Revisión del detector de IA de Pangram (2026): precisión y falsos positivos

Pangram es un detector de IA de Pangram Labs, y la empresa afirma que tiene más de un 99% de precisión. También indica que marca incorrectamente alrededor de 1 de cada 10.000 textos humanos. Pangram cita estudios externos de la Universidad de Chicago y la Universidad de Maryland que, según afirma, hallaron resultados similares.

A continuación, revisamos las cifras de precisión y falsos positivos de Pangram y lo que encontraron los estudios independientes. Después, explicamos cómo detecta texto de IA Pangram, cómo se compara con GPTZero, Copyleaks y Turnitin, y también su precio y compatibilidad con idiomas.

Lo que hace Pangram

Pangram es una herramienta de detección de IA creada para escuelas, editoriales, despachos de abogados y otras organizaciones que necesitan distinguir entre escritura humana y de IA. Pega un texto o sube un archivo. Pangram devuelve una predicción de Humano, IA-Generado o IA-Asistido, además de una puntuación sobre cuánto del documento cae en cada etiqueta.

Pangram Labs comenzó en Brooklyn, Nueva York, en 2023. Sus fundadores trabajaron en investigación de IA en Tesla y Google antes de iniciar la empresa. La línea de producto ahora incluye un verificador de plagio integrado con el detector de IA, un detector de imágenes de IA y una extensión de navegador. También se integra con Gmail, Google Docs y sistemas de gestión del aprendizaje como Canvas, Moodle, Google Classroom y Brightspace. También hay una API disponible para desarrolladores que quieran integrar la detección de IA dentro de sus propias aplicaciones.

El modelo más reciente de Pangram, Pangram 4, necesita al menos 50 palabras de entrada y funciona mejor con oraciones completas. Las respuestas breves y los puntos en viñetas le dan menos con qué trabajar. Cada resultado incluye un nivel de confianza Alto, Medio o Bajo para cada segmento, junto con secciones resaltadas que indican qué oraciones etiqueta el modelo como IA-Generado, IA-Asistido o Humano.

Una etiqueta IA-Asistido significa que Pangram cree que la IA editó o mejoró un texto que una persona empezó. Si usaste una herramienta de gramática o un reescritor de IA en partes de tu texto, esa etiqueta puede aparecer incluso cuando las ideas y la estructura son tuyas. Revisa qué permite tu escuela o empleador para herramientas de edición de IA antes de tratar la etiqueta como un problema.

Lo que afirma Pangram sobre su precisión

La sección de Preguntas frecuentes de Pangram indica que el detector tiene más de un 99% de precisión, con una tasa de falso positivo de aproximadamente 1 entre 10.000. Señala que esa cifra se calcula con base en conjuntos de datos públicos que contienen decenas de millones de documentos. Pangram también compara su modelo con 26 sistemas de IA y reporta una precisión del 99,7% en esas muestras generadas por IA como grupo, volviendo a probar después de cada lanzamiento importante de modelo.

Pangram también publica cifras de precisión para modelos individuales:

Estas son cifras propias de Pangram, medidas en sus propios conjuntos de prueba. La ficha del modelo de Pangram 4 desglosa el número con más detalle. En 519.993 muestras de texto en inglés generadas por IA de 26 modelos, Pangram 4 falló el 0,34%, cerca de la cifra principal del 99,7%. La ficha del modelo también muestra una tasa de fallo del 1,24% en un conjunto multilingüe que cubre 18 idiomas, por lo que Pangram detecta el texto de IA con un poco menos de fiabilidad fuera del inglés.

Tasa de falsos positivos de Pangram, por dominio e idioma

La FAQ de Pangram ofrece una única tasa general de falsos positivos de 1 entre 10.000. La ficha del modelo de Pangram 4 informa un número más específico. De 1.000.000 documentos en inglés del conjunto de datos FineWeb, Pangram 4 tuvo 41 falsos positivos, o 0,0041%, cerca de 1 entre 24.000. En un conjunto multilingüe de 996.273 documentos en 104 idiomas, tuvo 14 falsos positivos, o 0,0014%.

La tasa cambia según el dominio. La ficha del modelo de Pangram muestra estas tasas de falsos positivos:

Para la escritura académica en inglés, la ficha del modelo de Pangram indica una tasa de falsos positivos del 0,019%, o aproximadamente 1 entre 5.000 documentos. Eso es más alto que su cifra general, y es el número que más importa para estudiantes e investigadores. La prosa académica formal sigue patrones establecidos, y es el texto basado en fórmulas donde los propios datos de Pangram muestran más falsos positivos.

El blog de Pangram sobre falsos positivos indica que la tasa aumenta en textos cortos, que no están escritos en oraciones completas o que son muy formuláicos, como recetas y poesía. Afirma que la tasa se mantiene baja en prosa larga y original, como ensayos, reseñas e informes, porque ese tipo de escritura ofrece al modelo más con qué trabajar.

El idioma también cambia la tasa. La ficha del modelo de Pangram indica compatibilidad oficial con 24 idiomas. Son inglés, español, francés, portugués, árabe, chino, japonés, coreano, ruso, turco, húngaro, alemán, neerlandés, sueco, rumano, ucraniano, polaco, italiano, checo, griego, hindi, persa, urdu y vietnamita. Su tasa de falsos positivos medida va desde 0,0000% en idiomas como árabe, chino y japonés, hasta 0,0078% en portugués y 0,0361% en ucraniano. Aun así, todas esas cifras siguen muy por debajo de 1 entre 1.000. Pangram dice que también puede generalizar a idiomas fuera de esa lista e invita a solicitar la evaluación de uno nuevo.

Pangram también publica comparaciones con otros detectores. En reseñas de productos de la investigación de la Universidad de Chicago, informa tasas de falsos positivos del 0,5% para sí mismo, 1,7% para Originality.ai y 2,4% para GPTZero. Estas son cifras de Pangram, tomadas de su propio blog.

Estudios externos que cita Pangram

Un estudio de 2025 de la Universidad de Chicago Booth encontró que los principales detectores de IA marcaron más del 90% del texto de IA no editado. La mayoría de ellos marcó menos de la mitad una vez que el texto pasó por un humanizer. Pangram fue uno de los cuatro detectores probados, junto con GPTZero, Originality.ai y el detector de código abierto RoBERTa. Pangram afirma que fue el único que mantuvo su tasa de falsos positivos por debajo de 0,5% y aun así detectó texto de IA.

Pangram también cita un estudio de junio de 2026 de la Vrije Universiteit Brussel. Probó Pangram, GPTZero, Turnitin y Copyleaks en 160 artículos académicos de hablantes no nativos de inglés, divididos entre texto humano, generado por IA, híbrido y humanizado. Pangram dice que ninguna de las cuatro herramientas marcó los artículos escritos por humanos en ese estudio.

Un estudio de 2025: Pangram frente a lectores humanos expertos

Un artículo de 2025 de Jenna Russell, Marzena Karpinska y Mohit Iyyer se publicó en la ACL 2025. Evaluó si las personas que usan con frecuencia herramientas de escritura con IA pueden detectar texto generado por IA tan bien como lo hacen los detectores automáticos. Cinco anotadores que dijeron que usan con frecuencia los LLM para su propia escritura leyeron 300 artículos de no ficción en inglés. El conjunto mezcló texto escrito por humanos con textos de GPT-4o, Claude y o1-Pro, incluidos algunos artículos que se pasaron por un humanizer. El voto mayoritario de esos cinco anotadores clasificó mal solo 1 de los 300 artículos.

El artículo comparó ese panel con cinco detectores automáticos: Pangram, GPTZero, Binoculars, Fast-DetectGPT y RADAR. Los investigadores ejecutaron dos modelos de Pangram: su detector base y un modelo independiente llamado Pangram Humanizers, entrenado para detectar texto que se ha ejecutado a través de un humanizer. Pangram Humanizers fue el único detector que coincidió con el panel de expertos, con una tasa media de verdaderos positivos del 99,3% y una tasa media de falsos positivos del 2,7% en el conjunto de prueba. El modelo base de Pangram alcanzó una tasa media de verdaderos positivos del 98,0% con una tasa de falsos positivos del 2% en el mismo conjunto de prueba.

Una tasa de falsos positivos del 2,7% es más alta que la cifra de 1 entre 10.000 que Pangram informa a partir de sus propias evaluaciones. Esta prueba usó un conjunto mucho más pequeño de artículos, 300 en lugar de los millones que Pangram cita en otros lugares. El artículo también evaluó a Pangram usando solo sus etiquetas Human y AI-Generated, sin darle crédito por su etiqueta neutral "Possibly AI". Pangram y GPTZero dieron a los investigadores créditos de API para ejecutar la prueba.

Cómo Pangram detecta la escritura con IA

Pangram afirma que no usa perplexity ni burstiness, las dos señales en las que se basan la mayoría de los detectores de IA más antiguos. Perplexity mide qué tan predecible es cada palabra para un modelo de lenguaje, y burstiness mide cuánto cambia esa previsibilidad a lo largo de un documento. Explicamos ambas cosas en nuestro propio artículo sobre perplexity en la detección de IA.

Pangram sostiene que los detectores basados en perplexity fallan al confundir cualquier texto que un modelo haya memorizado durante el entrenamiento, incluida la Declaration of Independence y grandes partes de Wikipedia. Los modelos aprenden a predecir el texto memorizado con una perplexity muy baja, independientemente de quién lo haya escrito. Pangram también dice que los métodos basados en perplexity tienen una tasa de falsos positivos más alta en escritura en inglés no nativa, ya que estructuras de oraciones más simples también son más predecibles. Cubrimos ese mismo patrón de falsos positivos para escritores de inglés no nativo en un artículo que analiza otros detectores.

En lugar de eso, Pangram entrena un modelo de aprendizaje profundo directamente con grandes conjuntos de texto humano y con IA. Usa un método que llama hard negative mining para encontrar escritura humana que, casualmente, se parece a la salida de la IA. Pangram procesa documentos completos a nivel de tokens. Etiqueta cada segmento como Human, AI-Assisted o AI-Generated, con una puntuación continua sobre cuánto parece que el segmento está escrito por IA. Pangram afirma que el modelo mejora a medida que se entrena con más datos.

Pangram frente a GPTZero, Copyleaks y Turnitin

Pangram, GPTZero y Copyleaks están disponibles para cualquiera que se registre. Turnitin solo funciona mediante una cuenta de escuela o editorial, y una persona que hace la prueba normalmente solo ve una puntuación de Turnitin si un instructor se la comparte.

Hemos cubierto cada uno de estos detectores por separado: consulta ¿GPTZero es preciso?, ¿Copyleaks detecta IA? y ¿Turnitin puede detectar texto de IA humanizado?. Las cifras de falsos positivos de la tabla son afirmaciones de cada empresa, tal como las indican Pangram y los demás proveedores.

Pangram es un detector independiente. Grammarly y Scribbr ofrecen detección de IA como parte de sus herramientas de escritura, y analizamos por separado el detector de IA de Grammarly y el detector de IA de Scribbr.

Precios y límites del plan gratuito

El plan gratuito de Pangram no requiere método de pago. Incluye 2.000 palabras de escaneo de texto al día y 3 escaneos de detección de imágenes al día. Esto incluye carga de archivos con OCR, la extensión del navegador, la integración con Google Docs y acceso mediante API, en más de 20 idiomas.

El plan Individual incluye una prueba gratuita de 7 días antes de que empiece el cargo mensual de US$20, y facturar anualmente ahorra US$60 al año frente a la tarifa mensual. El plan Profesional se factura con US$65 de inmediato, en lugar de mediante prueba, y ahorra US$240 al año si se factura anualmente. Pangram también muestra precios separados para Empresas para equipos, que aparecen después de seleccionar la pestaña Business en su página de precios.

Quién usa Pangram

Las escuelas y las universidades conforman la mayor parte de la base de clientes de Pangram. Sus integraciones con LMS se conectan directamente con Canvas, Moodle, Google Classroom y Brightspace. Un profesor puede ver un resultado de Pangram junto con la entrega de un estudiante sin salir de la plataforma que ya utiliza para calificar.

Los editores, los despachos de abogados y los equipos de RR. HH. usan Pangram por diferentes motivos: revisar manuscritos presentados, examinar documentos en un caso o filtrar materiales de candidatos. La API permite que cualquiera de estas organizaciones integre la detección de Pangram en sus propias herramientas internas. Las integraciones con Gmail y Google Docs permiten que una sola persona revise texto sin salir de su bandeja de entrada o de un documento.

Para un estudiante, esto suele significar que la puntuación de Pangram aparece dentro del mismo panel que tu profesor ya usa para las calificaciones y la retroalimentación. No es un informe separado que debas solicitar. Si tu centro ejecuta Pangram a través de un LMS, pregunta a tu profesor o a tu departamento qué puntuación se considera motivo de preocupación y qué sucede después.

Si un resultado de Pangram llega a señalar tu redacción, un registro de tu propio proceso de elaboración cuenta más que discutir la puntuación solo. Tratamos ese tema en publicaciones separadas sobre cómo crear un registro de tu proceso de redacción y los pasos para una apelación formal.

Si la IA ayudó a redactar parte de tu trabajo, nuestro humanizer de IA reescribe esa sección con tu propio estilo. Las citas, los términos técnicos y los números se mantienen exactamente tal como los escribiste, y la herramienta está diseñada para reducir las puntuaciones de IA en las secciones que toca.

Preguntas frecuentes

Q: ¿Pangram es preciso?

Pangram afirma que es más de 99% preciso, y cita estudios externos con resultados similares. Su propia ficha del modelo muestra una precisión menor en textos de menos de 50 palabras y en algunos idiomas distintos del inglés.

Q: ¿Cuál es la tasa de falsos positivos de Pangram?

La declaración de Preguntas frecuentes de Pangram indica una tasa global de aproximadamente 1 de cada 10.000. Su tarjeta de modelo Pangram 4 informa una cifra más específica de 0.0041%, es decir, aproximadamente 1 de cada 24.000, medida en 1.000.000 de documentos en inglés, y la tasa varía según el dominio y el idioma.

Q: ¿Cómo se compara Pangram con GPTZero?

Pangram afirma que su tasa de falsos positivos es de aproximadamente 1 de cada 10.000, y GPTZero afirma que es de alrededor de 1% en el benchmark RAID. Ambos tienen planes gratuitos y registro abierto. Cubrimos las cifras de GPTZero en nuestra reseña de precisión de GPTZero.

Q: ¿Cómo se compara Pangram con Turnitin?

Turnitin solo funciona mediante una cuenta de una escuela o un editor, mientras que cualquiera puede registrarse en Pangram directamente. Pangram cita una tasa de falsos positivos del 0.51% en escritura académica según el propio documento blanco de Turnitin y reporta una tasa más baja para sí misma.

Q: ¿Cómo se compara Pangram con Copyleaks?

Copyleaks indica que su tasa de falsos positivos es de aproximadamente 0.2%, y Pangram reporta una tasa menor para sí misma. Ambos ofrecen escaneos gratuitos, y cubrimos Copyleaks en ¿Copyleaks detecta IA?.

Q: ¿Cómo detecta Pangram la escritura de IA?

Pangram usa un modelo de aprendizaje profundo entrenado con texto humano y de IA. No utiliza perplejidad ni burstiness, las medidas en las que se basan muchos detectores más antiguos. Etiqueta cada segmento de un documento como Humano, AI-Assisted o AI-Generated y proporciona un nivel de confianza para el resultado.

Q: ¿El detector de IA de Pangram es gratuito para usar?

Sí, el plan gratuito no requiere método de pago y cubre el escaneo de 2,000 palabras de texto al día, además de 3 escaneos de imágenes. Los planes de pago comienzan en US$20 al mes con facturación anual por 300,000 palabras al mes y detección de plagio.

Q: ¿Pangram detecta texto que pasó por un humanizer?

Pangram dice que sí, y señala el estudio de Chicago Booth de 2025 como respaldo. Los detectores y los humanizers se actualizan a menudo, así que los resultados en texto humanizado pueden cambiar con el tiempo.

Q: ¿Qué encontró el estudio de la Universidad de Maryland sobre Pangram?

Un trabajo de 2025 de la Universidad de Maryland encontró que el modelo de Pangram con conocimiento de humanizer, Pangram Humanizers, fue el único detector automático que coincidió con un panel de cinco lectores humanos expertos. Ambos alcanzaron una tasa promedio de verdaderos positivos del 99.3% en 300 artículos de prueba. La tasa de falsos positivos de Pangram en esa prueba específica fue del 2.7%, muy por encima de la tasa de 1 de cada 10,000 que reporta a partir de sus evaluaciones más amplias.

Q: ¿Quién crea Pangram?

Pangram Labs es la empresa detrás de Pangram, fundada en Brooklyn, Nueva York en 2023 por ex investigadores de IA de Tesla y Google. La empresa también vende un verificador de plagio, un detector de imágenes de IA y acceso a API junto con su detector de texto.

Humanizer académico de IA

Reescribe borradores académicos con asistencia de IA con tu propio estilo de voz, dejando las citas, los términos técnicos y los números exactamente como los escribiste.