Docs v2026.7
Technical docs
我们的评分引擎如何工作:测量结果、明确的限制。
下载每个DotCheck分数背后的引擎的官方Model Card和Technical Report。提供测试结果,并以通俗易懂的语言进行解释。
测量结果
Docs v2026.7 已公布的 held-out 结果。日常评分在共享特征栈上使用一个图像模型、一个视频帧模型、一个音频模型和七个按语言的文本模型。
主要模型
- Vermeer (image)
inhouse@12 - 实际平均数 0.000 · 人工智能平均值 0.938 · 平衡精度 0.9950
- Valla (text English)
inhouse-text@9 - 人类平均水平 0.045 · 人工智能平均值 0.909 · 平衡精度 0.980
- Muybridge (video)
inhouse-video@2 - bag p90 实际平均数 0.004 · 人工智能平均值 0.940 · 平衡精度 0.985
- Helmholtz (audio)
inhouse-audio@2 - 实际平均数 0.004 · 人工智能平均值 0.984 · 平衡精度 0.986
Text by language
共享 TMR + Fakespot 特征；每种语言一个文本模型。与英语相同的绝对下限（人类 ≤ 0.12 · AI ≥ 0.85 · 均衡准确率 ≥ 0.90）。不支持的语言不予评分。
| Language | 模型 | 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 |
葡萄牙语 (pt) 使用在巴西训练的文本模型。完整方法与限制见上方 PDF。
需要程序化评分？查看 Pro API 文档（密钥在 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.