Docs v2026.7

Technical docs

CĂłmo funcionan nuestros motores: resultados medidos, lĂ­mites claros.

Descarga el Model Card oficial y el Informe técnico de los motores detrás de cada puntuación DotCheck. Resultados de prueba retenidos, explicados en lenguaje claro.

Resultados medidos

Resultados held-out publicados para Docs v2026.7. La puntuación cotidiana usa un modelo de imagen, uno de fotogramas de vídeo, uno de audio y siete modelos de texto por idioma sobre una pila de rasgos compartida.

Modelos principales

Vermeer (image) inhouse@12
media real 0.000 · media IA 0.938 · exactitud equilibrada 0.9950
Valla (text English) inhouse-text@9
media humana 0.045 · media IA 0.909 · exactitud equilibrada 0.980
Muybridge (video) inhouse-video@2
bag p90 media real 0.004 · media IA 0.940 · exactitud equilibrada 0.985
Helmholtz (audio) inhouse-audio@2
media real 0.004 · media IA 0.984 · exactitud equilibrada 0.986

Text by language

Rasgos TMR + Fakespot compartidos; un modelo de texto por idioma. Los mismos umbrales absolutos que el inglés (humano ≤ 0.12 · IA ≥ 0.85 · prec. equilibrada ≥ 0.90). Los idiomas no compatibles no se puntúan.

Language Modelo Human ↓ AI ↑ Bal. acc.
English Valla inhouse-text@9 0.045 0.909 0.980
Spanish Valla inhouse-text-es_v2 0.088 0.953 0.972
Portuguese Valla inhouse-text-pt_BR_v1 0.103 0.945 0.928
French Valla inhouse-text-fr_v2 0.082 0.976 0.975
Italian Valla inhouse-text-it_v1 0.069 0.986 0.972
German Valla inhouse-text-de_v1 0.064 0.968 0.958
Dutch Valla inhouse-text-nl_v1 0.101 0.978 0.933

El portugués (pt) usa el modelo de texto entrenado en Brasil. Métodos y límites completos están en los PDF de arriba.

¿Necesitas puntuaciones por programa? Mira los docs de la API Pro (claves en Dashboard).

Model cards and open weights on Hugging Face (Apache-2.0). Everyday scoring still runs through DotCheck: huggingface.co/DotCheck · vermeer-image-v12 · valla-text-v9 · muybridge-video-v2 · helmholtz-audio-v2 · DotCheck Engines collection.