Tres modelos de IA coinciden en que su código es seguro. Eso parece tres confirmaciones; puede ser un solo error, contado tres veces. Esta guía en lenguaje llano explica por qué modelos de proveedores distintos pueden, aun así, fallar del mismo modo, cuándo la coincidencia entre ellos cuenta como evidencia y qué comprobar en su lugar.
Acompaña a Agentic Stemmatics: Collation, Provenance, and Conservation for an Emerging Machine Textual Tradition (Soons, 2026, v1.35; doi:10.5281/zenodo.22030516 (el DOI de concepto: un DOI que siempre resuelve a la última versión depositada); último depósito v1.35, depositado el 25 de septiembre de 2026, DOI de versión 10.5281/zenodo.22959463)
¿Va a encargar una revisión? Empiece por la Parte 6, sobre lo que un cliente puede, y no puede, inferir; las demás partes dan el razonamiento que hay detrás.
Este documento es la vía de acceso: una exposición más breve y más llana del mismo argumento, escrita para que el lector pueda orientarse antes de abordar el propio artículo; o en lugar de abordarlo, si lo que necesita es la forma de la idea y no su defensa completa.
Qué se afirma realmente. Lo que está en cuestión (aquello de lo que trata todo el artículo) es si se puede confiar en el veredicto de un modelo de IA por su sola palabra, sin ejecutar nada, del modo en que un historiador trata el relato que un documento da de un acontecimiento que ninguna persona viva presenció; no simplemente creído, sino sopesado, contrastado y atribuido. Esa es la pregunta abierta. Todavía no tiene respuesta. Es más estrecha y más difícil que lo que se concede como real: los ingenieros a veces llegan a saber, a posteriori, si el veredicto de un modelo de IA sobre un fragmento de código era correcto, ejecutando el test, ejecutando el código o contrastándolo con lo que una especificación dice realmente (lo cual zanja lo que dice la especificación, y no si la propia especificación es correcta, ni si se sostiene la afirmación sobre el mundo que subyace al veredicto); algo que a veces sí ocurre, no una capacidad permanente que cualquiera pueda dar por supuesta a demanda. Si alguna respuesta a ella sería lo bastante fiable como para venderse es una cuestión aparte, más difícil aún, que el artículo declina expresamente abordar: dice claramente que esto no se ha medido, y que su autor tiene un interés económico en la respuesta, que el artículo declara en lugar de ocultarlo.
La regla a la que está sujeto este documento. Esto es una introducción, no un resumen: intenta llevarle al punto en que usted mismo podría llegar a las conclusiones. Está sujeto a la misma regla que los Prolegomena (un documento complementario más extenso, aún no publicado; véase la Parte 7): no puede decir nada que el artículo no diga. Donde una frase de aquí es más sencilla que la del artículo, ese es el sentido de escribirla. Donde una frase de aquí es más fuerte (donde afirma más de lo que afirma el artículo), eso es un defecto de este documento, no un descubrimiento sobre la práctica (la práctica es CounterProof, que vende revisiones con el método del artículo); donde este documento y el artículo discrepen, fíese del artículo. Cualquier cosa de aquí que suene a promesa puede contrastarse con el propio §13 del artículo, que dice claramente qué se afirma y qué se rechaza.
Cada palabra prestada está en préstamo. El artículo recurre al vocabulario de un campo antiguo y sin relación con este: el estudio de cómo se copian los manuscritos escritos a mano, cómo se copian mal y cómo acaban reconstruyéndolos los estudiosos siglos después (la palabra del título del artículo, stemmatics, «estemática», nombra la parte de ese estudio que toma prestada; véase la Parte 3). Ese préstamo no es decoración: el problema de averiguar en cuál de varias copias corrompidas confiar tiene detrás una disciplina formal preexistente. Este documento usa ese vocabulario solo donde se gana su sitio, y cada término se explica con sencillez la primera vez que aparece.
Un programa informático normal puede, en principio, leerse línea a línea: su comportamiento se sigue de su texto, y un lector lo bastante paciente puede seguir la causa hasta el efecto. La salida de un modelo de lenguaje no funciona así, y no porque sea complicada, del modo en que es complicada una base de código grande: la salida no es en absoluto una derivación paso a paso. Es una afirmación: este código es correcto, aquí no existe ninguna vulnerabilidad, estos tests pasan. El aplomo, la fluidez y la coherencia interna no le dicen de forma fiable si la afirmación está justificada.
El hecho estructural del que se sigue todo lo demás en este documento: el mismo mecanismo que produce una respuesta bien fundada produce también una sin fundamento. Hay investigación en curso sobre si alguna señal interna del modelo podría, en principio, distinguir ambas; y los primeros resultados sugieren que incluso la explicación escrita que un modelo da de su propio razonamiento puede divergir del cómputo real que produjo su respuesta, lo cual es en sí mismo un motivo de cautela. Pero esa pregunta de investigación no está al alcance de quien usa el modelo en el día a día. Por la fluidez de la respuesta o por el relato que da de sí misma, un lector no puede distinguir de forma fiable los dos casos, y aun así hay que tomar una decisión.
Así que: trate la salida de una IA como un tribunal o un historiador trata el testimonio de un testigo; algo que hay que sopesar, contrastar y atribuir, en lo que nunca se confía por la forma en que se presenta, y que nunca se promedia sin más con otros testimonios como si la coincidencia por sí sola zanjara algo.
Una corrección, hecha pronto porque todo lo demás depende de ella: de lo que conviene desconfiar no es de una salida aislada; es de toda la tendencia del modelo que la produjo. Haga la misma pregunta dos veces al mismo modelo y puede obtener dos respuestas distintas. Esa inestabilidad se ha observado de manera informal en el propio trabajo de esta práctica, pero no se ofrece aquí como una tasa medida: no se afirma ninguna cifra. El punto cualitativo basta por sí solo para obligar a una corrección: cualquier respuesta individual es una extracción de una distribución de respuestas posibles que un modelo dado tiende a producir. Esto tiene una consecuencia incómoda que el artículo acepta por completo: incluso un hallazgo que señala un problema grave es, en sí mismo, una extracción; una afirmación que todavía espera ser contrastada con el código real, no un veredicto solo porque suene alarmante. El coste de comprobarlo tiene que tasarse, no darse por gratuito.
Dos clases de preguntas. Algunas preguntas sobre un fragmento de código tienen disponible una respuesta mecánica: ejecutarlo, comprobar sus tipos, someterlo a tests, demostrarlo o consultar lo que una especificación dice realmente. Llamémoslas preguntas decidibles: no en el sentido matemático estricto de la teoría de la computabilidad, solo en el sentido práctico de que alguna comprobación mecánica la zanja. Para ellas no hace falta un panel de opiniones de IA. Hace falta ejecutar la cosa.
Otras preguntas no tienen disponible ninguna comprobación mecánica de ese tipo: si este diseño es sólido, si esto es un defecto real cuando nadie puede reproducirlo, cuán grave es esto en realidad, qué significa esta cláusula del contrato. Llamémoslas preguntas de juicio. No hay nada que, al ejecutarse, las zanje: un veredicto tiene que construirse a partir de testimonio.
La asimetría importa. Para una pregunta decidible hay un único hecho objetivo, y la comprobación mecánica llega a él. Para una pregunta de juicio puede no haber en absoluto ninguna respuesta correcta única hacia la que converger: la calidad del código es a menudo, genuinamente, una cuestión de qué especificación se tiene en la mano, y dos revisores que discrepan pueden estar respondiendo simplemente a dos preguntas distintas, ambas legítimas, en lugar de estar uno de ellos corrompido.
La pregunta que todo este programa de investigación existe para responder, en una frase:
¿Cómo se puede obtener un veredicto fiable a partir de varios testimonios, cuando ninguno de ellos es fiable por sí solo, y usted no sabe si son realmente independientes entre sí o si todos cometen el mismo error por la misma razón?
Eso se divide en tres subpreguntas:
El artículo llama colación a comparar entre sí las respuestas de varios revisores de IA para averiguar en cuáles confiar (véase el Glosario: Colación).
Una respuesta obvia es hacer la misma pregunta a varios modelos y quedarse con lo que diga la mayoría. La coincidencia puede reforzar una afirmación cuando se ha evaluado la dependencia pertinente entre los revisores. El artículo no establece una regla completa sobre cuándo es fiable la votación por mayoría.
Por qué esto no es una preocupación teórica (las cifras reales). En más de 350 modelos evaluados en dos clasificaciones públicas y una tarea de cribado, cuando dos modelos se equivocan los dos, caen en la misma respuesta errónea con mucha más frecuencia de lo que predeciría el azar: de media, el 60 % de las veces en una clasificación y el 42 % en la otra. En todo el estudio se incluyen pares de empresas distintas; el modelo del estudio atribuye más parte de la coincidencia a la capacidad que al proveedor compartido en una clasificación, lo contrario en la otra, y la mayor parte a ninguno de los dos: y no informa de ningún análisis limitado a pares de empresas distintas. Y los modelos más capaces cometen errores más correlacionados, no menos (Kim, Garg, Peng y Garg, ICML 2025). Si la capacidad impulsa esa correlación entre empresas al igual que dentro de ellas, infiere el artículo, entonces un grupo de modelos más capaces de empresas distintas comete errores más correlacionados que un grupo comparable de modelos más débiles, sea cual sea la aportación de la propia mezcla de empresas. No se ha medido si esto está cambiando con el tiempo: el hallazgo es una instantánea, no una tendencia.
Dos posturas que tienen razón a medias. Un bando dice que la coincidencia entre varios revisores es evidencia significativa; sin ella, revisar la salida de IA sería una causa perdida, ya que todo revisor individual es, como se admite, poco fiable y no hay un recurso mejor disponible. El otro bando dice que la coincidencia no vale nada: que varios revisores converjan en la misma respuesta es exactamente lo que cabría esperar si comparten una causa común (datos de entrenamiento que se solapan, métodos de entrenamiento parecidos, un número reducido de familias de modelos subyacentes).
La independencia tiene que tratarse como algo que se mide, no como algo que se supone: y tiene que medirse por separado para cada clase de pregunta que se plantea. Dos sistemas de IA pueden ser casi independientes entre sí en preguntas sobre errores de seguridad de la memoria y, en la práctica, ser un único testimonio bajo dos nombres en preguntas sobre el diseño de protocolos criptográficos. Las etiquetas de proveedor por sí solas no establecen cuán dependientes son los errores de los revisores en ninguna de las dos clases de pregunta. Planteados como dos bandos opuestos (un recurso escénico, no la afirmación de que esas sean las dos únicas posturas reales, ni de que alguien las sostenga de forma tan nítida), ambos lados comparten un supuesto falso: que «independiente» es algo que un proceso de revisión tiene o no tiene, decidido en el momento en que se reúne el panel. Lo que aquí se resuelve es ese supuesto compartido, no el problema práctico más profundo que hay debajo. Ambos bandos tienen razón bajo una condición: la coincidencia puede reforzar una afirmación cuando se ha evaluado la dependencia pertinente entre los revisores. La coincidencia entre revisores cuya correlación no se ha medido es una lectura de un instrumento del que nadie ha comprobado que funcione.
Incluso sobre esta solución pesan dos límites, ambos del propio artículo. Primero, el instrumento que haría esa medición (registrar, por clase de pregunta, con qué frecuencia dos revisores cometen el mismo error, y cuán alejados están sus hábitos) se ha propuesto pero no se ha construido. Segundo, la independencia nunca puede verificarse por completo desde dentro del panel que la usa. Medirla reduce la incertidumbre. Nada la elimina por completo. Es un límite permanente que el artículo arrastra para siempre, no una salvedad que se resolverá más adelante.
Así que, dicho con cuidado: la votación por mayoría es insegura precisamente donde la independencia de los revisores no se ha medido o se sabe que está fallando, y por dos razones distintas. Primera, la coincidencia correlacionada se cuenta como si fuera confirmación, cuando en realidad es el mismo error que aparece varias veces. Segunda, los umbrales de votación simples descartan las opiniones minoritarias justo en los casos en que la mayoría correlacionada comparte un punto ciego: aunque este segundo punto es una inferencia razonada del propio artículo a partir del primero, no algo que ninguno de los dos estudios subyacentes haya medido directamente.
Es una afirmación condicional, no un rechazo general de la votación. Hay un argumento real y serio a favor de votar en el contexto adecuado (precisión, evitar la fatiga por falsas alarmas, triaje barato de primera pasada a escala, ganancias estadísticas genuinas cuando la independencia realmente se cumple), y los propios revisores del artículo plantearon exactamente ese argumento; el artículo reconoce que quedó sin abordar, en lugar de esquivar la laguna. Un estudio en preprint (aún no revisado por pares) halló que el voto por mayoría superaba al mejor modelo individual, elegido a posteriori, en aproximadamente el 10 % de los grupos de tres modelos en un banco de pruebas concreto (MMLU-Pro), y en aproximadamente el 19 % cuando el mejor modelo se elegía con preguntas reservadas; su autor describe el vínculo entre más error compartido y menor ganancia como modesto y dependiente de la configuración. Donde el objetivo es un triaje rápido bajo fatiga de alertas, y no reconstruir lo que es objetivamente cierto, la votación es una herramienta legítima. Lo que se objeta es presentar un atajo de triaje como si fuera un procedimiento para hallar la verdad.
Tampoco se sigue que quien discrepa de la mayoría tenga razón. Un borrador anterior del artículo cometió ese error (un razonamiento que parecía pulcro pero que en realidad era circular) y tuvo que retractarse. Lo que se sigue es solo esto: con mayorías correlacionadas, un proceso que conserva e investiga la discrepancia es el único tipo de proceso que puede llegar a recuperar un hallazgo verdadero en minoría. Discrepar no otorga por sí solo a un hallazgo ninguna credibilidad especial: solo mantiene vivo el hallazgo el tiempo suficiente para que se compruebe.
Sobre la discrepancia. Una postura dice que a un revisor discrepante hay que investigarlo siempre, o una mayoría correlacionada nunca se corrige y se pierde todo el sentido de usar varios revisores. La otra dice que a un revisor discrepante hay que descontarlo, o cualquier revisor obstinado o comprometido obtiene un veto efectivo, y el proceso se convierte en un ataque de denegación de servicio contra sí mismo. Así que la discrepancia no debe creerse automáticamente ni descontarse automáticamente: debe encaminarse a una comprobación mecánica allí donde exista. Una opinión discrepante no es autoridad sino una solicitud de evidencia, y la respuesta correcta es ejecutar el test, leer la especificación, ejecutar el código, no celebrar una segunda votación. Donde no existe comprobación mecánica, esta respuesta es incompleta, y el artículo lo dice: no hay ninguna regla de desempate para las disputas que no pueden zanjarse mecánicamente, ni ningún modelo de costes; solo el requisito de que el coste de perseguir cada discrepancia se tase honestamente en lugar de darse por gratuito. Quien lea «encaminarlo a la evidencia» como un procedimiento terminado ha confundido un requisito con una implementación.
Este enfoque cuesta algo real, y el artículo declara el coste en lugar de ocultarlo. Cuatro revisiones del propio diseño del artículo encargadas por separado («encargadas por separado» porque es un hecho sobre cómo se obtuvieron los revisores, no una afirmación medida de que llegaran a sus conclusiones de forma independiente) convergieron, sin que se les indicara, en las mismas críticas: en la práctica otorga poder de veto a un revisor obstinado; no tiene ningún límite incorporado a cuántas falsas alarmas puede generar; premia el exceso de señalamientos, ya que un hallazgo que no puede ser derrotado en una votación simplemente se planteará más a menudo; y pone la autoridad final en manos de un único decisor humano que no es examinado a su vez y que, en el caso de esta práctica, es alguien con un interés económico declarado en el resultado. Así que el artículo dice claramente que este enfoque solo funciona en un contexto estrecho: revisión de bajo volumen y alto riesgo, donde hay comprobaciones mecánicas disponibles y los paneles se mantienen pequeños. No escala al cribado de alto volumen, y no se ofrece como si lo hiciera. Usado donde los hallazgos minoritarios verdaderos son raros y el ruido es alto (un contexto de baja prevalencia y alto ruido), se convierte en una máquina de falsos positivos.
Entonces: ¿cómo es posible en realidad una colación fiable? La respuesta real es condicional, y más estrecha de lo que podría parecer al principio. Tiene dos partes separadas:
Primera parte: la coincidencia. La coincidencia entre revisores puede reforzar una afirmación allí donde realmente se ha evaluado su dependencia en esa clase concreta de pregunta. El artículo no ofrece una regla completa sobre cuándo es fiable la votación.
Segunda parte: reconstruir una única respuesta «verdadera». Esta es una afirmación distinta y más restringida: el lenguaje sobre recuperar una única verdad de referencia definitiva solo se aplica a las preguntas decidibles, donde existe una comprobación mecánica que, de todos modos, prevalece sobre cualquier panel. Para las preguntas de juicio, un panel de revisores recoge una muestra de opiniones: no recupera un hecho original perdido, porque para muchas preguntas de juicio puede no haber ningún hecho único que recuperar. Llamar a eso «reconstrucción» es la extralimitación que cometió un borrador anterior del artículo y que después retiró.
Hoy, la primera parte no se cumple: la medición que le diría si la independencia se cumple realmente aún no se ha construido. Eso basta por sí solo para zanjar la conclusión práctica: el artículo no respalda actualmente ningún veredicto que descanse solo en testimonio; no porque la coincidencia esté restringida únicamente a las preguntas decidibles (no lo está), sino porque la evaluación propuesta de la dependencia entre revisores no se ha implementado, y el artículo no ha establecido una justificación basada solo en testimonio. Y la reconstrucción nunca fue una segunda vía hacia el mismo destino: donde existe una comprobación mecánica, la justificación (lo que autoriza a creer un veredicto) siempre venía de esa comprobación, no del panel; donde no existe ninguna comprobación mecánica, el artículo retira la afirmación más fuerte en lugar de prometer una capacidad que no ha construido.
De ahí se siguen dos consecuencias. Primera: no se afirma que exista ningún dominio en el que el testimonio por sí solo sea justificación suficiente, y tampoco se muestra que no haya ninguno. La pregunta sigue abierta, exactamente donde la deja la medición de independencia aún no construida.
Segunda: mientras tanto, los veredictos se cierran como esta práctica los cierra realmente hoy (Parte 6); lo que la colación entrega es lo que se diseñó para entregar: un triaje barato, continuo y de amplia cobertura que indica a una comprobación más cuidadosa y cara dónde concentrarse (propuesto, y aún no ejecutado ni demostrado a escala real: una limitación práctica aparte, no otra condición incumplida que se interponga en el camino de una justificación basada solo en testimonio), junto con un registro: hallazgos encaminados a comprobaciones mecánicas donde es posible, discrepancias conservadas en lugar de descartadas, y las decisiones de juicio restantes tomadas por una persona con nombre. Si un experimento futuro planificado llegara a producir un caso en que la colación, por sí sola, entregue un veredicto justificado, ese sería el primer ejemplo real de respuesta a la pregunta abierta de más arriba: hasta entonces, cualquier ejemplo así es solo una promesa, no un resultado.
Y por encima de todo esto hay un techo infranqueable. Todo el método solo puede elegir entre hallazgos que algún revisor haya planteado realmente. No puede sacar a la luz un defecto que todos y cada uno de los revisores pasaron por alto. Si todos los modelos comparten el mismo punto ciego y ninguno discrepa, el método es estructuralmente ciego a él: por construcción, no por mala suerte. Remediar eso corresponde a una caja de herramientas enteramente distinta (investigación de interpretabilidad sobre los propios modelos, o una comprobación mecánica que lo detecte directamente), y este programa no llega hasta ahí.
La Parte 2 terminó con un requisito (la independencia medida) que la propia Parte 2 no puede satisfacer. La correlación de errores de los revisores puede medirse directamente, tarea por tarea; saber cómo están emparentados dos revisores ayuda a explicarla. Los estudiosos de los manuscritos escritos a mano se enfrentaron exactamente a este problema y construyeron un método formal para él: reconstruir el árbol genealógico de las copias (el árbol se llama estema y el método estemática, en inglés stemmatics, la palabra del título del artículo; agentic stemmatics es el nombre que el artículo propone para hacer el trabajo análogo con modelos de IA), e interpretar la coincidencia entre dos copias a la luz del lugar que ocupan en ese árbol, no solo contando cuántas copias coinciden.
El motor de ese método, y la condición que siempre llevó aparejada. El método clásico funciona con un tipo concreto de indicio: un error compartido tan arbitrario que sería improbable que dos copistas independientes cayeran en él por coincidencia; lo que significa que el error compartido se explica mejor porque ambas copias descienden de una fuente común ya defectuosa.
Esa condición formó parte del método desde el principio, aunque aplicarla dependía del juicio del estudioso. Los errores fáciles y obvios (simples deslices, «correcciones» naturales hacia una formulación más común, modernizaciones corrientes) se excluyen expresamente, precisamente porque los copistas independientes tienden a cometer esos mismos errores fáciles por su cuenta. Solo un error genuinamente improbable de surgir por coincidencia aporta información real sobre una ascendencia compartida. La biología tiene el mismo problema con otro nombre: la convergencia, en la que dos especies no emparentadas desarrollan de forma independiente un rasgo parecido, frente a la herencia compartida genuina, en la que comparten el rasgo porque comparten un antepasado.
El error que cometió un borrador anterior. Una versión anterior del artículo afirmaba que los errores compartidos entre modelos de IA son evidencia de un linaje de entrenamiento compartido. Era incorrecto, y los revisores que lo señalaron tenían razón: dos modelos entrenados con datos que se solapan y con objetivos parecidos pueden llegar a la misma respuesta plausible pero errónea sin que ninguno copie al otro. La explicación habitual, que la respuesta errónea es sencillamente el error más fácil y más probable dado cómo se entrenaron ambos, es la hipótesis de trabajo y no una causa medida (véase Atractor en el glosario). Aplicada a los modelos de IA, la propia regla de exclusión de los estudiosos de manuscritos, tal como el artículo propone usarla, da peso genealógico a un error compartido por modelos solo cuando su aparición independiente sería improbable, ya sea por sí solo o junto con otros rasgos compartidos. Los errores compartidos por modelos son comunes, pero los estudios que el artículo considera no establecen cuántos son el equivalente en IA del «desliz fácil» y no del error raro y revelador.
Esa corrección es a su vez un ejemplo del problema de convergencia frente a herencia que ambos campos de origen (la crítica textual y la biología) ya tratan como su dificultad central. El artículo señala el paralelismo y después declina tratarlo como un apoyo para sí mismo (véase la Parte 4, «Una advertencia sobre creer demasiado fácilmente en el propio marco»). Se recoge aquí como evidencia de que el marco se mantiene internamente coherente, nada más fuerte.
Dónde vive de verdad la señal real. Los modelos tienen hábitos estables en la elección de palabras, la estructura y el formato. El estudio informa de un 97,1 % de exactitud al distinguir cinco sistemas e informa también de robustez frente a la paráfrasis (Sun et al., ICML 2025).
Pero esa cifra mide lo bien que se pueden distinguir los modelos entre sí; no mide cuán improbable es que un hábito concreto surja por coincidencia, y solo lo segundo autoriza una inferencia sobre ascendencia compartida. Al menos un ejemplo bien conocido de hábito de un modelo no supera claramente esa prueba: varios modelos de IA publicados después de 2022 abusan de un pequeño conjunto de palabras (como el inglés «delve»); y la misma sobrerrepresentación aparece en la escritura científica humana. Para el patrón de los modelos, un enfoque de entrenamiento compartido es una explicación candidata, no una causa establecida. Sea cual sea la causa, un hábito compartido como este no es evidencia de que un modelo descienda de otro: podría venir de la coincidencia, de una manera compartida de construir modelos o de la herencia, y el hábito por sí solo no muestra cuál.
Así que la señal útil se divide en dos canales que se ganan la confianza por motivos distintos.
Los marcadores diseñados (normalmente llamados marcas de agua) son el caso limpio. Un marcador estadístico implantado deliberadamente en las salidas de un modelo «maestro», y encontrado después en un modelo «alumno» entrenado con las salidas de ese maestro, de las que solo una fracción iba marcada, es, por diseño, improbable que surja de forma independiente, y este tipo de herencia se ha demostrado realmente de forma experimental (Sander et al., NeurIPS 2024: detectable cuando tan solo el 5 % de las instrucciones de ajuste fino generadas por el maestro llevaban el marcador, siendo el resto salida sin marcar del mismo maestro, y todavía con el 10 % cuando el resto era texto escrito por humanos, con acceso a los componentes internos del alumno). Pan et al., ACL 2025, mostraron después que un marcador aprendido con fuerza sobrevive a la paráfrasis corriente y que lo eliminan un atacante que haya recuperado la regla de marcado, la dilución del texto marcado o un paso neutralizador cuando el alumno genera texto. Es el equivalente digital de un viejo truco editorial: las obras de referencia incluyen a veces una entrada falsa a propósito cuyo fin es revelar que una editorial rival copió de ellas. Un error corriente no establece por sí solo la copia, porque creadores independientes pueden cometer el mismo error. Un rasgo implantado deliberadamente cuya aparición independiente sería improbable proporciona un detector más claro.
Los hábitos que surgen de forma natural todavía no se ganan esta confianza. Necesitan el mismo escrutinio que necesitan los errores compartidos (alguna manera de medir cuán improbable es realmente que un hábito, o un conjunto de hábitos tomados en conjunto, surja con un entrenamiento independiente) y ninguno de los estudios que examina el artículo aporta todavía esa herramienta de medición. Una versión más cercana de esta prueba (contrastar un modelo «alumno» directamente con un modelo «maestro» candidato concreto y nombrado, en lugar de intentar clasificarlo entre muchos sistemas conocidos) es la herramienta en la que debería apoyarse el experimento de validación propuesto por el artículo, porque apunta exactamente a la cuestión de improbabilidad que importa.
La regla corregida, que es la propuesta central del artículo (una regla que hay que poner a prueba, no un resultado establecido):
En los manuscritos, la ascendencia compartida la transmiten errores compartidos significativos. En los modelos de IA, propone el artículo, la ascendencia compartida la transmiten hábitos compartidos significativos: donde «significativo» significa exactamente lo que siempre significó: un hábito, o un conjunto de hábitos evaluados juntos teniendo en cuenta su dependencia mutua, solo cuenta como evidencia si su surgimiento independiente es genuinamente improbable, el mismo listón que tiene que superar un error, y no todo hábito estable y distintivo supera ese listón. Los errores compartidos por modelos son comunes y pueden surgir sin copia alguna, pero los estudios que el artículo considera no establecen qué proporción surgió así; al menos un hábito compartido destacado no supera el listón con la evidencia actual. Todo el método puede trasladarse de los manuscritos a los modelos solo si esta condición de improbabilidad (que un borrador anterior del artículo abandonó) se restablece y se comprueba, en lugar de suponer que se cumple para toda una categoría de evidencia. Incluso entonces no bastaría por sí sola: un rasgo compartido improbable no dice por sí mismo qué modelo desciende de cuál, ni por qué vía.
Todavía no. Es un programa de investigación con una predicción contrastable: el artículo sostiene que la creciente transmisión entre generaciones de modelos podría hacer que la comparación estemática encaje mejor con el tiempo. No ha medido ese crecimiento, y la mezcla de fuentes o la pérdida de formas raras podrían, en cambio, hacer más difícil reconstruir la ascendencia. La filología de manuscritos existe como campo solo porque las tradiciones copiadas se corrompen realmente con el tiempo. Esta tradición (el flujo de texto generado por IA de vuelta a los datos de entrenamiento de IA) ha empezado a corromperse. Esa observación, y no afirmación alguna de que un modelo literalmente sea un manuscrito, es el argumento real. El tiempo importa aquí en una sola dirección: se aplica a lo bien que la comparación básica del marco encaja con el mundo, no a lo fiable que es hoy cualquier revisión concreta realizada con él. (Por qué eso es un motivo para ponerlo a prueba con más dureza en lugar de creerlo, y qué lo refutaría: «Qué refutaría realmente esto», más abajo.)
La objeción más fuerte. Un escéptico cuidadoso puede conceder todo lo de las Partes 1 a 3 y aun así objetar: toda esta comparación es solo una analogía. Los modelos no son manuscritos. No hay sala de copistas, no hay un linaje de transmisión de mano en mano, no hay un texto original que se vaya corrompiendo progresivamente: hay una ejecución de entrenamiento. Vestir el análisis de fallos de la ingeniería corriente (algo que los ingenieros de fiabilidad entienden desde hace décadas sin tomar prestado ningún vocabulario especializado) con un lenguaje tomado de la filología de manuscritos añade palabras nuevas y ninguna capacidad de inferencia nueva.
La respuesta es conceder la mayor parte: para un periodo concreto. Como descripción de los modelos de IA de aproximadamente 2023-2024, el escéptico tiene razón. En el canal de los errores, los errores compartidos son comunes y pueden surgir sin copia alguna, y los estudios que el artículo considera no establecen qué proporción surgió así, como dice la Parte 3. El texto generado por modelos también entró en el entrenamiento antes de 2022, a través de un modelo alumno entrenado con la salida de un maestro y a través de texto traducido automáticamente, incluido texto de colecciones web; estos ejemplos muestran que esa transmisión no es nueva, pero no miden su alcance entonces ni su crecimiento desde entonces. Esos ejemplos establecen transmisión, pero no establecen cuánta ascendencia puede reconstruirse a partir de las salidas de los modelos. Los errores compartidos por sí solos no establecen linaje; su significación debe evaluarse con la regla propuesta.
Lo que el artículo sostiene que está cambiando es el objeto de estudio, no el argumento sobre él. La salida de los modelos de IA fluye de vuelta a los datos de entrenamiento usados para construir la siguiente generación de modelos, y el artículo sostiene que este retorno está creciendo, sin haberlo medido, a través de cuatro canales distintos, cada uno una vieja práctica de copia con un nombre nuevo:
Se siguen cuatro consecuencias, cada una con un paralelo cercano en la filología de manuscritos.
Estratificación. Cada generación de modelos puede dejar tras de sí hábitos rastreables y fechables que heredan las generaciones posteriores: lo que significa que, en principio, rastrear el linaje podría volverse más fácil a medida que avanza la tradición, aunque la mezcla de fuentes y la pérdida de formas raras también pueden borrar los rasgos que el rastreo necesita. Aquí rige la misma condición de la Parte 3: el ecosistema deposita constantemente indicios candidatos; si un indicio, o un conjunto de indicios evaluados juntos teniendo en cuenta su dependencia, es lo bastante improbable bajo un origen independiente como para contar como evidencia de ascendencia común es exactamente la medición que ninguno de los estudios que examina el artículo aporta todavía.
Colapso del modelo (la versión en IA de la deriva de los manuscritos hacia la lección «más fácil»). Entrenar modelos repetidamente con salida generada por IA erosiona los patrones más raros y menos comunes de los datos; las construcciones comunes y «seguras» desplazan a las inusuales (Shumailov et al., Nature, 2024), aunque estos resultados proceden de la sustitución, en la que los datos sintéticos reemplazan a los reales en cada ronda. Donde los datos sintéticos, en cambio, se acumulan junto a los datos reales en lugar de reemplazarlos, experimentos con modelos de lenguaje hallaron que el colapso se evitaba en los contextos estudiados (Gerstgrasser et al., 2024: un preprint, y un hallazgo distinto de las afirmaciones propias de Shumailov et al., no parte de ellas). Con esa salvedad añadida, el paralelismo es cercano: los estudiosos de manuscritos llaman lectio facilior a la deriva hacia la lección más familiar, «más fácil», durante la copia (la palabra del artículo para esta deriva es banalización); y el artículo sostiene que el entrenamiento por sustitución muestra un patrón comparable: un paso de copia con pérdida que favorece lo probable y, repetido una y otra vez, va desgastando el contenido raro e inusual. En los modelos la preferencia viene del entrenamiento, en los manuscritos de los hábitos de copia; el artículo no afirma que manuscritos y modelos sean idénticos, y tampoco lo afirma esta frase.
El valor de la fuente fechada más antigua. El texto producido antes de 2022 se convierte en un punto de referencia de valor singular, por la misma razón por la que el acero anterior a los ensayos nucleares es valioso para los físicos: no porque sea un material intrínsecamente mejor, sino porque es fechable y es la capa grande más antigua disponible, aunque no esté libre de texto generado por máquinas; ese es el tipo de valor que importa para construir una línea de base. El artículo sostiene que esta capa anterior gana valor a medida que se desarrolla la tradición posterior, siempre que se conozca su procedencia; el crecimiento de esa tradición no se ha medido. Llevar el registro de la procedencia de los datos se convierte, en la práctica, en una disciplina archivística.
El marcador implantado, visto desde la otra dirección. Las técnicas de marca de agua y de huella digital contra la copia son, en los términos de este marco, indicios implantados deliberadamente: y su herencia demostrada experimentalmente es la demostración existente más limpia de que existe realmente un canal de transmisión de una generación de modelos a la siguiente.
Una oportunidad para la conservación. El artículo propone preservar esta tradición mientras se está formando, en lugar de intentar reconstruirla tras siglos de pérdidas. Los hashes criptográficos, las instantáneas selladas y los registros de procedencia de los datos podrían apoyar ese trabajo. Y el código es el tipo de texto mejor conservado de toda esta tradición: los sistemas de control de versiones pueden conservar los estados anteriores de un proyecto, con hashes y marcas de tiempo, y registros firmados allí donde el proyecto los firma. Donde sobrevive el historial de versiones, el estado anterior a 2022 de una base de código no tiene por qué reconstruirse como un original perdido; puede ser un fichero recuperable desde el control de versiones. Si este tipo de preservación prospectiva puede tener éxito en algún sitio, es aquí.
La consecuencia para la seguridad. El código forma parte de este mismo archivo. Un patrón de codificación defectuoso escrito un año se sube a un repositorio, se recoge por rastreo y, potencialmente, se incorpora mediante entrenamiento a modelos dos años después. Merece la pena ser preciso aquí, porque es exactamente el punto en que una introducción como esta tiene más tentación de exagerar. Los marcadores diseñados demuestran transmisión, y el artículo recoge también evidencia de pruebas de maestro basadas en un modelo de referencia. Si los hábitos que surgen de forma natural permiten reconstruir la ascendencia sigue sin resolverse. Extender el argumento a errores de codificación relevantes para la seguridad es una inferencia adicional; el artículo no recoge ningún estudio directo de esa extensión. La manera de averiguarlo es un estudio planificado que rastree patrones de defectos concretos hacia atrás en el tiempo. Si se cumple, los patrones de codificación vulnerables podrían heredarse a través de los propios datos de entrenamiento en lugar de reinventarse de forma independiente cada vez, y este canal sería un objetivo real: alguien podría sembrar deliberadamente repositorios de código públicos con un patrón sutilmente defectuoso, envenenando el ejemplo exacto que una generación futura de modelos aprenderá a imitar. La versión más aguda del riesgo: el corpus de entrenamiento compartido es a la vez un límite de lo que cualquier revisión puede saber y una superficie de ataque concreta, y las dos cosas se combinan de modo que el fallo correlacionado se convierte en algo que un atacante puede provocar deliberadamente.
Dos elementos de evidencia fechados, ajenos al artículo, inciden en la consecuencia para la seguridad: un estudio de envenenamiento de finales de 2025 y el relato de un profesional de mayo de 2026. Son excepciones declaradas a la regla de la Parte 0, y están en el Anexo.
La afirmación del artículo sobre el desarrollo a lo largo del tiempo falla si, a lo largo de sucesivas generaciones de modelos, la reconstrucción a partir de hábitos compartidos no mejora al contrastarse con relaciones conocidas entre modelos; si las marcas heredadas persisten solo a niveles de azar con las prácticas de entrenamiento corrientes; o si la salida de los modelos que vuelve al entrenamiento contribuye de forma despreciable al comportamiento de los modelos posteriores.
Lo que puede ponerse a prueba ahora mismo es más estrecho. La investigación existente aporta varios métodos candidatos: rastrear marcadores implantados deliberadamente, contrastar un modelo con un modelo maestro candidato concreto y nombrado, buscar, para dos modelos a la vez, respuestas erróneas que un modelo no emparentado rara vez da y, para clasificar un modelo en una de un conjunto de familias conocidas, contar una respuesta errónea compartida con tanto más peso cuanto menos a menudo la dan otras familias. Del experimento propuesto por el propio programa, el artículo dice que solo la parte de los marcadores implantados puede ejecutarse hoy: un límite de este único experimento, no la afirmación de que ningún otro tipo de prueba pueda resultar nunca fiable. Las operaciones más característicamente propias de la «filología de manuscritos» (comparar muchos testimonios a la vez, agrupar rasgos compartidos naturales (no implantados) en un árbol genealógico) solo se vuelven viables una vez que existe una medición real de cuán improbable es que un hábito natural, o un conjunto de hábitos tomados en conjunto, surja de forma independiente, y la Parte 3 estableció que ninguno de los estudios que examina el artículo aporta todavía esa medición. Ya existen árboles genealógicos construidos a partir de la similitud de las salidas (el §7.1 del artículo discute el más cercano, PhyloLM); lo que la búsqueda del artículo no encontró es un árbol validado construido a partir de rasgos puntuados según lo improbable que es que surjan por coincidencia, y el artículo trata esa ausencia como provisional. La dirección a largo plazo del programa está clara; cuánto de ella puede construirse y ejecutarse este año es mucho menos.
En el canal de los errores, el hallazgo va en sentido contrario (véase el comienzo de esta parte): los modelos más capaces están más correlacionados entre sí, no menos; medido entre modelos en un mismo momento, no a través de generaciones (Parte 2). El tiempo también juega en contra del método, y el artículo lo cuenta en su propia contra: si este programa de investigación tiene éxito públicamente, los modelos futuros acabarán entrenándose con descripciones de los propios métodos del programa y con ejemplos publicados, de modo que los detectores en los que se apoya este programa se convierten en objetivos de optimización, lo que podría reducir su eficacia, y cualquier marcador implantado tendrá que renovarse continuamente para seguir siendo eficaz. La fiabilidad del método también debe ponerse a prueba a lo largo del tiempo. La publicación podría hacer menos eficaces sus detectores, aun cuando el artículo predice, sin haberlo medido, que la tradición creciente se volverá más susceptible de estudio estemático. Un marco que solo anunciara la mitad de esto que le favorece estaría cometiendo exactamente el fallo que existe para detectar.
Una advertencia sobre creer demasiado fácilmente en el propio marco. Es tentador concluir que un marco que predice de antemano sus propias objeciones, y cuyo objeto de estudio, según predice, encajará cada vez mejor con él, tiene que ser por tanto correcto. Ese patrón de razonamiento (en el que todo resultado posible parece confirmar la teoría) es exactamente la forma de un argumento que nunca puede estar realmente equivocado, y el propio artículo lo señala como una debilidad conocida, en su sección de límites. Así que aquí también se rechaza. Un marco que encaja cada vez mejor con su objeto a lo largo del tiempo es un motivo para ir a ponerlo a prueba con más dureza, no un motivo para empezar a creerlo.
Reunida, la respuesta práctica a la pregunta de la Parte 1 son cuatro condiciones de trabajo: tanto sobre los veredictos que esta práctica está dispuesta a respaldar como sobre el programa de investigación más amplio descrito en las Partes 3 y 4. Cada condición nombra algo que, en un caso dado, podría resultar ausente: que es lo que hace de esto un método de trabajo y no una postura que suena tranquilizadora.
Este es exactamente el tipo de sección en el que la extralimitación tiende a colarse sin que nadie lo note.
Esta misma práctica construyó una vez una salvaguarda cuyo único cometido era impedir que se aceptaran afirmaciones no probadas de «no se encontró nada»: y un revisor encontró seis maneras distintas de sortearla, ninguna de las cuales habían detectado sus propios cinco casos de prueba. La salvaguarda había heredado exactamente la enfermedad que se construyó para detectar. No hay ninguna capa final en la que la pregunta «¿quién comprueba a los comprobadores?» desaparezca: solo sube un nivel, de forma permanente.
Una metodología se vuelve comercialmente interesante en el momento en que empieza a hacer promesas: y ese es el momento en que más tienta exagerar lo que puede hacer. Por eso esta parte está escrita como una lista de negativas, que pueden contrastarse con la realidad, y no como una lista de garantías, varias de las cuales serían hoy falsas.
Lo que esta práctica se niega a hacer:
Lo que un cliente no puede inferir: se dice aquí porque un borrador anterior de este mismo documento se equivocó en esto.
Una versión anterior de este tipo de introducción afirmaba que la correlación de errores entre los modelos de cada panel de revisión se mide antes de aceptar su coincidencia como significativa. Eso no es cierto, porque la herramienta para hacer esa medición aún no existe. Se ha propuesto, pero no se ha construido. Dos intentos anteriores de construir algo parecido fracasaron ambos, de maneras distintas: una de las primeras pruebas estadísticas se planteó al revés; una comprobación posterior acabó midiendo si dos revisores eran literalmente el mismo sistema, en lugar de si sus errores estaban realmente correlacionados. El segundo error lo detectaron unos revisores; el primero se recoge sin decir quién lo detectó. Lo que esta práctica hace hoy es más débil que una medición real: los revisores proceden de familias de modelos subyacentes distintas; la convergencia pesa menos allí donde la forma de plantear una pregunta puede haber empujado a los revisores hacia la misma respuesta; y los desacuerdos que tienen disponible una comprobación mecánica se encaminan a esa comprobación en lugar de a una votación. El artículo distingue entre procedimientos de revisión: donde dice que los revisores trabajaron por separado o a ciegas, ninguno vio la respuesta de otro; su entrada v1.37 recoge que las rondas de confirmación de las revisiones de la v1.33 y la v1.35 aportaron como material los hallazgos de otras instancias. Ninguno de los dos procedimientos establece una independencia medida de los errores. Eso es una disciplina construida en torno a la idea de independencia. No es una medición de la independencia.
Esa corrección es lo más sólido de esta parte, y la razón de ser de esta parte: una práctica cuyo producto real es el manejo cuidadoso y disciplinado de la evidencia no puede anunciar honestamente una capacidad que su propia metodología, en otro lugar, enumera como aún no construida. Este tipo de error se ha cometido y detectado ya dos veces. Una tercera dejaría de ser un desliz y empezaría a ser un patrón: y la respuesta correcta a ese riesgo es declarar la limitación públicamente, no proponerse en silencio tener más cuidado la próxima vez.
Por qué esto debería importarle a un cliente. Lo que produce este método es un registro construido para sobrevivir a un lector escéptico: si de verdad lo consigue es algo que corresponde juzgar a ese lector, no algo que este documento pueda certificar por sí mismo. Registra:
No una única puntuación que sustituya a todo eso: de lo que desconfía este marco es de un resumen de una coincidencia no medida que suena fluido, presentado como si fuera una prueba. Una puntuación cuya fórmula se fija de antemano, cuyas exclusiones se declaran y cuyos recuentos salen de un script y no de la impresión de una persona es un instrumento legítimo, del tipo que este mismo programa ha construido: no la afirmación de que ningún otro tipo de puntuación pueda ser nunca fiable, solo de que esta es la que ya está en uso. Lo que debería despertar sospechas es una cifra ofrecida en lugar del registro subyacente y reejecutable que se supone que resume. Si este tipo de registro justifica su coste frente a un buen equipo de revisión interno es un experimento real que merece la pena hacer con un cliente real: no una afirmación que hacer de antemano, sin haberlo hecho. (La propia medición de la práctica de agosto de 2026, una excepción declarada en la Parte 5, comparó la revisión completa con una sola pasada económica, no con un equipo interno.)
Sobre todo esto pesan dos límites, que se declaran aquí porque una sección orientada a las ventas es exactamente donde límites como estos tienden a desaparecer en silencio. Primero: nada en este marco mide si la cantidad de cautela institucional que vende esta práctica es realmente proporcionada a la frecuencia con que la salida generada por IA contiene de verdad errores; y una práctica que vende revisión adversarial tiene, de forma natural, un interés incorporado en creer que la revisión adversarial es necesaria. Esa pregunta debe tratarse como genuinamente abierta, con un conflicto de intereses real y declarado que pende sobre ella. Segundo: según informa el artículo a partir de una comprobación del 23 de agosto de 2026, ninguno de los registros de casos reales era público (ningún informe, ningún artefacto reproducible que un desconocido pudiera descargar y ejecutar por sí mismo). Esa comprobación fechada respalda una afirmación sobre cómo se construyó el registro, no la afirmación de que un lector externo hubiera podido entonces ponerlo a prueba. El artículo no aporta ninguna comprobación de publicación posterior.
Este documento pretende ser un punto de entrada, no un sustituto ni del artículo ni de los Prolegomena.
Conviene saber tres cosas antes de decidir qué leer a continuación:
Este programa no afirma haber construido ya un instrumento fiable para juzgar la salida de IA. Afirma algo más estrecho y, si se sostiene, más útil: una exposición de lo que tal instrumento tendría que satisfacer realmente, más un conjunto de experimentos que podrían demostrar que esa exposición es errónea. Sustituye la confianza ciega en el consenso de IA por cuatro condiciones de trabajo (Parte 5: remitirse a las comprobaciones mecánicas, tratar la tendencia completa de un modelo como el verdadero testimonio, medir la independencia por separado para cada clase de pregunta, y encaminar el desacuerdo a la evidencia en lugar de a una votación), dejando claro desde el principio que la tercera de ellas es hoy una disciplina, todavía no una medición real, y que la comparación controlada diseñada para poner a prueba si algo de esto produce mejor código se canceló antes de ejecutarse (la propia medición de la práctica de agosto de 2026, una excepción declarada, está en la Parte 5).
La versión breve de lo que se propone: construir el método de rastreo (empezando por el único tipo de prueba que hoy es limpio) y contrastarlo con relaciones entre modelos que ya son de dominio público; construir la medición de independencia y publicar su propia tasa de error; y sellar ahora la evidencia de hoy, mientras todavía puede sellarse, para quien intente comprobar algo de esto más adelante. Lo primero dañaría seriamente toda esta tesis si fracasara; que es exactamente la propiedad que se supone que debe tener una propuesta real, y la razón por la que merece la pena ejecutarlo.
Estos dos párrafos son excepciones declaradas a la regla de la Parte 0 según la cual este documento no dice nada que el artículo no diga. En la v0.15 pasaron de la Parte 4 a este Anexo, cambiando solo tres referencias de posición. En la v0.20 se corrigió el relato que el párrafo del estudio de envenenamiento daba de la evidencia de transmisión, para reconocer las pruebas de maestro basadas en un modelo de referencia junto a los marcadores diseñados y para distinguir esa evidencia de la herencia de hábitos de codificación defectuosos.
Dictamen. Decidir cada hallazgo, coincidieran o no los revisores, mediante una comprobación mecánica donde la hay y mediante un decisor humano con nombre donde no la hay; un hallazgo se cierra solo cuando quien lo planteó lo retira o cuando el problema se demuestra contra el código, nunca contando votos. Se contrapone en todo el documento a promediar o votar.
Atractor. Se usa en el artículo para un atractor de errores: una respuesta errónea que varios sistemas producen de forma independiente, sin copiarse entre sí. La explicación habitual (que es simplemente el error más probable dado cómo se entrenaron) es una hipótesis sobre la causa, no parte de la definición. Las mediciones del artículo establecen que los errores compartidos son comunes, pero no establecen qué proporción surgió sin copia. Por tanto, un error compartido no establece por sí solo la ascendencia. La investigación sobre evolución cultural usa atractor de forma más amplia, para cualquier forma común y estable, errónea o no; aquí el sentido es el más estrecho.
Banalización / colapso del modelo. Lo que ocurre cuando los modelos de IA se reentrenan repetidamente, en bloque, con texto generado por IA sin volver a mezclar datos reales: los patrones raros e inusuales se desgastan, y todo deriva hacia la versión más común, la «más segura». Donde los datos sintéticos, en cambio, se acumulan junto a los datos reales en lugar de reemplazarlos, experimentos con modelos de lenguaje hallaron que el colapso se evitaba en los contextos estudiados: la evidencia del efecto procede del caso de sustitución.
Colación. El proceso general de comparar varios testimonios entre sí para averiguar qué es probablemente fiable. En este documento, distinta de la reconstrucción y más modesta que ella: la colación muestrea y contrasta; no garantiza recuperar una única respuesta verdadera.
Contaminación / contaminatio. (1) En la Parte 4: texto generado por IA que entra en los datos de entrenamiento. (2) Contaminatio, en los estudios de manuscritos: una copia que mezcla lecciones de más de una fuente anterior, lo que hace más difícil rastrear su linaje; la Parte 7 aplica este sentido a este propio documento.
Pregunta decidible / de juicio. Las dos clases de pregunta de la Parte 1: una que una comprobación mecánica zanja (ejecutar el código, comprobar los tipos, ejecutar el test, consultar una especificación), en un sentido práctico y cotidiano, no en el estricto sentido matemático; y otra sin manera mecánica de zanjarla (si este diseño es sólido, cuán grave es este problema, qué significa esta cláusula).
Destilación. Entrenar deliberadamente un modelo de IA nuevo, normalmente más pequeño, para imitar las salidas de un modelo «maestro» más grande elegido. Uno de los cuatro canales por los que la salida de los modelos de hoy vuelve a entrar en los datos de entrenamiento de mañana.
Extracción. Véase Linaje.
Pregunta de juicio. Véase Pregunta decidible / de juicio.
Lectio difficilior / lectio facilior. Términos de los estudios de manuscritos para la «lección más difícil, más inusual» frente a la «lección más fácil, más esperada» hacia la que un copista tiende a derivar a lo largo de la copia repetida. Siguiendo al artículo, este documento compara la deriva hacia la lectio facilior con el colapso del modelo bajo entrenamiento por sustitución.
Linaje. En el sentido del artículo, la unidad en la que confiar (Parte 5): las respuestas de un modelo tomadas como una distribución, caracterizada muestreándola repetidamente, de la que cualquier respuesta individual es una extracción, una muestra y no un hecho fijo y repetible. Las Partes 3 y 4 usan también «linaje» en su sentido cotidiano de ascendencia: qué modelos descienden de cuáles, o se entrenaron con cuáles.
Independencia medida / descorrelación. La idea de que hay que comprobar con datos reales, por separado para cada clase de pregunta, si dos revisores responden realmente de forma independiente el uno del otro, en lugar de suponerlo solo porque proceden de empresas distintas o fueron «convocados por separado». «Instancia descorrelacionada», tal como se usa en el Apéndice y en el registro de cambios del artículo, recoge la intención de la práctica en su momento, no una propiedad medida. La entrada v1.37 del artículo recoge que las rondas de confirmación de las revisiones de la v1.33 y la v1.35 aportaron como material los hallazgos de otras instancias; así que la etiqueta no significa por sí sola que a una instancia no se le mostraran. Donde el artículo dice que los revisores trabajaron por separado o a ciegas, quiere decir que ninguno vio la respuesta de otro; ese procedimiento no establece una independencia medida de sus errores. Véase la Parte 6.
Marcador implantado / marca de agua. Una firma estadística incrustada deliberadamente en las salidas de un modelo para que su reaparición posterior en otro modelo sea evidencia de que el segundo modelo se entrenó (al menos en parte) con la salida del primero. Una forma demostrada de evidencia de que la salida de un modelo llegó al entrenamiento de otro.
Reconstrucción. Recuperar una única respuesta «verdadera» y definitiva. Este documento restringe esta palabra estrictamente a las preguntas decidibles, donde existe una comprobación mecánica; usarla para preguntas de juicio se trata como una extralimitación que el propio artículo subyacente retiró.
Instancia. Una posición de revisión en un panel: un modelo de IA, de un linaje, ejecutado con sus propias instrucciones y herramientas (la definición de la práctica: glosario de counterproof.io (en inglés)).
Estema / estemática. Un estema es el árbol genealógico reconstruido de una tradición manuscrita: qué copias descienden de cuáles. La estemática es la disciplina formal que lo construye. «Agentic stemmatics» es el nombre que este programa propone para hacer el trabajo análogo con linajes de modelos de IA.
Testimonio. La palabra de este documento para la salida de cualquier modelo de IA, que la marca como una afirmación que hay que sopesar, del modo en que un tribunal sopesa el relato de un testigo, y no como un hecho que aceptar sin más.
Triaje. Un primer cribado rápido y de bajo coste usado para dirigir la atención hacia los hallazgos que más merecen una comprobación más detenida y más cara: distinto de un veredicto final e independiente, y más modesto que él.
Subarquetipo adversarial. Véase Subarquetipo.
Arquetipo. En los estudios de manuscritos, el único texto original del que descienden todas las copias de una familia. Para muchas preguntas de revisión de IA puede no haber en absoluto ningún arquetipo único, ninguna respuesta correcta única que reconstruir (Parte 1).
No puede enmendar. Véase Enmienda.
Enmienda. En los estudios de manuscritos, una corrección propuesta que recupera una lección que no tiene ninguna copia superviviente: una conjetura fundada sobre lo que debió de decir el original perdido. Nada en el método actual de revisión de IA llega a esto: solo puede trabajar con hallazgos realmente planteados (Parte 2, «un techo infranqueable»).
Peldaño de evidencia. Una de las etiquetas de la práctica (fuente: counterproof.io/glossary/#evidence-rung), no del artículo, que registra los hallazgos como reproducidos o leídos (Parte 6). Un peldaño dice hasta dónde se comprobó realmente un hallazgo, sin insinuar nunca uno superior. Cuatro peldaños para un hallazgo confirmado, del más débil al más fuerte: traza en el código fuente (se leyeron el fichero y la ruta en la revisión fijada), prueba de compilación (se hizo que la compilación fallara y luego pasara), test (se ejecutó un test discriminante) y reproducción en ejecución (el defecto se reprodujo contra la revisión fijada). Un hallazgo que no alcanza ninguno de ellos se gradúa como solo plausible, un grado aparte, no un peldaño más débil (corregido el 14 de septiembre de 2026; véase el Apéndice).
Homoplasia. El término biológico para especies no emparentadas que desarrollan de forma independiente un rasgo parecido: convergencia, no ascendencia compartida; el paralelo más cercano a los atractores. En esta introducción: Parte 3, «convergencia».
Subarquetipo / subarquetipo adversarial. En los estudios de manuscritos, un subarquetipo es un antepasado intermedio, hoy perdido, situado a medio camino entre el texto original y las copias supervivientes: un «suboriginal» que comparten varias copias posteriores. El subarquetipo adversarial de este documento es su término para un riesgo de seguridad concreto: como los modelos de IA aprenden ahora en parte de un fondo compartido de texto pasado (código incluido), ese fondo compartido es a la vez un límite de lo que cualquier proceso de revisión puede saber de forma independiente y un lugar donde un atacante podría implantar deliberadamente un patrón sutilmente defectuoso para que lo copien los modelos futuros. En esta introducción: Parte 4, «La consecuencia para la seguridad».
Idiosincrasia. Un hábito estable y distintivo propio de un modelo de IA (elecciones de palabras, tendencias estructurales, peculiaridades de formato): útil para distinguir modelos entre sí, no evidencia de ascendencia compartida a menos que se muestre que es improbable que surja de forma independiente, por sí solo o junto con otros hábitos compartidos. En esta introducción: Parte 3, «hábitos».
Leitfehler. En alemán, «error guía»: el término de los estudios de manuscritos para un error compartido lo bastante improbable como para contar como evidencia de que dos copias comparten una fuente común, por oposición a un desliz que se repite con facilidad. En esta introducción: Parte 3, «el error raro y revelador».
Testimonio más antiguo. El archivo de texto anterior a 2022, valioso no porque sea intrínsecamente mejor, sino porque es la capa fechada más antigua disponible a escala; no está libre de texto generado por máquinas. En esta introducción: Parte 4, «la fuente fechada más antigua».
Oráculo. Una manera mecánica de zanjar una pregunta decidible: ejecutar código, comprobar tipos, ejecutar un test o consultar lo que dice una especificación (la Parte 0 señala qué zanja eso y qué no). El cuerpo del texto lo llama comprobación mecánica. Siempre que existe un oráculo adecuado, prevalece sobre cualquier panel de revisores.
Error poligenético. Un error que surge de forma independiente en fuentes no emparentadas porque es el error natural y fácil de cometer, no por copia: lo contrario de un Leitfehler. En esta introducción: Parte 3, el «desliz fácil».
Residuo. El conjunto (a menudo grande) de preguntas de juicio que queda una vez que las comprobaciones mecánicas y los documentos de referencia han zanjado todo lo que pueden zanjar. En esta introducción: Parte 5, «el resto».
Cosecha sellada / manifiesto de procedencia. Una instantánea de datos o de código, sellada criptográficamente y con marca de tiempo en un momento conocido, de modo que su estado exacto en ese momento pueda verificarse después en lugar de aceptarse por confianza.
Estratigrafía. En arqueología y en los estudios de manuscritos, leer las capas en el orden en que se depositaron para establecer una datación relativa; aplicada aquí a la idea de que las generaciones de modelos pueden dejar formas características y fechables; su valor para reconstruir la ascendencia está por poner a prueba. En esta introducción: Parte 4, «Estratificación».
Esta página es una traducción al español del original en inglés, cuya línea de versión dice «Draft v0.21, 26 September 2026». Donde la traducción y el original difieran, prevalece el original en inglés. La traducción se hizo con un asistente de IA del linaje Claude (Anthropic). Las citas de fuentes en inglés están traducidas; las comprobaciones carácter por carácter que describe el historial siguiente se refieren al original en inglés. Versión actual: v0.21, 26 de septiembre de 2026, BORRADOR, publicado mientras sigue en revisión, sin revisión editorial externa ni revisión por pares; el artículo prevalece dondequiera que ambos difieran.
Puntos de revisión abiertos: el historial de revisiones recoge como pendiente el cierre de los cuatro puntos de Kimi de la v0.13 y de las cuatro correcciones hechas en la v0.4.
La regla: este documento no puede decir nada que el artículo no diga (Parte 0).
Tres excepciones declaradas a esa regla, cada una etiquetada donde aparece: los párrafos del estudio de envenenamiento y del relato del profesional en el Anexo (añadidos a la Parte 4 en la v0.6 y la v0.7, trasladados al Anexo en la v0.15) y la medición de la práctica de agosto de 2026 en la Parte 5 (añadida en la v0.14). Las entradas Instancia y Peldaño de evidencia del Glosario, y la frase de la Parte 6 que remite a la segunda, dan las definiciones propias de la práctica, tomadas de su glosario: describen la práctica, no el artículo.
Qué esperar del artículo. El artículo que este documento presenta no es una lectura fácil, y es a propósito. Es denso: una larga declaración de quién tiene un interés económico en el resultado, un historial de versiones detallado y un relato continuo de los propios errores pasados del artículo y de cómo se corrigieron. Un apéndice (el que registra qué salió mal y cuándo) es más largo que varias de las secciones argumentativas del artículo. No es un defecto del que el artículo se disculpe: un artículo sobre no confiar en una fuente solo porque suena segura de sí misma socavaría su propio argumento si ocultara su propio historial de revisiones. Pero sí significa que es difícil entrar en el artículo sin preparación.
En qué se diferencia de los Prolegomena. Los Prolegomena usan los Prolegomena zu einer jeden künftigen Metaphysik de Kant, de 1783, como marco estructural: su método de partir de algo que el lector ya concede y preguntar qué condiciones tendrían que cumplirse para que fuera posible, más su recurso de escenificar un desacuerdo como dos posiciones en conflicto que resultan compartir un supuesto falso oculto. Ese marco recompensa al lector que ya tiene cierta formación filosófica, y es un obstáculo real para el que no la tiene. Este documento mantiene el mismo argumento de fondo y el mismo orden de temas, pero prescinde por completo del andamiaje kantiano y lo dice todo en términos llanos; donde el marco hacía un trabajo real (sobre todo la idea de que los dos lados de un debate pueden equivocarse ambos del mismo modo), conserva esa idea y abandona el vocabulario que la transportaba. Merece la pena leer los Prolegomena si la versión llana que aquí se presenta suscita una pregunta que este documento no tuvo espacio para perseguir, o si interesa el propio encuadre filosófico.
Sobre la cita de acompañamiento. La v1.35 es la revisión de corrección del artículo, depositada el 25 de septiembre de 2026 (DOI de versión 10.5281/zenodo.22959463) y ahora la versión de referencia. Tras dos revisiones externas de la v1.33, ya no dice que los errores compartidos por modelos surjan en su mayoría sin copia, enuncia su regla central como una propuesta que hay que poner a prueba y no como un resultado establecido, y corrige varias afirmaciones para ajustarlas a lo que muestran sus fuentes. Mantiene la retirada, hecha en la v1.33, de la sugerencia de que un árbol genealógico de modelos reconstruido y validado sea un problema de investigación abierto (PhyloLM, que el artículo discute, construye tales árboles a partir de la similitud de las salidas), y nombra el linaje de IA con el que se redactó, como hace la línea de autoría de este documento; sus revisiones fueron comprobadas por revisores de IA de varios desarrolladores (véase el Glosario: Instancia). Sucede al depósito de la v1.31, una revisión de legibilidad del texto depositado de la v1.29. Las correcciones que este documento refleja se enumeran en el Apéndice A del artículo.
Clave: una instancia es un revisor de IA (Glosario: Instancia); una fila es un hallazgo que una instancia planteó, y quien la planteó es esa instancia; las etiquetas en mayúsculas como CONFIRM-CLOSED, PARTIALLY-CLOSED, CHANGES NEEDED, REVISE y MERGE-WITH-EDITS son el veredicto de una instancia sobre un borrador, un diff, un conjunto de comprobaciones o sus propias filas anteriores; el registro de cierres es el repositorio enlazado más abajo; el asistente de redacción es Claude (linaje Anthropic).
v0.21, 26 de septiembre de 2026, BORRADOR, publicado mientras sigue en revisión. Por decisión del autor, después de que la entrada v1.37 del artículo recogiera que las rondas de confirmación de su revisión aportaron los hallazgos de otras instancias, el relato que el glosario da de «instancia descorrelacionada» ya no dice que a tal instancia no se le mostraran los hallazgos de las demás instancias, ni que sea una instancia de un desarrollador distinto; sigue la nota terminológica del artículo según la cual la palabra recoge la intención de la práctica en su momento, no una propiedad medida, y la distinción del artículo entre el trabajo separado o a ciegas y las rondas de confirmación. Una instancia Codex que revisó ese cambio halló que el relato que la Parte 6 daba de la práctica actual seguía diciendo que los hallazgos anteriores se retienen ante un revisor nuevo para que su coincidencia «no pueda fabricarse artificialmente por anclaje»; esa frase usa ahora el texto de sustitución de la instancia, que hace la misma distinción y dice que ninguno de los dos procedimientos establece una independencia medida de los errores. Ambos pasajes nuevos son texto de la instancia, aplicado literalmente. Sometido a una instancia Codex en dos rondas, con el fichero de instrucciones globales de su herramienta apartado en cada ejecución (según informa el autor; registros de ejecución archivados con los registros de la ronda): la primera devolvió CONFIRM-WITH-EDITS con los dos textos de sustitución aplicados aquí; la segunda confirmó ambos cerrados y halló que esta entrada había dicho más de lo que la revisión estableció sobre por qué se abandonó la definición basada en el desarrollador. Esa cláusula se ha eliminado, y ni la eliminación ni esta frase se volvieron a someter a la instancia.
v0.20, 26 de septiembre de 2026, BORRADOR, publicado mientras sigue en revisión. Las filas de la ronda 2 de la instancia Codex sobre la v0.19 se volvieron a someter a una instancia Codex en una ronda de confirmación: las diez filas que esa ronda había dejado parcialmente cerradas, y sus quince textos de sustitución, se confirmaron cerrados. Esa ronda halló otros seis puntos, cada uno respondido aquí con el propio texto de sustitución de la instancia, aplicado literalmente salvo por el marcado de la página. La Parte 2 ya no dice que nada sobre quién hizo a los revisores le diga a usted cuál es verdadero; la Parte 5 ya no convierte el haber sobrevivido al escrutinio externo en condición para ganarse la confianza, y ya no dice que el equipo que ejecuta el proceso construyó cada parte de la base de confianza; el Anexo ya no restringe la evidencia a la destilación de tipo marca de agua; y el párrafo del apéndice sobre los depósitos nombra ahora la v1.35 y dice que sus comprobaciones se refieren a los depósitos anteriores. La instancia halló también que las últimas frases de la entrada v0.19 de más abajo dicen más de lo que ocurrió; esa entrada se mantiene tal como se escribió, y el relato corregido de la instancia dice: «El redactor registra dos rondas de revisión por Codex y Kimi antes de la publicación. El autor informa de que se apartó el fichero de instrucciones globales de la herramienta Codex; la devolución de Codex aportada registra, no obstante, exposición a catálogos de skills y de agentes aportados por el desarrollador y dice que no puede establecer si alguna instrucción aportada procedía de un fichero así. El redactor informa de que Kimi cerró sus hallazgos sobre la v0.19. La devolución de la segunda ronda de Codex dejó diez filas parcialmente cerradas. Sus textos de sustitución F1–F7 y C1–C8 se aplicaron literalmente, salvo una inicial minúscula tras dos puntos y el marcado de la página; sus reparaciones de la Task D se incorporaron mediante entradas de revisión redactadas por separado. Estos cambios no se devolvieron a Codex antes de la publicación. El paso de la cita de acompañamiento a la v1.35 depositada siguió a la segunda ronda y no se revisó en esa ronda.» Sometidos de nuevo a una instancia Codex, con el fichero de instrucciones globales de su herramienta apartado durante la ejecución (según informa el autor; registro de ejecución archivado con los registros de la ronda), los seis hallazgos se confirmaron cerrados, incluida la corrección B1 de esta entrada. La misma instancia halló que el inicio del Anexo seguía diciendo que su texto no había cambiado salvo tres expresiones de posición; ese párrafo usa ahora el texto de sustitución de la instancia, aplicado literalmente, y no se le volvió a someter. La instancia no pudo comprobar desde su paquete que nada más hubiera cambiado, porque el paquete no contenía una copia de la v0.19; la comparación por script que hizo el redactor de las dos páginas no muestra ningún cambio más allá de los enumerados en esta entrada.
v0.19, 25 de septiembre de 2026, BORRADOR, publicado mientras sigue en revisión. Sigue la v1.35 del artículo, que corrigió afirmaciones que dos revisiones externas de la v1.33 consideraron más fuertes que sus fuentes, y aplica la propia regla de este documento a otras frases que decían más que el artículo. Las Partes 3 y 4 y el glosario ya no dicen que la mayoría de los errores compartidos por modelos surjan por convergencia casual; dicen que los errores compartidos son comunes y pueden surgir sin copia, y que los estudios que el artículo considera no establecen qué proporción surgió así. La regla de la Parte 3 se enuncia como la propuesta del artículo, que hay que poner a prueba: su «si y solo si» pasa a ser una condición que debe cumplirse pero que no mostraría por sí sola qué modelo desciende de cuál, y un conjunto de hábitos evaluados juntos, teniendo en cuenta su dependencia, también puede cumplirla; las afirmaciones de que la filología de manuscritos la aplicó siempre y de que un error significativo demuestra la descendencia ceden ante la formulación del artículo. La Parte 1 ya no dice que nada externo pueda distinguir una respuesta fundada de una equivocada. La Parte 2 ya no hace de la independencia la condición bajo la cual la votación es sólida o bajo la cual la coincidencia es evidencia; dice que la coincidencia puede reforzar una afirmación donde se ha evaluado la dependencia, y da las dos tasas del estudio sobre conjuntos de modelos. La Parte 3 ya no dice que haya que conocer la ascendencia antes de poder medir la independencia, que los modelos convergerán de forma independiente, que las palabras como «delve» surgieran de forma independiente (Partes 3 y 4), ni que un error corriente o cualquier cosa que no sea un rasgo implantado no diga nada sobre la copia, y separa la tasa de atribución de la robustez frente a la paráfrasis de la que se informa. La Parte 4 ya no dice que los modelos no aportaran nada de vuelta antes de 2022, que no hubiera linaje que reconstruir, que el archivo anterior a 2022 esté libre de contaminación, que la contaminación ambiental sea la condición por defecto, que los argumentos a favor del marco se fortalezcan con el tiempo, que el entrenamiento por sustitución sea el mismo proceso que la copia, ni que el experimento del programa tenga cuatro pruebas disponibles hoy; circunscribe el árbol que falta a la búsqueda del artículo y la prueba de falsación a la afirmación sobre el desarrollo a lo largo del tiempo, marca el crecimiento como argumentado y no medido, añade que la mezcla y la pérdida de formas raras pueden borrar los indicios de linaje, e informa del resultado de la acumulación como colapso evitado en los contextos estudiados; también reformula sus criterios de falsación como los del artículo, recoge las pruebas de maestro basadas en un modelo de referencia junto a los marcadores implantados, llama a sus detectores objetivos de optimización y no de evasión, restringe su comparación histórica y condiciona la recuperación del código anterior a que sobreviva el historial de versiones. El pasaje de la Parte 4 sobre el marcador implantado dice «demostración» donde el artículo dice «prueba». La Parte 5 dice a qué comprobaciones mecánicas se refiere su compromiso de peso creciente, y la Parte 6 fecha la comprobación de los registros públicos de casos y ya no la arrastra hacia delante. El glosario sigue (Atractor, Banalización, Idiosincrasia, Lectio, Leitfehler, Testimonio más antiguo, Marcador implantado, Estratigrafía); la entrada Atractor suprime una cláusula sobre la copia ruidosa y dos afirmaciones empíricas que el artículo no recoge, y el encabezado de la fuente más antigua dice «fechada» donde decía «limpia». La cita de acompañamiento pasa a la v1.35, depositada el 25 de septiembre de 2026. Comprobado contra el artículo por dos instancias externas (Codex y Kimi) en dos rondas antes de la publicación, la instancia Codex con el fichero de instrucciones globales de su herramienta apartado por decisión del autor. Kimi cerró todos sus hallazgos. Los hallazgos de la segunda ronda de Codex se respondieron con su propio texto de sustitución, aplicado literalmente salvo una inicial minúscula tras dos puntos y el marcado de la página, y no se le volvieron a someter. El paso de la cita de acompañamiento a la v1.35 depositada se hizo después de la segunda ronda y no se sometió a ninguna instancia.
v0.18, 25 de septiembre de 2026, BORRADOR, publicado mientras sigue en revisión. Sigue la v1.33 final, cuya décima y última ronda de revisión examinó la incorporación tardía de un método de atribución de familias que sopesa las respuestas erróneas compartidas de una familia frente a la frecuencia con que las dan otras familias (§10 y §7.1 del artículo). La lista de la Parte 4 de pruebas disponibles ahora gana ese cuarto elemento; no cambió nada más. Comprobado contra el artículo por una instancia externa (Kimi) antes de la publicación; su único hallazgo, sobre la redacción de esta entrada, se aplicó con las propias palabras de la instancia y no se le volvió a someter. Tras esa comprobación, la nota de la cita de acompañamiento se actualizó para la undécima ronda de revisión del artículo: cinco desarrolladores en lugar de cuatro, y el artículo nombra ahora su linaje de redacción; esa actualización no se sometió a ninguna instancia.
v0.17, 24 de septiembre de 2026, BORRADOR, publicado mientras sigue en revisión. Sigue la v1.33 del artículo. La cita de acompañamiento pasa a la v1.33 y su nota se reescribe; la nota ya no llama «descorrelacionados» a los revisores. Las Partes 2 y 6 abandonan la inferencia de que elegir proveedores distintos proporciona menos independencia a medida que aumenta la capacidad, que la v1.33 retiró, y dicen en su lugar lo que dice ahora el artículo; las Partes 3 y 4 circunscriben la medición que falta a los estudios que examina el artículo; la Parte 4 añade que ya existen árboles genealógicos construidos a partir de la similitud de las salidas, como dice ahora el §7.1 del artículo, y enumera el cribado por pares de respuestas erróneas entre las pruebas disponibles ahora, como hace el §7.1. Comprobado contra el artículo por una instancia externa (Kimi) antes de la publicación; sus seis hallazgos, entre ellos dos números de parte erróneos en esta entrada, se aplicaron y se le volvieron a someter.
v0.16, 24 de septiembre de 2026, BORRADOR, publicado mientras sigue en revisión. El párrafo inicial y la descripción de la página se reescribieron para que fuera más fácil adentrarse en ellos; no cambió ninguna afirmación. La nueva apertura dice solo lo que ya dicen las Partes 1 y 2 (la coincidencia entre modelos puede contar más de una vez la misma evidencia; proveedores distintos no son por sí solos independientes), con las mismas cautelas que el artículo. Comprobado contra el artículo por un comprobador y por una instancia externa (Kimi) antes de la publicación.
v0.15, 24 de septiembre de 2026, BORRADOR, publicado mientras sigue en revisión. Solo traslados; no cambió ninguna afirmación. Las dos excepciones declaradas de la Parte 4 pasaron a un nuevo Anexo tras la Parte 7, con una remisión dejada en la Parte 4; las tres expresiones que apuntaban a su antigua posición («esta sección», «la discusión de la banalización de más arriba», «dos párrafos más arriba») nombran ahora la Parte 4. El «Qué esperar del artículo» de la Parte 7 y la descripción más larga de los Prolegomena pasaron a este Apéndice; la Parte 7 conserva una entrada de una frase sobre los Prolegomena. Cuerpo de unas 9.300 palabras a unas 8.400. Sometido una vez a una instancia (Kimi, con acceso a ficheros): limpio salvo el sello de versión de la línea de autoría, ya corregido; también cerró sus dos filas de corrección de la v0.14.
v0.14, 24 de septiembre de 2026, BORRADOR, publicado mientras sigue en revisión. Recortado y reordenado por extensión (cuerpo de unas 10.200 palabras a unas 9.200): las repeticiones se redujeron a remisiones, el historial de borradores de este documento pasó a la lista de correcciones, la Parte 4 se abrió con su veredicto y sus límites se reunieron bajo un solo encabezado, sus dos excepciones se enmarcaron y se plegaron en su sitio, este historial se plegó y se ordenó del más reciente al más antiguo; se añadió una tercera excepción declarada (Parte 5); a «program», «skeptic», «skeptical» y «unlabeled» se les dio la grafía británica. La descripción de la página usa ahora la propia frase de la Parte 2 y describe el artículo como el argumento «sin su defensa completa, su historial de versiones y su registro de correcciones», como hace la Parte 7. No se cambió ninguna afirmación salvo las correcciones enumeradas más arriba; las demás ediciones son recortes, traslados, fusiones, remisiones, etiquetas y glosas tomadas del artículo o, donde se indica, del glosario de la práctica o de las propias páginas de este sitio.
v0.13, 23 de septiembre de 2026, BORRADOR, publicado mientras sigue en revisión. Solo estructura; no cambió ninguna afirmación. La contabilidad de depósitos de la cita de acompañamiento pasó a este Apéndice; dos frases trasladadas llevan pequeñas reparaciones de remisión para que sigan leyéndose correctamente donde están ahora («antes de abrirlo», «el depósito de la v1.31»), y el párrafo trasladado de la regla ganó una remisión a la Parte 7; el relato de la Parte 0 sobre la dificultad del artículo pasó a la Parte 7; una remisión a la Parte 6 para los lectores que encargan una revisión; estemática y colación explicadas en su primer uso e instancia definida en el Glosario; la regla a la que está sujeto este documento pasó a la Parte 0 y la nota sobre los Prolegomena a la Parte 7, que ahora dice que los Prolegomena aún no se han publicado; se repararon paréntesis rotos y remisiones obsoletas; el Glosario se dividió en las palabras que usa esta introducción y otros términos, sobre todo del vocabulario del artículo. Sometido una vez a una instancia (Kimi, con acceso a ficheros) antes de la publicación, veredicto CHANGES NEEDED sobre cuatro puntos: tres eran las reparaciones de remisión y los encabezados recogidos aquí, mantenidos como deliberados; el cuarto, una frase nueva que decía que los estudiosos de manuscritos llaman colación a esta comparación, iba más allá del artículo y se restringió a lo que dice el artículo. Cierre pendiente de la próxima revisión de Kimi.
v0.12, 22 de septiembre de 2026, BORRADOR, publicado mientras sigue en revisión. Solo registro: los datos del depósito de la v1.31 nombrados en la v0.11 los confirmaron el mismo día dos instancias descorrelacionadas, Kimi (Moonshot) y Grok (xAI), ejecutadas a ciegas y en paralelo con unas instrucciones idénticas byte a byte, cada una obteniendo por sí misma el registro de Zenodo y el fichero servido, calculando por sí misma el hash de las copias servida y local, y recuperando el listado de versiones del registro de concepto en lugar de inferir la última versión a partir de la redirección del DOI; ambas devolvieron CONFIRM-CLOSED en las siete comprobaciones con cero discrepancias. Una laguna de corroboración, no una contradicción: la API no lleva etiqueta de versión para el registro más antiguo, cuya identidad como v1.15 descansa en su nombre de fichero, su ID de registro y la cronología. Anotado en el registro de cierres, seq 29 a 31; no cambió ningún texto argumentativo.
v0.11, 22 de septiembre de 2026, BORRADOR, publicado mientras sigue en revisión. Solo registro: la cita de acompañamiento pasa de la v1.30 a la v1.32 y la línea de depósito a la v1.31 (depositada el 22 de septiembre de 2026, DOI de versión 10.5281/zenodo.22900116, comprobada por el asistente de redacción a través de la API de Zenodo y comparando byte a byte el fichero servido con la copia local; aún no confirmada por una instancia independiente); no cambió ningún texto argumentativo. La v1.31 es una revisión de legibilidad del artículo cuyas afirmaciones verificaron como inalteradas tres instancias descorrelacionadas; nada en este documento necesitó cambiar por ella, ya que este documento no cita literalmente ninguna formulación del artículo y la estructura de secciones del artículo no ha cambiado.
v0.10, 16 de septiembre de 2026, BORRADOR, publicado mientras sigue en revisión. Solo registro: la cita de acompañamiento pasa de la v1.29 a la v1.30 y la línea de depósito a la v1.29 (depositada el 16 de septiembre de 2026, DOI de versión 10.5281/zenodo.22790100, comprobada a través de la API de Zenodo y comparando byte a byte el fichero servido con la copia local); no cambió ningún texto argumentativo.
v0.9, 15 de septiembre de 2026, BORRADOR, publicado mientras sigue en revisión. Sometido una vez a una instancia (Kimi, con acceso a ficheros, PR #164 de la biblioteca); se aplicaron cuatro cambios nombrados: la tendencia de diversidad de proveedores que se había suprimido sobrevivía en otros dos lugares y ahora se elimina también allí; el emparejamiento «en parte»/5 % no estaba respaldado por la propia mezcla de Sander y se reformula; se añaden la salvedad de Pan sobre la paráfrasis y su resultado sobre la mezcla de varios maestros; la glosa causal del cuerpo del texto se alinea con el glosario corregido.
v0.8, 15 de septiembre de 2026, BORRADOR, publicado mientras sigue en revisión. Cuatro correcciones aplicadas a partir de una revisión bibliográfica en tres rondas de la evidencia sobre señales de linaje, cada una sometida al menos a un linaje no Anthropic: las cifras de errores correlacionados y la tendencia de diversidad de proveedores (Parte 2); la cita sobre la herencia de marcadores y la afirmación sobre la paráfrasis (Parte 3); la entrada Atractor del glosario. Rastro de evidencia: CVRR-LIT-2026-09-15-003 y CORRECTIONS-OWED-2026-09-15. No cambió ninguna conclusión.
v0.7, 7 de septiembre de 2026, BORRADOR, publicado mientras sigue en revisión. Todas las filas de revisión planteadas contra este documento las ha cerrado la instancia que las planteó; las cuatro correcciones hechas en la revisión anterior esperan la próxima revisión de quienes las plantearon. No ha tenido ninguna revisión editorial externa ni revisión por pares, y el artículo prevalece dondequiera que ambos difieran. Autor: Claude (linaje Anthropic), por instrucción de L. J. Soons, con el artículo y los Prolegomena (v0.16) en contexto en todo momento: contaminación en el sentido preciso que da a la palabra la fila contaminatio del §3 del propio artículo (un escritor que trabaja con los hallazgos de otro documento ya a la vista), y la razón por la que esto es una puerta y no un testimonio. La v0.1 no tuvo ninguna lectura independiente. Después se ejecutaron tres primeras lecturas descorrelacionadas y sin predisposición, sin que a ninguna se le dijera lo que habían encontrado las demás: Qwen no encontró ninguna extralimitación. GLM encontró doce casos en que la Introducción afirmaba algo con más fuerza, más amplitud o más certeza que los Prolegomena (varios reintroducían formulaciones que el propio historial de revisión de los Prolegomena ya había detectado y suavizado deliberadamente), más dos afirmaciones añadidas sin contrapartida en los Prolegomena; la v0.2 los aplicó todos. DeepSeek, trabajando sobre la v0.2, encontró otros tres casos que ninguna de las otras dos instancias había detectado; la v0.3 los aplicó. Ambas instancias que habían planteado filas confirmaron después sus propias filas contra la v0.3. La ronda de confirmación de DeepSeek devolvió CONFIRM-CLOSED en sus tres hallazgos, y su propio examen abierto del resto de la v0.3 sacó a la luz un caso nuevo, no archivado: una frase sobre un experimento interrumpido que afirmaba que sus criterios se habían «publicado de antemano» cuando el §24 de los Prolegomena dice solo «congelados y citables»; una afirmación más estrecha. La ronda de confirmación de GLM devolvió 13 de sus 14 filas CONFIRM-CLOSED y una PARTIALLY-CLOSED (una afirmación añadida sobre cuánto tiempo lleva existiendo la filología de manuscritos, que la v0.3 había debilitado pero no retirado del todo), y su propio examen abierto de la v0.3 encontró otro caso de esa misma clase de defecto en un párrafo distinto, y además señaló (sin plantearlo como fila) un artefacto de edición genuino: una cláusula duplicada que había quedado del empalme de la v0.3 que corregía el hallazgo de DeepSeek. La v0.4 aplicó el punto restante de GLM, su hallazgo del barrido de la misma clase, el nuevo hallazgo de DeepSeek sobre «publicados de antemano» y la limpieza de la cláusula duplicada. Todas las filas planteadas por cualquiera de las dos instancias están ahora cerradas por la propia confirmación de esa instancia, salvo las cuatro correcciones hechas en la v0.4, cuyo cierre está pendiente de la próxima revisión de cada una de las instancias que las plantearon.
La v0.7 (7 de septiembre de 2026) añade un párrafo a la Parte 4 («El relato de un profesional sobre el mismo escenario, sopesado como testimonio»), que cita una entrevista de pódcast de mayo de 2026 con Bjarne Stroustrup: una segunda excepción declarada a la regla de la Parte 0 según la cual este documento no dice nada que el artículo no diga. El párrafo recoge testimonio de un profesional relevante para el escenario de los repositorios de código, lo trata expresamente como testimonio y no como evidencia, y deja abierta la cuestión del linaje de los hábitos naturales. Las citas se cotejaron carácter por carácter con la transcripción publicada por el presentador, y L. J. Soons las comprobó contra la grabación el 7 de septiembre de 2026. Antes de la fusión pasó la criba de una instancia descorrelacionada en dos rondas: Codex (OpenAI) revisó en frío el borrador inicial (REVISE, seis hallazgos (cuatro bloqueantes, dos ediciones; dos de las filas bloqueantes suprimieron añadidos interpretativos propios del asistente de redacción, una suprimió una formulación categórica, y una surgió de una extracción defectuosa de la transcripción, comunicada a la instancia y vuelta a servir), registro CODEX-INTRO-STROUSTRUP-PARA-2026-09-07), y después confirmó sus propias filas contra el texto revisado (cinco de seis CONFIRM-CLOSED, examen abierto limpio; la sexta, un salto de línea dentro de una cita en el borrador con saltos de línea manuales, se cerró mediante una comprobación de caracteres por script y no por la instancia; CODEX-INTRO-STROUSTRUP-PARA-R2-2026-09-07). Después, Codex revisó el diff del PR de la biblioteca en cuanto a la integridad del empalme y del registro de cambios (MERGE-AFTER-FIXES, una edición de esta entrada del registro de cambios, aplicada: CODEX-INTRO-V07-PR115-DIFF-2026-09-07, confirmada contra el registro de la primera ronda en CODEX-INTRO-V07-PR115-DIFF-R2-2026-09-07). No cambió ningún otro texto argumentativo.
Historial de depósitos y alcance de las comprobaciones anteriores. Hasta el 16 de septiembre de 2026, la cita de acompañamiento de la parte superior de esta página indicaba que el depósito más reciente del DOI de concepto era la v1.25 (24 de agosto de 2026, DOI de versión 10.5281/zenodo.22077929); después se depositó la v1.29 (16 de septiembre de 2026, DOI de versión 10.5281/zenodo.22790100), y la v1.31 tras ella (22 de septiembre de 2026, DOI de versión 10.5281/zenodo.22900116); la cita de acompañamiento nombra ahora la v1.35, depositada el 25 de septiembre de 2026 como DOI de versión 10.5281/zenodo.22959463. Las comprobaciones que se describen a continuación se refieren a los depósitos anteriores de la v1.25 y la v1.31. Los datos de la v1.31 los comprobó el asistente de redacción a través de la API de Zenodo y comparando byte a byte el fichero servido con la copia local, y después los confirmaron de forma independiente el mismo día dos instancias descorrelacionadas, Kimi (Moonshot) y Grok (xAI), ejecutadas a ciegas y en paralelo con unas instrucciones idénticas byte a byte, cada una obteniendo el registro y calculando por sí misma el hash de los ficheros servido y local, y recuperando directamente el listado de versiones; ambas devolvieron CONFIRM-CLOSED en todas las afirmaciones comprobables con cero discrepancias (registro de cierres, seq 31). Los datos de la v1.25 los comprobaron de forma independiente dos instancias descorrelacionadas: Kimi (Moonshot) y Grok (xAI), ejecutadas a ciegas y en paralelo, cada una obteniendo el registro de Zenodo y calculando por sí misma el hash del fichero depositado en lugar de fiarse del informe del asistente de redacción. Ambas devolvieron CONFIRM-CLOSED en todas las afirmaciones comprobables, con cero discrepancias; Grok consultó además directamente el endpoint de la lista de versiones de Zenodo, descartando un depósito más reciente omitido en silencio. Anotado en el registro de cierres, seq 15 (Kimi) y seq 16 (Grok): https://github.com/clvstra/agentic-stemmatics-closure-log. La v0.6 (31 de agosto de 2026) añade a la Parte 4 un párrafo con una cita externa («Nueva base empírica para el mecanismo de envenenamiento», arXiv:2510.07192) (una excepción declarada a la regla según la cual este documento no dice nada que el artículo no diga), que antes de la fusión pasó la criba de dos instancias descorrelacionadas (GLM sobre el borrador inicial, DeepSeek en frío sobre el texto corregido; ambas MERGE-WITH-EDITS; se aplicaron todas las ediciones salvo una de GLM, que quedó superada por la verificación directa en el PDF de la propia formulación del estudio), más la verificación directa en la fuente de cada dato citado contra el PDF del estudio, y una pasada de integridad del diff de Codex sobre la propia fusión. La v0.5 añade este párrafo; no cambió ningún texto argumentativo.