo de verificación como copia comprimida, no como original. En copias de nuestro conjunto de frontera que pasaron por WhatsApp, Instagram y reenvíos, V3 siguió detectando el 96,2 % de las imágenes de IA con un 1 % de falsos positivos. El mejor detector de pesos abiertos cayó al 37,3 %.
Cómo lo medimos
- Benchmarks públicos: la partición de prueba oficial completa de cada uno, sin subconjuntos, con umbral 0,5. Es la configuración que usa Pangram.
- Prueba interna con 623 imágenes: V3 con su umbral de producción (una puntuación de 0,8 o más cuenta como IA). Pangram a través de su aplicación web y ZeroGPT a través de su herramienta web, en noviembre de 2026. Los mismos archivos para los tres.
- Siempre el modelo de producción, tal como funciona en nuestra web y en la API. Sin ajustes para ningún benchmark.
- Ninguna imagen de estos conjuntos de prueba se usó en el entrenamiento.
- Las cifras propias de Pangram, los resultados académicos y los resultados de TruthScan, AI or Not, Sightengine y Winston AI en el conjunto de prueba de Pangram proceden del anuncio de Pangram del 4 de noviembre de 2026.
Estas son nuestras propias mediciones. Si quieres comprobarlas, financiamos benchmarks independientes con créditos de API gratuitos.
Preguntas frecuentes
¿Qué detector de imágenes de IA es el más preciso en 2026?
En cinco benchmarks públicos, WasItAIGenerated V3 iguala o supera a Pangram Image 1.0, el detector comercial con los resultados publicados más sólidos: 99,6 % en Mirage-Test, 100 % en X-AIGD, 99,7 % en AIGenImages2026 y en Synthbuster, 99,3 % en Community Forensics. Frente a nueve detectores de pesos abiertos alcanza un AUROC de 0,996; el mejor modelo abierto alcanza 0,914.
WasItAIGenerated o Pangram: ¿qué detector de imágenes de IA obtiene mejores resultados en benchmarks públicos?
WasItAIGenerated V3 va por delante en cuatro de los cinco y está igualado en el quinto: Mirage-Test 99,6 % frente a 99,5 %, X-AIGD 100 % frente a 99,96 %, AIGenImages2026 99,7 % frente a 99,6 %, Synthbuster + RAISE 99,7 % frente a 99,5 %, Community Forensics 99,3 % en ambos casos. Las cifras de Pangram son las que publicó Pangram. Las nuestras las medimos sobre los mismos conjuntos de prueba con el mismo umbral.
¿Qué precisión tienen TruthScan, AI or Not, Sightengine y Winston AI?
Nosotros solo hemos probado TruthScan, a través de ZeroGPT, que lo usa para la detección de imágenes: con imágenes de 19 generadores actuales detectó el 97,2 % de las imágenes de IA con un 1 % de falsos positivos, frente al 99,5 % de WasItAIGenerated V3. Para los demás solo podemos citar a Pangram, que los midió en su propio conjunto de prueba en octubre de 2026 (exactitud equilibrada): TruthScan 96,3 %, AI or Not 91,4 %, Sightengine 88,3 % y Winston AI 80,3 %.
¿Estas cifras se midieron sobre los conjuntos de prueba completos?
Sí. Todas las cifras de los benchmarks públicos corresponden a la partición de prueba oficial completa, con el mismo umbral (0,5) que usa Pangram. Ninguna de estas imágenes se usó para entrenar nuestro modelo.
¿Funciona el detector con generadores recién lanzados?
Sí. El día en que OpenAI lanzó ChatGPT Images 2.6, V3 detectó 78 de 79 imágenes de prueba, aunque se había entrenado antes de que existiera 2.6. En nuestro conjunto de prueba con 19 generadores actuales detectó el 99,5 % de las imágenes de IA con un 1 % de falsos positivos.
¿Y las imágenes compartidas por WhatsApp o Instagram?
Después de WhatsApp, Instagram y reenvíos, V3 siguió detectando el 96,2 % de las imágenes de IA de nuestro conjunto de frontera, con un 1 % de falsos positivos.
Comprueba tú mismo una imagen
El detector de esta página es el que funciona en WasItAIGenerated y en nuestra API.