Pruebas de IA independientes: Laboratorio Fulgor

👁 118 lecturas

Laboratorio Fulgor es el espacio donde publico mis pruebas independientes de inteligencia artificial: modelos de lenguaje, generadores de imagen, vídeo, voz y música, además de modelos locales ejecutados en mi tarjeta gráfica. Cada prueba incluye fecha, número de muestras, método detallado, coste real de API y datos en bruto descargables cuando es posible.

Cómo realizo las pruebas

Aplico las mismas reglas metodológicas en cada categoría. Los detalles técnicos concretos, versiones de software y parámetros figuran en cada artículo.

• Mismos prompts y parámetros. Todos los modelos comparados reciben instrucciones idénticas y la misma configuración; por ejemplo, en redacción empleo el mismo nivel de razonamiento (effort=low). Las imágenes y los clips de vídeo se generan en una sola pasada, sin reintentos ni selección estética.
• Evaluaciones a ciegas sin respuesta única. Cuando la tarea no admite una sola solución correcta, las respuestas son valoradas por tres jueces de distintos proveedores bajo códigos aleatorios y en orden permutado. Descarto automáticamente el veredicto del juez perteneciente a la misma empresa del modelo evaluado.
• Medición empírica frente a impresiones. Evalúo voz y canto con el sistema de transcripción Whisper large-v3 midiendo la tasa de error de palabras. El texto en imágenes lo reviso carácter por carácter, mientras que la coherencia visual se mide con IoU y SSIM. Las pruebas de conocimiento y corrección se corrigen mediante plantilla estricta.
• Hardware homogéneo y acceso estándar. Mis pruebas locales se ejecutan en un equipo con RTX 4090 24 GB, procesador i9-14900KF, 64 GB de RAM y Windows 11 mediante llama.cpp, Ollama o ComfyUI. Los modelos en la nube se evalúan a través de APIs públicas oficiales y pasarelas accesibles para cualquier desarrollador.
• Fechas y versiones exactas. Los pesos y las versiones de los modelos cambian constantemente. Cada resultado refleja de forma transparente la fecha exacta de ejecución indicada en la tabla y en su respectivo análisis.
• Costes reales desglosados. Registro la factura exacta de cada proceso: la primera edición de la prueba de redacción costó 6,12 USD y la Arena de vídeo supuso 8,54 USD. En los modelos locales calculo el gasto a partir del consumo eléctrico medido directamente en la tarjeta.
• Publicación íntegra de resultados. Muestro los textos generados, las imágenes, los clips y las grabaciones sonoras sin retoques. Además, pongo a disposición el archivo de datos brutos con las respuestas y notas de los evaluadores.
• Rectificaciones abiertas. Si detecto una errata en una plantilla de corrección o en un script de cómputo, recalculo las puntuaciones y lo documento explícitamente en el artículo correspondiente.
• Límites del método. Evaluar una única pasada por tarea documenta el comportamiento exacto de esa ejecución, no una distribución estadística completa. Recomiendo siempre comprobar los modelos en flujos de trabajo propios.

Todas las pruebas publicadas

Recopilación de los análisis realizados y publicados de forma independiente. La columna de muestras indica el número de modelos, tareas o archivos examinados.

Redacción, corrección y conocimiento

IA local en RTX 4090

Vídeo

Imágenes

Voz, transcripción y música

Detectores de IA y costes

Redacción en lengua no inglesa: escala unificada

Evalúo los modelos recién lanzados el mismo día de su estreno sobre las 13 tareas idénticas de la primera edición del 26 de septiembre. Empleo modelos de anclaje para calibrar las notas, lo que permite comparar de forma directa sus puntuaciones con la clasificación original en esta prueba de estrés lingüístico.

Cifras de la primera edición: 16 modelos pertenecientes a 9 empresas, evaluados en 13 tareas complejas (9 de redacción estilística, 2 de corrección ortotipográfica y 2 cuestionarios de conocimiento factual), acumulando 351 valoraciones a ciegas. El coste global de ejecución fue de 6,12 USD (3,19 USD en generación de respuestas, 2,75 USD en procesamiento de los jueces y 0,18 USD en reintentos por errores de red). El modelo con mejor relación calidad-precio fue GPT-6 Luna, que alcanzó 82,8 puntos con un gasto de apenas 0,002 USD en las 9 tareas de redacción. Los archivos de entrada, las respuestas y las notas completas están disponibles en el paquete 2026-09-pisanie-po-polsku.zip.

Guías temáticas y análisis en profundidad

Pruebas individuales anteriores

Antes de estructurar los bancos de pruebas en tablas sistemáticas, publiqué diversas evaluaciones individuales de modelos específicos:

• Test modelos IA 16.09.2026: Claude Opus 5, GPT-6 Astra y más
• Test de alucinaciones: GPT-6 Astra, Claude y Gemini
• ¿Qué saben los chatbots sobre la IA Act? Test de 9 modelos
• Gemini 3.8 Flash: test de ventana de contexto con texto largo
• Edición de imágenes en ChatGPT: test de 11 correcciones
• Test de 11 modelos de IA: GPT-6 Astra gana, pero el test falló
• Análisis de datos con Claude Opus 5.5: 43 de 44 afirmaciones correctas

Principios de independencia editorial

• Sin emplazamientos de pago. Ninguna empresa paga por incluir su herramienta ni por obtener una posición privilegiada. Todos los costes de llamadas a las API los asumo de forma individual y los desgloso en cada artículo.
• Posiciones fijadas por datos. El orden en las comparativas responde exclusivamente a las mediciones empíricas obtenidas en las pruebas, nunca a la existencia de acuerdos comerciales.
• Enlaces de afiliados señalizados. Si un enlace incluye afiliación comercial, se marca explícitamente con el atributo rel=»sponsored» y una nota transparente. Estos enlaces no influyen en la valoración técnica ni eximen de señalamientos críticos.
• Herramientas propias identificadas con total claridad. AUTHORRA, un detector de texto artificial, es un desarrollo propio; en la comparativa de la novela de Orélien participó como una de las tres herramientas analizadas junto a Pangram y ZeroGPT. De igual modo, gestiono la herramienta de API Jantaris con absoluta transparencia.
• Corrección abierta de fallos. Cuando se localiza un error en un script o en una clave de corrección, lo subsano públicamente, recalculo las métricas y dejo constancia del cambio en el propio texto.

Quién realiza las pruebas

Preparo y ejecuto personalmente cada una de las pruebas publicadas en el laboratorio. Mi nombre en este proyecto es Fulgor y puedes conocer los detalles editoriales en la sección sobre el proyecto. Los análisis locales se llevan a cabo en mi propio equipo (GPU RTX 4090 de 24 GB, Intel Core i9-14900KF, 64 GB de RAM y Windows 11). Sigo a diario las publicaciones de nuevos pesos o endpoints y acostumbro a medir su rendimiento el mismo día de su lanzamiento bajo idénticos bancos de tareas.

Contacto y sugerencias

• Si te interesa que ponga a prueba un modelo o herramienta concreta, puedes escribirme desde la página de contacto indicando cómo acceder a él (vía API pública, interfaz web o pesos descargables).
• Si descubres una errata en una clave de respuestas, en un cálculo o en una cifra, comunícamelo mediante la página de contacto para revisar el script y registrar la rectificación pertinente.
• Para solicitar registros adicionales o tablas de datos no incluidas en el paquete de redacción, ponte en contacto conmigo a través del formulario de la página de contacto.

Próximos bancos de pruebas

Tengo en preparación nuevas tandas de pruebas bajo la misma metodología rigurosa:

• Resumen de documentación extensa: análisis de contratos, informes técnicos y actas, contabilizando con precisión las omisiones fácticas y las invenciones introducidas por los modelos.
• Generación de código a partir de especificaciones no inglesas: ejercicios prácticos de desarrollo descritos íntegramente en un idioma secundario, evaluando documentación y comentarios producidos.
• Traducción de textos complejos: fragmentos extensos con vocabulario sectorial especializado para medir la consistencia terminológica más allá de frases sueltas.

Este esquema representa una hoja de ruta técnica sin plazos fijos de publicación.

Preguntas frecuentes

// sigue leyendoYuE2: prueba de 4 generadores de canciones con IABenchmarksHappyHorse 1.1: 7 clips de prueba y prompts con análisisBenchmarksOpenAI cancela el lanzamiento de GPT-6.1 por fallos de seguridad detectados en pruebasBenchmarks