AI Humanizer Benchmark

AI Humanizer Benchmark es un proyecto de pruebas público que intenta responder con números a una pregunta sencilla: ¿qué humanizadores de IA superan realmente a los detectores de IA sin arruinar el texto? Cada mes, diez humanizadores populares se enfrentan al mismo conjunto de textos recién generados, que abarcan ensayos, correos, entradas de blog y otros tipos de escritura. Los textos se bloquean antes de que ningún humanizador los vea, y cada herramienta trabaja con sus ajustes predeterminados, no con una configuración adaptada al test.

Los resultados no dependen de un solo detector. Cada reescritura la puntúan siete detectores comerciales y la mediana entre ellos se convierte en el resultado de evasión, de modo que ningún detector puede dominar la clasificación. Además de la tasa de evasión, el benchmark evalúa la preservación del significado con similitud semántica respecto al original y la legibilidad con la valoración de un modelo de lenguaje, y luego aplica penalizaciones por problemas como deriva de significado, inflación de longitud, rechazos o salidas que volvieron prácticamente sin cambios.

Lo que distingue a este proyecto es su transparencia. Cada prompt, salida, veredicto de detector y el propio código de puntuación se publican en GitHub de forma permanente, y el sitio ofrece clasificaciones reponderadas para preguntas más concretas, como el mejor humanizador para estudiantes, para textos de marketing o contra un único detector como GPTZero. El equipo también desarrolla UndetectedGPT, que aparece en la clasificación; precisamente por eso se hacen públicos los datos brutos, para que los lectores puedan verificar y recalcular las cifras por sí mismos.