TL;DR:
- Pangram Labs cerró una ronda de 9 millones de dólares liderada por Menlo Ventures y lanzó el mismo día dos modelos: Pangram 4 para texto y Pangram Image para imágenes.
- La empresa reporta 41 falsos positivos en un millón de textos humanos en inglés (0.0041%, uno de cada 24,000) y 99.5% de acierto del modelo de imágenes en su banco de pruebas interno.
- La ficha técnica oficial muestra otra cara: en español el detector deja escapar uno de cada 113 textos de IA, contra uno de cada 294 en inglés.
Pangram Labs, la empresa de Nueva York dedicada a distinguir lo que escribió una persona de lo que escribió una máquina, levantó 9 millones de dólares en una ronda liderada por Menlo Ventures y aprovechó el 29 de julio de 2026 para soltar dos modelos: Pangram 4, su detector de texto, y Pangram Image, su primer detector de imágenes, todavía en vista previa de investigación. En la ronda también entraron Haystack, ScOp Venture Capital, Script Capital y Cadenza. Con ese dinero la compañía suma casi 13 millones levantados, después de los 2.7 millones que consiguió en junio de 2025, de acuerdo con SiliconANGLE.
Pangram 4 es un modelo clasificador que revisa un texto por segmentos y le asigna a cada uno tres etiquetas posibles: humano, asistido por IA o generado por IA. No busca marcas de agua ni metadatos ocultos, sino patrones de estilo. La empresa lo entrenó con textos humanos con licencia comercial y con "espejos sintéticos" de esos mismos documentos, es decir versiones escritas por un modelo de lenguaje sobre el mismo tema, extensión y tono.
Los números que la compañía publicó son fuertes. En su banco de pruebas en inglés, Pangram 4 marcó como IA solo 41 de un millón de textos humanos (0.0041%, uno de cada 24,000) y se le escapó el 0.3396% del texto generado por máquina, sobre 519,993 respuestas de 26 modelos distintos. Contra 13 humanizadores comerciales, esos programas que reescriben salidas de IA para esquivar detectores, dice identificar la mano de la máquina el 98.83% de las veces.
"El contenido totalmente generado por IA está en todas partes y buena parte no se declara", dijo Max Spero, cofundador y director ejecutivo de la empresa.
El 99.66% es la cifra del inglés: en español el número cambia
Ningún medio reportó esta parte, pero está publicada en la ficha del modelo. Pangram evalúa 24 idiomas, español incluido, y los resultados no son iguales:
- En textos humanos en español, el modelo marcó como IA el 0.0026%, aproximadamente uno de cada 38,000. Es mejor que el 0.0041% del inglés.
- En textos de IA en español, dejó pasar el 0.8867%, uno de cada 113. En inglés se le escapó uno de cada 294. La diferencia es de 2.6 veces.
- El promedio de los 18 idiomas evaluados es 1.24%. Arriba quedaron el checo (0.28%) y el italiano (0.34%); al fondo, el urdu (5.32%) y el persa (3.17%).
Hay una advertencia que la propia empresa deja por escrito: la evaluación multilingüe se armó con espejos sintéticos de artículos, noticias y reseñas originalmente en inglés, así que no es exactamente el mismo examen que aplicó al inglés.
Para quien revisa textos en Guadalajara, Madrid o Bogotá, esas dos cifras apuntan en direcciones distintas. Si el sistema señala un texto en español, la probabilidad de que sea una acusación injusta es incluso menor que en inglés. Pero si el sistema no señala nada, la tranquilidad vale menos: el hueco por donde se cuela la máquina es casi tres veces más ancho.
El detector de imágenes llega en vista previa y con límites escritos
Pangram Image detecta salidas de GPT Image de OpenAI, Nano Banana de Gemini, Midjourney, FLUX y Grok Imagine, además de cuadros de generadores de video como Kling, Seedance, Veo y Wan. En un banco interno de 1,130 imágenes, que incluyó 100 fotos del carrete del propio director de tecnología, la empresa reporta 99.5% de acierto frente a 98% del siguiente competidor comercial. Sobre 10,000 imágenes anteriores a 2022 del conjunto ReLAION, su tasa de falsas alarmas fue de 0.16%, una de cada 625, y con 2,000 obras de WikiArt no se equivocó ni una vez.
El argumento de por qué hace falta esto es directo: las marcas de agua no alcanzan. SynthID y las credenciales C2PA solo funcionan si la empresa que generó la imagen las incrusta, y existen herramientas que las borran.
Los límites también están declarados. El modelo no procesa imágenes de menos de 512 por 512 píxeles, no detecta con confianza deepfakes ni cambios de rostro, bloquea contenido marcado como sexual y su API está por invitación mientras dure la vista previa.
El negocio: 120,000 usuarios al mes y un cambio de precios
Según cifras publicadas por The New York Times y recogidas por The Decoder, los ingresos anuales de Pangram se multiplicaron por 35 en un año y sus usuarios mensuales pasaron de 2,700 en junio de 2025 a 120,000 en junio de 2026.
El acceso cuesta 20 dólares al mes en la web, con una extensión de Chrome que etiqueta publicaciones en X, LinkedIn, Substack, Reddit y Medium, informó TechCrunch. La API se reajustó a 0.05 dólares por cada 100 palabras, un alza que va de dos a diez veces según la extensión del documento, y ahora todos los planes incluyen escaneo de imágenes sin costo adicional. Pangram 3 seguirá disponible hasta el 30 de septiembre de 2026. Entre sus clientes de API están Quora, universidades, editoriales y reclutadores, y Substack integró la tecnología en su plataforma este mes. Sus competidores directos son Winston AI, Originality.ai, Copyleaks y GPTZero.
Un detector no es un veredicto, y la propia empresa lo escribe
La literatura sobre detección automática lleva años apuntando en contra. SiliconANGLE recuerda que MIT Sloan sostiene que estas herramientas no funcionan y que sus errores derivan en acusaciones falsas, que la Mozilla Foundation las encontró menos confiables de lo que prometen, que The Markup documentó su sesgo contra estudiantes cuyo idioma nativo no es el inglés y que la Universidad de Waterloo dejó de usar la función de detección de Turnitin.
Pangram responde a ese historial con un dato en su ficha: en el conjunto de Liang et al. (2023), armado con textos humanos de autores no nativos de inglés, no marcó ninguno. El detalle es que ese conjunto tiene 91 documentos. Con 91 casos no se puede confirmar ni desmentir una tasa de uno entre 24,000. Algo parecido pasa con el aval académico que presume Menlo Ventures: la auditoría del Becker Friedman Institute de la Universidad de Chicago se refiere a la tasa de uno entre 10,000, la de la generación anterior del detector.
Rebecca Bellan, de TechCrunch, probó el modelo antes del lanzamiento y su reporte es útil precisamente por lo que no salió redondo: el sistema atrapó sin problema artículos escritos por ChatGPT y Claude, resistió los intentos de disfrazarlos, pero también marcó como IA oraciones que ella había reescrito por completo, y en una ocasión etiquetó como humana la foto de una imagen generada con IA.
La empresa además pone condiciones de uso que conviene leer antes de tomar cualquier decisión: el texto debe tener al menos 50 palabras y estar escrito en oraciones completas. Quedan fuera de su alcance las respuestas cortas, el código, los índices, los manuales técnicos y el contenido con mucha notación matemática. Y recomienda analizar texto plano o archivos .docx antes que PDF, porque la conversión mete ruido.
Preguntas rápidas sobre Pangram y los detectores de IA
¿Pangram funciona en español?
Sí. El español es uno de los 24 idiomas que la ficha oficial del modelo lista como soportados. En su evaluación interna, Pangram 4 marcó erróneamente como IA el 0.0026% de los textos humanos en español y dejó sin detectar el 0.8867% de los textos generados por máquina.
¿Cuánto cuesta usar Pangram?
La suscripción web cuesta 20 dólares al mes, según TechCrunch, e incluye la extensión de Chrome. La API se cobra a 0.05 dólares por cada 100 palabras y todos los planes ya traen escaneo de imágenes sin aumento de precio. La versión Pangram 3 se retira el 30 de septiembre de 2026.
¿Un detector de IA sirve como prueba de que alguien copió?
No por sí solo. La propia ficha de Pangram admite que el modelo tiene una tasa de error distinta de cero y que las acusaciones falsas causan daño. MIT Sloan considera que estas herramientas no funcionan como evidencia y la Universidad de Waterloo retiró la detección de IA de Turnitin de sus sistemas.
Spero fue explícito sobre por qué cree que el mercado va a crecer, aunque su tecnología viva de un problema que nadie sabe cómo cerrar.
"Estamos consiguiendo GPUs nuevas más rápido de lo que nacen personas nuevas", dijo a TechCrunch.
Para quien escribe en español, el saldo del día es medible y no del todo tranquilizador: un detector que en su propio examen acusa menos que en inglés y también detecta menos. La decisión sobre qué hacer con un texto marcado sigue siendo de una persona, que es exactamente lo que Pangram dejó escrito en la ficha de su modelo.
