Modelos de IA
Pangram Image 1.0 señala las zonas de una imagen que parecen generadas con IA
El detector añade análisis de vídeo con Flash. Comparativa publicada, mapa de zonas sospechosas, precios de la API y cómo usar sus resultados para revisar imágenes.
Una foto puede ser real y contener un elemento generado
Una fotografía de un restaurante puede incluir un cartel generado con IA. Marcar toda la foto como falsa oculta precisamente lo que conviene revisar. Pangram Image 1.0 devuelve un mapa de las zonas sospechosas para localizar ese elemento dentro de la imagen.
Pangram lanzó la versión 1.0 el 4 de noviembre de 2026 junto a Image Flash 1.0, orientado al análisis de vídeo. Ofrece acceso web, extensión de navegador y API. El interés está en dirigir la revisión hacia una región o un tramo concreto; el resultado sigue necesitando contexto.
Qué dice el mapa y qué deja por resolver
El detector puede analizar el contenido visual sin depender de una marca de agua. En la API, el mapa llega como una cuadrícula de puntuaciones con su separación en píxeles. Un área destacada señala dónde encuentra indicios, no cuánto de la fotografía es falso ni qué herramienta la creó.
Para un catálogo, usaría esa región para pedir el original del producto o revisar su edición. Un fondo sintético permitido y un producto inventado requieren decisiones distintas aunque ambos activen el detector. La política de publicación debe resolver esa diferencia.
La API también distingue resultados del modelo de los basados en procedencia C2PA validada. En estos últimos, la respuesta puede llegar sin puntuación, versión ni mapa. Conviene conservar el origen de la decisión en vez de convertir cualquier respuesta en un porcentaje de IA.
Pangram encabeza su comparación, con condiciones importantes
La gráfica publicada por Pangram sitúa Image 1.0 en 99,96 % de exactitud equilibrada. Esta métrica promedia el acierto al identificar imágenes sintéticas y al reconocer las reales. El conjunto contiene 1.200 imágenes generadas y 100 controles reales, con los metadatos retirados; contar solo el acierto total daría mucho más peso al primer grupo. Pangram usa un umbral de 0,5 y los otros detectores, sus veredictos o umbrales fijados.
En esa comparación, TruthScan queda segundo con 96,33 %. Los resultados son del fabricante y los de varios competidores corresponden a octubre de 2026. No es una clasificación independiente actualizada de todos los detectores. Tampoco prueba el mismo rendimiento ante cualquier generador nuevo: el conjunto incluye GPT Image 2.5, no GPT-Image-2.6.
El dato útil para adoptar la herramienta sería cuántas imágenes auténticas de tu catálogo señala por error y cuántas manipuladas deja pasar. Una cifra agregada alta no responde esas dos preguntas para otro tipo de contenido. Aquí no se ha ejecutado una prueba propia de Pangram.
| Detector | Exactitud equilibrada publicada |
|---|---|
| Pangram Image 1.0 | 99,96 % |
| TruthScan | 96,33 % |
| AI or Not | 91,38 % |
| Sightengine | 88,33 % |
| OmniAID Mirage v1 | 82,25 % |
| Winston AI v5 | 80,33 % |
| Community Forensics 384 | 63,00 % |
| RINE ProGAN 4-class | 52,79 % |
Vídeo por muestras y precios por unidad
En vídeo, la API toma hasta tres fotogramas por segundo y devuelve sus marcas de tiempo y segmentos. Admite MP4, MOV y WebM, con un máximo de 500 MiB y hasta 360 muestras. A tres muestras por segundo, el límite es de dos minutos. No examina necesariamente cada fotograma del archivo.
La tarifa publicada de la API es de 0,25 dólares por imagen con Image 1.0, 0,05 con Image Flash 1.0 y 0,05 por segundo de vídeo. Un minuto cuesta 3 dólares a esa tarifa; los segundos se redondean hacia arriba. Son precios de la API, separados de los cupos del panel web.
El anuncio reduce la resolución mínima de imagen a 256 × 256 píxeles, con aviso de menor confianza por debajo de 512. Una captura pequeña y recomprimida no conserva la misma información que el archivo original, aunque el servicio acepte analizarla.
Integrarlo como una cola de revisión
La API de imagen crea una tarea y hay que consultar su estado hasta que termine. Guardaría el identificador, la versión devuelta, el archivo analizado y la región señalada. Si la espera local se corta, continuaría consultando esa tarea: volver a enviarla puede generar otro cargo.
Antes de bloquear contenido automáticamente, probaría imágenes auténticas, generadas y mezcladas de la misma procedencia que las que vas a recibir. Incluiría copias comprimidas y registraría los errores por separado. El mapa ayuda a concentrar esa revisión; no demuestra por sí solo que una escena ocurrió ni que una persona intentó engañar.
Para un equipo editorial, empezaría por priorizar comprobaciones y conservar los originales. Esa función tiene valor incluso cuando la decisión final sigue en manos de una persona.