✨︎ Resumen (TL;DR):
- Pangram Labs cerró una ronda de financiamiento por 9 millones de dólares liderada por Menlo Ventures para frenar el contenido sintético no declarado.
- La startup lanzó el detector de texto Pangram 4 y el modelo experimental Pangram Image, que promete un 99.5% de efectividad en imágenes.
- Las pruebas en español revelan menor precisión: el sistema deja pasar casi tres veces más textos generados por inteligencia artificial que en inglés.
La startup neoyorquina Pangram Labs levantó 9 millones de dólares en una ronda de inversión liderada por Menlo Ventures para acelerar sus sistemas de detección de contenido sintético. La inyección de capital coincide con el lanzamiento global de Pangram 4, su nuevo detector de texto, y la fase experimental de Pangram Image, su primer modelo especializado en identificar imágenes creadas por computadora.
Pangram 4 es un clasificador de texto que analiza fragmentos escritos para etiquetarlos como humanos, asistidos por IA o generados por máquina.
La empresa sumó este financiamiento a los 2.7 millones de dólares que obtuvo en junio de 2025, acumulando casi 13 millones de dólares de capital de riesgo con el apoyo de firmas como Haystack, ScOp Venture Capital, Script Capital y Cadenza.
Max Spero, cofundador y CEO de la startup, justificó el desarrollo de la tecnología ante el crecimiento de la automatización: “El contenido totalmente generado por IA está en todas partes y buena parte no se declara”.
El rendimiento en español muestra una brecha frente al inglés
Aunque los desarrolladores promueven una efectividad sobresaliente, el análisis técnico detallado por la propia empresa revela un desempeño desigual según el idioma.
En las pruebas en inglés, el detector arrojó falsos positivos en apenas el 0.0041% de los casos (un error por cada 24,000 textos humanos). Sin embargo, al evaluar textos creados por IA, dejó escapar el 0.3396% (uno de cada 294 textos).
Para el español, el escenario cambia:
- El margen de error al analizar textos humanos disminuye al 0.0026% (uno de cada 38,000 textos es señalado falsamente como IA).
- La capacidad de detección de textos generados por máquinas cae notablemente, dejando pasar el 0.8867% (uno de cada 113 textos de IA se cuela sin ser detectado).
Esta diferencia de 2.6 veces significa que, aunque la herramienta comete menos acusaciones falsas en español, su filtro es mucho más permisivo para dejar pasar textos creados por algoritmos.
Pangram Image: límites del nuevo detector visual
El modelo Pangram Image busca resolver las fallas de las marcas de agua tradicionales como SynthID o el estándar C2PA, las cuales pueden ser eliminadas con facilidad de los archivos de imagen o video.
Esta nueva herramienta es capaz de identificar imágenes de generadores como GPT Image, Gemini, Midjourney, FLUX o Grok, además de videos sintéticos creados por Kling, Veo o Wan. En pruebas internas de 1,130 imágenes, la empresa registró un 99.5% de acierto frente al 98% de sus competidores directos.
No obstante, el detector visual cuenta con restricciones operativas estrictas: no procesa imágenes menores a 512 por 512 píxeles, bloquea contenido explícito o de carácter sexual, no detecta con precisión deepfakes de rostros y mantiene su API cerrada bajo invitación.
Suscripciones, usuarios y la confiabilidad real del sector
Pangram consolidó un crecimiento acelerado al pasar de 2,700 usuarios mensuales en junio de 2025 a más de 120,000 en junio de 2026. Sus ingresos anuales se multiplicaron por 35 durante este periodo.
La suscripción web tiene un precio de 20 dólares al mes e incluye una extensión para navegadores que evalúa contenido directamente en plataformas como X, LinkedIn o Substack. El costo de la API aumentó a 0.05 dólares por cada 100 palabras, un incremento que ahora incluye el escaneo de imágenes sin tarifas adicionales.
Instituciones académicas como la Universidad de Waterloo y centros de investigación como MIT Sloan cuestionan la validez de estas plataformas, argumentando que sus errores derivan en acusaciones injustas. Pruebas de campo de periodistas de tecnología confirmaron que el sistema llegó a etiquetar como hechos por IA algunos fragmentos reescritos a mano.
La empresa advierte en su documentación técnica que el texto a evaluar debe tener al menos 50 palabras y estructurarse en oraciones completas, quedando fuera de rango códigos de programación o manuales técnicos. Spero concluyó de forma directa sobre la tendencia actual: “Estamos consiguiendo GPUs nuevas más rápido de lo que nacen personas nuevas”.
