Un clasificador para cada idioma
El ucraniano y los dieciocho idiomas añadidos después comparten un mismo codificador multilingüe, es decir, un modelo que convierte el texto en números. El codificador está congelado: sus pesos no cambian. Sobre él funciona un pequeño clasificador entrenado para un solo idioma.
Un texto largo se lee por ventanas consecutivas y los resultados se combinan en una sola puntuación para todo el texto. Además, hasta tres párrafos de 50 palabras o más se evalúan por separado: son los pasajes que el detector resalta.
El inglés tiene un modelo más antiguo y separado: su propio codificador inglés congelado, clasificadores que Textumi entrenó sobre él y un segundo modelo cuya señal se combina con la suya según una regla fija.
Un texto siempre lo evalúa el clasificador de su propio idioma. Un idioma sin clasificador aprobado recibe un mensaje de error, nunca una puntuación prestada de otro idioma.
De dónde salen los textos de entrenamiento
Los textos humanos de los dieciocho idiomas proceden de proyectos de Wikimedia: noticias de Wikinoticias, artículos de Wikipedia y páginas de discusión de Wikipedia. El hindi, el indonesio, el vietnamita, el hebreo y el danés no tienen Wikinoticias, así que su lugar lo ocupan libros de texto de Wikilibros.
Cada texto es un párrafo completo de prosa de 80 a 280 palabras, tomado de la última versión de su página anterior a 2020. Esa fecha es la prueba de que lo escribió una persona. Ningún texto se considera humano porque otro detector lo haya dicho.
Los esbozos generados por programas y los avisos que se repiten de una página a otra se filtran. Los filtros reducen su número, pero no pueden quitarlos todos.
Cada texto humano tiene un equivalente escrito por IA sobre el mismo tema, en el mismo género e idioma y de longitud parecida. Los escribieron dos modelos de IA muy utilizados, de proveedores distintos, cada uno para la mitad de las fuentes. Se descartaron las respuestas cortadas, las que copiaban su fuente y las que no eran prosa normal.
El corpus ucraniano es más antiguo: reúne textos históricos de Wikimedia y textos de un solo modelo de IA. Ningún texto de usuarios se usa para entrenar un detector.
Una prueba sellada que se abre una vez por versión
Los textos se agrupan por fuente, para que los capítulos de un mismo libro de texto o los archivos de una misma página de discusión queden juntos. Los grupos se reparten una sola vez en tres partes: entrenamiento, calibración y prueba. Un texto humano y su equivalente de IA siempre caen en la misma parte.
La prueba reúne unos 200 grupos de fuentes. Permanece sellada mientras se elige el clasificador y se fija su umbral, y después se abre una sola vez.
Si la versión no la supera, esa prueba no se vuelve a usar. Sus textos pasan a ser datos de entrenamiento y la siguiente versión se prueba con grupos de fuentes nuevos que ninguna versión anterior ha visto. Así no podemos ajustar un clasificador hasta que apruebe por casualidad su propio examen.
Cómo se fijan el umbral y las etiquetas del resultado
En los dieciocho idiomas, el umbral se sitúa donde se marcan como mucho 2 de cada 100 textos humanos. Se calcula con textos humanos de los que el clasificador no aprendió; en las primeras versiones, con la parte de calibración.
Las versiones creadas después del 12 de octubre de 2026 lo calculan con todos los textos que quedan fuera de la prueba, y cada uno lo evalúa un clasificador que nunca vio su grupo de fuentes. El umbral se congela antes de abrir la prueba.
Esta regla mantiene a propósito las falsas alarmas en un nivel bajo y acepta que se escapen más textos de IA. No convierte la puntuación en una probabilidad.
El umbral de cada clasificador se sitúa en 0,5 de la escala del modelo, de 0 a 1: esa es la línea de señal. En textumi.com la puntuación se muestra sin número: una aguja en un indicador que va de «Humano» a «IA» y una de cinco etiquetas.
| Etiqueta | Puntuación del modelo | Línea de señal |
|---|---|---|
| Escrito por una persona | menos de 0,25 | Por debajo de la línea |
| Mayormente humano | de 0,25 hasta la línea de 0,5 | Por debajo de la línea |
| Mixto: humano e IA | de 0,5 a menos de 0,75 | Por encima de la línea |
| Mayormente IA | de 0,75 a menos de 0,9 | Por encima de la línea |
| Generado por IA | 0,9 o más | Por encima de la línea |
Un texto de menos de 50 palabras no recibe etiqueta: en su lugar, Textumi muestra «Muy poco texto para concluir». Cada etiqueta es una estimación basada en el estilo del texto, no una proporción medida de texto de IA ni una prueba de autoría. Un asistente de IA conectado por MCP recibe la puntuación misma, como número.
El listón que una versión debe superar antes de publicarse
Una versión para uno de los dieciocho idiomas solo se ofrece si su prueba reúne al menos 150 textos humanos y 150 de IA y en ella se cumplen las tres condiciones:
- se marca como máximo el 5 % de los textos humanos, de modo que las falsas alarmas son pocas;
- se detecta al menos el 60 % de los textos de IA en el conjunto de la prueba;
- se detecta al menos el 50 % de los textos de IA en cada ámbito del corpus: noticias o libros de texto, artículos enciclopédicos y discusiones.
Antes de aprobarlo, el clasificador exportado se carga con el mismo código que atiende las solicitudes y sus puntuaciones se comparan con las obtenidas durante el entrenamiento.
Un idioma cuya versión no supera el listón no se ofrece. El checo no lo superó, así que Textumi no admite el checo.
El neerlandés es la única excepción. A su versión actual le faltó poco: detectó el 59,8 % de los textos de IA cuando se exige el 60 %, y el 49,4 % en los artículos enciclopédicos cuando se exige el 50 %. Textumi decidió ofrecerla de todos modos y no cambió la regla.
Qué indica una versión publicada
Una versión publicada cumplió la regla una vez, con prosa de Wikimedia y textos de dos modelos de IA. Eso describe cómo se comporta con ese tipo de material. No garantiza precisión con otros textos ni ofrece una probabilidad calibrada de autoría.
Los detectores de inglés y ucraniano son los que llevan más tiempo en servicio. El clasificador ucraniano se probó con 200 textos humanos y 198 de IA de 200 grupos de fuentes, y el modelo inglés con un pequeño conjunto reservado de 80 textos humanos y 20 de IA. Sus puntuaciones también son señales sin calibrar.
Lo que las pruebas no cubren
- Otros géneros. En un pequeño conjunto de textos de IA de otro tipo, como avisos, reclamaciones e instrucciones, los detectores de francés, vietnamita, turco e indonesio pasaron por alto la mayoría, y los de sueco y neerlandés, cerca de la mitad. El portugués, el árabe, el polaco, el alemán, el italiano, el noruego bokmål y el danés no se han comprobado con otros géneros.
- Textos cortos. Los fragmentos de entrenamiento tienen al menos 80 palabras. Por debajo de 50 palabras, Textumi no muestra etiqueta, y el resultado de un texto apenas más largo sigue siendo menos fiable en cualquier idioma.
- Autoría mixta o editada. El corpus contiene textos totalmente humanos y totalmente generados, así que un borrador de IA editado o un texto humano muy pulido quedan fuera de lo probado.
- Otros modelos de IA. Los textos de IA del corpus proceden de dos modelos, y los de cualquier otro generador no formaron parte de la prueba.
- El inglés a gran escala. El modelo inglés se comprobó con un conjunto mucho más pequeño que los detectores de los demás idiomas.
Por qué se marcan textos escritos por personasLos idiomas y su estado
Cómo cambian las versiones
Cada clasificador tiene un número de versión. Una versión nueva supone un nuevo reparto del corpus y una nueva prueba sellada, y cualquier cambio de umbral requiere su propia validación y un registro de versión.
Textumi trabaja de forma continua en la calidad del detector, y cada versión nueva pasa por la misma regla. Una versión solo se evalúa con fuentes que nunca ha visto, y cada publicación es una decisión aparte. Cuando cambia el método, esta página y su fecha cambian con él.
Preguntas frecuentes
¿Qué precisión tiene el detector de IA de Textumi?
No publicamos un único porcentaje de precisión, porque ninguno sería honesto. El resultado depende del idioma, el género, la longitud del texto y el modelo que lo escribió. Publicamos el método y la regla que una versión debe cumplir antes de publicarse. Cada resultado es una señal, no una prueba de autoría.
¿En qué se diferencian los detectores de los dieciocho idiomas de los de inglés y ucraniano?
Cada uno se entrenó y se probó con material limitado: prosa de Wikimedia anterior a 2020 y textos de dos modelos de IA. Con otros tipos de texto un detector puede rendir peor, y en varios idiomas es así. Lee esos resultados con más cautela, sobre todo «Escrito por una persona» y «Mayormente humano»: significan que se encontraron pocos indicios de IA, no que el texto lo escribiera una persona.
¿Qué modelos de IA escribieron los textos de entrenamiento?
En los dieciocho idiomas, dos modelos de IA muy utilizados, de proveedores distintos, escribieron cada uno la mitad de los equivalentes. El corpus ucraniano contiene textos de un solo modelo. Los textos de otros modelos no formaron parte de estas pruebas, así que no afirmamos nada sobre lo bien que se detecta un modelo concreto.
¿Por qué los textos humanos son anteriores a 2020?
Una versión de página anterior a 2020 es previa a los asistentes de escritura con IA actuales, así que su fecha demuestra que el texto lo escribió una persona. Si otro detector eligiera los textos humanos, sus errores pasarían al nuestro. Los textos automáticos antiguos, como los esbozos generados por programas, se filtran en la medida de lo posible.
¿El detector aprende de mis textos?
No. Los detectores se entrenan con textos públicos de Wikimedia y con textos de IA escritos con ese fin. Textumi no añade automáticamente tus textos a conjuntos de entrenamiento compartidos. Cuánto tiempo se guardan tus solicitudes se explica en la política de privacidad.
¿Por qué cada prueba se abre una sola vez?
Una prueba que se consulta una y otra vez deja de ser una prueba. Si ajustáramos un clasificador tras ver su resultado y volviéramos a abrir la misma prueba, el resultado favorecería al clasificador. Por eso los textos de prueba de una versión fallida pasan a ser datos de entrenamiento, y la siguiente versión se evalúa con fuentes nuevas.
¿Por qué el sitio muestra una etiqueta en lugar de un número?
La puntuación es una señal del modelo sin calibrar, no un porcentaje de texto de IA ni una probabilidad, y un número como 62 se lee fácilmente así. Cinco etiquetas alrededor de la línea de señal dicen lo que la puntuación puede sostener: dos por debajo y tres por encima. Cada una es una estimación basada en el estilo; «Mixto» y «Mayormente» no son una proporción medida de texto de IA.