¿Puede Pangram detectar el Argon del Gemini 4?

Gemini 4 Argon es el último modelo de IA de Google, lanzado el 13 de octubre de 2026. Google afirma que Gemini 4 Argon se ha diseñado para tareas complejas de varios pasos, más que para el chat, y que escribe de forma directa y recurre menos a expresiones evasivas que sus predecesores.

Con estos cambios en el estilo de redacción, ¿sigue Pangram detectándolo? Hemos probado el rendimiento de Pangram 4.1 con 2.341 ejemplos de entradas y hemos constatado que Pangram 4.1 clasificó 16 resultados de Gemini 4 Argon como «humanos», 7 como «mixtos» y 2.318 como «generados íntegramente por IA», alcanzando una precisión del 99,02 % en Gemini 4 Argon.

Para generar el conjunto de referencia, utilizamos 1.200 preguntas de primera ronda del conjunto de datos LMSYS-Chat-1M (Zheng et al., 2023). A continuación, las introdujimos en Gemini 4 Argon con niveles de razonamiento medio y alto, y procesamos el resultado con Pangram 4.1.

Resultados por categoría

En general, Gemini 4 Argon registró una tasa de falsos negativos del 1,28 % sobre un total de 1.174 respuestas en el nivel de razonamiento alto, y una tasa de falsos negativos del 0,69 % sobre un total de 1.167 respuestas en el nivel de razonamiento medio. En general, no se observó una diferencia significativa en la tasa de detección entre los niveles de razonamiento medio y alto (p = 0,21).

Razonamiento superior

Cuando se configuró el Argon de Gemini 4 en el nivel de razonamiento «alto», Pangram 4.1 clasificó 11 respuestas como humanas, 4 como mixtas y 1.159 como generadas íntegramente por IA, alcanzando una tasa de recuperación del 98,72 %.

Razonamiento medio

En el razonamiento de nivel medio, el Pangram 4.1 clasificó 5 respuestas como humanas, 3 como mixtas y 1.159 como generadas íntegramente por IA, alcanzando una tasa de recuperación del 99,31 %.

¿Cómo escribe el Gemini 4 Argon?

Google afirma que Gemini 4 Argon utiliza menos expresiones evasivas y se expresa de forma más directa. Para comprobarlo de forma aproximada, hemos analizado un conjunto de 101 palabras evasivas extraídas de Hyland (2005) y hemos comparado su frecuencia de aparición con la de Haiku (7,0 por cada 1.000 palabras) y la de GPT-6.1 Sol (7,5 por cada 1.000 palabras).

A continuación se muestra la lista de palabras de cobertura que hemos utilizado:

sobre, casi, aparente, aparentemente, parecer, parecía, parece, aproximadamente, argumentar, argumentó, argumenta, en torno a, suponer, supuso, en términos generales, cierta cantidad, cierta medida, cierto nivel, afirmar, afirmó, afirma, podría, no podría, dudar, dudoso, esencialmente, estimar, estimó, bastante, sentir, siente, sintió, con frecuencia, desde mi punto de vista, desde nuestro punto de vista, desde este punto de vista, en general, suponer, indicar, indicó, indica, en general, en la mayoría de los casos, en la mayoría de las ocasiones, en mi opinión, a mi juicio, desde este punto de vista, en nuestra opinión, desde nuestro punto de vista, en gran medida, probablemente, principalmente, puede, tal vez, podría, en su mayor parte, a menudo, en general, debería, quizás, plausible, de forma plausible, posible, posiblemente, postular, postuló, postula, presumible, presumiblemente, probable, probablemente, bastante, más bien x, relativamente, aproximadamente, parece, debería, a veces, en cierta medida, sugiere, sugirió, sugiere, supone, supuso, supone, sospecha, sospecha, tiende a, tendía a, tiende a, que yo sepa, típico, típicamente, incierto, inciertamente, poco claro, poco claramente, improbable, normalmente, haría, no haría

Gemini 4 Argon utilizó expresiones evasivas un 51 % menos que Haiku y un 54 % menos que Sol, calculado por cada 1.000 palabras. Curiosamente, aunque los modelos suelen utilizar palabras de matización con mucha más frecuencia que los humanos, Pangram 4.1 detecta esta lista de palabras como totalmente humana. Por diversión, también le pedí a ChatGPT que reorganizara esta lista en el orden que quisiera, y esa lista también fue detectada como totalmente humana.

Gemini 4 Argon ofreció las respuestas más largas de esos tres modelos, con una mediana de 447 palabras (razonamiento medio: 418 palabras; razonamiento alto: 447 palabras), frente a las 371 de Haiku y las 313 de Sol. Gemini también se negó a responder a 31 preguntas de las 2.400 solicitudes totales, además de 3 solicitudes que fueron bloqueadas por el filtro de Google, frente a las 35 negativas de Haiku y las 23 de Sol.

Pruebas de rendimiento anteriores

Pangram es resistente a Gemini 4 Argon en indicaciones de lenguaje natural y lo detecta con una precisión observada del 98,72 % en razonamiento alto. Detecta Gemini 4 Argon en razonamiento medio con una precisión observada del 99,31 %, lo que supone un total combinado de 2.318 de 2.341 (99,02 %) en ambos ajustes. Pangram es capaz de generalizarse a nuevos modelos porque las nuevas versiones suelen heredar gran parte del estilo y la voz de sus predecesores, por lo que no es necesario volver a entrenarlo con cada nuevo lanzamiento.

A continuación se muestra una comparación entre el Gemini 4 Argon y nuestros resultados de referencia de otros modelos de vanguardia recientes:

Si quieres consultar un documento concreto, puedes probar Pangram aquí.