Docs v2026.7

Technical docs

Hoe onze scoring-engines werken: gemeten resultaten, duidelijke limieten.

Haal de officiële Model Card en Technical Report van de engines achter elke DotCheck-score. Held-out-testresultaten, helder uitgelegd.

Gemeten resultaten

Gepubliceerde held-out resultaten voor Docs v2026.7. Dagelijks scoren gebruikt één beeldmodel, één videoframe-model, één audiomodel en zeven taalspecifieke tekstmodellen op een gedeelde featurestack.

Primaire modellen

Vermeer (image) inhouse@12
echt gemiddelde 0.000 · AI-gemiddelde 0.938 · gebalanceerde nauwkeurigheid 0.9950
Valla (text English) inhouse-text@9
menselijk gemiddelde 0.045 · AI-gemiddelde 0.909 · gebalanceerde nauwkeurigheid 0.980
Muybridge (video) inhouse-video@2
bag p90 echt gemiddelde 0.004 · AI-gemiddelde 0.940 · gebalanceerde nauwkeurigheid 0.985
Helmholtz (audio) inhouse-audio@2
echt gemiddelde 0.004 · AI-gemiddelde 0.984 · gebalanceerde nauwkeurigheid 0.986

Text by language

Gedeelde TMR- + Fakespot-features; één tekstmodel per taal. Dezelfde absolute vloeren als Engels (mens ≤ 0.12 · AI ≥ 0.85 · bal. acc. ≥ 0.90). Niet-ondersteunde talen worden niet gescoord.

Language Model 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

Portugees (pt) gebruikt het in Brazilië getrainde tekstmodel. Volledige methoden en limieten staan in de PDF's hierboven.

Programmatische scores nodig? Zie de Pro API-docs (sleutels in 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.