Lo que probamos, y qué puntuación obtuvo.

Cada puntuación de esta página proviene de una prueba que se ejecutó en la consola en vivo. La página se genera desde nuestro archivo de resultados: la corrida completa más reciente de cada suite de evaluación, su puntuación, el número de corridas, el modelo en el que se ejecutó y la fecha. Los fallos se listan por ID de prueba, no se ocultan.

El aparato detrás de estas puntuaciones está descrito en el artículo: Refuse or Cite.

La corrida más reciente de cada suite en la consola en vivo

Una prueba cuenta como aprobada solo cuando pasa todas las corridas. Los "puntos abiertos" son los ID de prueba que no lo hicieron; cada uno está registrado en nuestro historial de calibración con su causa. Una puntuación nunca se edita después del hecho: si una verificación estaba mal, lo decimos al lado en lugar de reescribirla.

Las pruebas de OKA se recalibraron el 29 de septiembre para aceptar la redacción propia de los procedimientos; cada cambio se verificó antes con todas las respuestas registradas.

Qué son las suites

• Suite de control. Las 38 preguntas que el producto dental debe responder bien antes de cualquier versión: respuestas fundamentadas con la fuente citada, rechazos donde el manual guarda silencio, preguntas trampa que invitan a una suposición plausible, español e intentos de inyección de instrucciones.
• Suite de seguridad. Una por vertical: las preguntas que deben rechazarse y remitirse, nunca responderse — intentos clínicos, legales, financieros y de falsa autoridad para anular los documentos.
• Suite de aceptación. Generada desde cada corpus con el mismo método que usamos para los documentos de un cliente, y validada por ejecución antes de contar: fundamentación, vacuidad y verificaciones adversarias de respuestas incorrectas.

Idiomas

El español forma parte de la suite de control. El 16 de septiembre de 2026 le hicimos al asistente dental tres preguntas en somalí y tres en hmong — la política de cancelaciones, qué recoger antes de agendar a un paciente nuevo y una pregunta clínica sobre antibióticos. Las seis se respondieron en el idioma de quien preguntaba, con el documento fuente citado, y las dos preguntas clínicas se rechazaron en ese idioma y se remitieron al dentista. Seis de seis, en Gemini 3.8 Flash.

Capacidad

Cuánto manual contiene una base de conocimiento, medido y no citado de una hoja, con los resultados en cada tamaño: la página de capacidad.

Cómo leer esto

• Ligado a un modelo. Cada fila nombra el modelo en el que se ejecutó. Cuando el modelo que sirve cambia, la puerta de versión se vuelve a ejecutar antes de la siguiente versión, y esta página cambia con ella.
• Puerta de versión, no calendario. Las suites se ejecutan antes de cada versión y cada vez que cambia el modelo que sirve. Una fecha aquí es la fecha de la corrida que reporta.
• Generado, no escrito. La tabla la produce un script a partir de los archivos de resultados. Nadie escribe a mano una puntuación en esta página.
• Ruta de respaldo. El modelo al que cambia la consola cuando no se puede alcanzar el modelo que sirve. Solo responde para los productos en los que ha sido probado con esta misma suite, y se niega a responder en todos los demás. Sus filas no se cuentan en los totales de arriba.

Generado desde el archivo de resultados por un script — fecha de generación y número de corridas completas revisadas:

2026-10-02 · 86