Explora los modelos y estilos detrás de historias como esta: cuenta gratis y galería al instante.
Explorar el catálogo
Pangram ha recaudado 9 millones de dólares en nueva financiación y ha publicado dos herramientas de detección — Pangram 4 para texto IA y un nuevo modelo de detección de imágenes IA en vista previa de investigación — que podrían redefinir cómo se identifica y señala el arte generado por IA en toda la web.
El producto principal de Pangram siempre ha sido la detección de texto, pero el modelo de imágenes es el anuncio más relevante para los creadores visuales. Según TechCrunch, el detector de imágenes de Pangram está diseñado para señalar contenido generado por IA incluso cuando ha sido ligeramente editado por un humano — lo que significa que un recorte rápido, un ajuste de color o un retoque pueden no ser suficientes para evadirlo. Es una afirmación técnica significativa que la vista previa de investigación deberá validar a escala.
Pangram 4, el modelo de texto actualizado, sigue la misma filosofía: detectar contenido sintético que ha sido ligeramente humanizado. Juntas, las dos herramientas posicionan a Pangram como una capa de detección integral para plataformas que necesitan auditar flujos de contenido mixtos de humanos e IA.
El detector de imágenes de Pangram señaló contenido generado por IA incluso después de una edición humana ligera, según la empresa.
Imagen: TechCrunch / TechCrunch AI
La ronda de financiación refleja un cambio real en el mercado. A medida que la generación de imágenes con IA se convierte en una parte estándar de los flujos de trabajo creativos — ya sea a través de plataformas dedicadas o herramientas integradas — la demanda posterior de procedencia y detección crece en paralelo. Las agencias de imágenes de stock, los editores de noticias, las redes sociales y las plataformas publicitarias están todas bajo presión para divulgar o restringir el contenido sintético, y la mayoría carece de las herramientas internas para hacerlo de manera confiable.
Para los creadores que generan imágenes con IA, este es el otro lado del mismo desarrollo de infraestructura. La misma ola de adopción que está expandiendo las posibilidades creativas también financia las herramientas que auditarán lo que se publica. Pangram apuesta a que la detección se convierta en una capa de cumplimiento estándar — no en un complemento opcional.
Los modelos de detección de Pangram están diseñados para funcionar tanto con contenido de texto como de imágenes a escala de plataforma.
Imagen: TechCrunch / TechCrunch AI
La afirmación específica de que Pangram puede detectar imágenes IA incluso después de una edición humana ligera merece tomarse en serio. Los modelos de detección entrenados en los artefactos que dejan los generadores basados en difusión y GAN — patrones de frecuencia sutiles, inconsistencias de textura y señales de composición — pueden sobrevivir a muchos pasos comunes de postprocesamiento. Un ajuste de color no borra las huellas digitales del espacio latente; un recorte no elimina la firma estadística del calendario de ruido de un modelo particular.
Esto tiene implicaciones directas para cualquiera que envíe trabajo asistido por IA a plataformas con requisitos de divulgación. Retocar ligeramente una imagen para hacerla pasar como obra humana puede volverse detectablemente confiable, no solo éticamente cuestionable. Los creadores interesados en comprender qué enfoques de generación dejan la huella detectable más pequeña harían bien en seguir de cerca los resultados de la vista previa de investigación de Pangram.
Las brechas de moderación de Hugging Face documentadas en reportajes recientes muestran qué ocurre cuando las plataformas dependen de la autodivulgación. Herramientas de detección como las de Pangram representan la alternativa automatizada — y dado el levantamiento de 9 millones de dólares, se está realizando una inversión seria en infraestructura para hacerlas lo suficientemente precisas como para implementarlas a escala.
El modelo de imágenes de Pangram todavía está en vista previa de investigación, lo que significa que los benchmarks de rendimiento sobre arte IA del mundo real — especialmente los resultados de los últimos modelos en el catálogo — aún no son públicos. Esos números, cuando lleguen, serán la verdadera prueba de si el detector puede mantenerse al ritmo de una calidad de generación que mejora cada pocos meses.
