Docs v2026.7

Technical docs

Come funzionano i nostri motori: risultati misurati, limiti chiari.

Scarica il Model Card ufficiale e il Technical Report dei motori dietro ogni punteggio DotCheck. Risultati held-out, spiegati in modo chiaro.

Risultati misurati

Risultati held-out pubblicati per Docs v2026.7. Lo scoring quotidiano usa un modello immagini, uno per fotogrammi video, uno audio e sette modelli di testo per lingua su uno stack di feature condiviso.

Modelli principali

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

Text by language

Feature TMR + Fakespot condivise; un modello di testo per lingua. Stessi pavimenti assoluti dell'inglese (umano ≤ 0.12 · IA ≥ 0.85 · prec. bilanciata ≥ 0.90). Le lingue non supportate non vengono valutate.

Language Modello 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

Il portoghese (pt) usa il modello di testo addestrato in Brasile. Metodi e limiti completi nei PDF sopra.

Ti servono punteggi via programma? Vedi i docs dell’API Pro (chiavi nel 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.