La precisión de los detectores de deepfakes cae hasta un 49% en un año de avances en video con IA

Actualizado el 17 de septiembre de 2026

Saber si un video es IA es hoy una apuesta. En el banco de pruebas DF26, publicado el 7 de septiembre de 2026, la media de nueve detectores de última generación pasa de 84,4 a 56,1 de AUROC, ninguno supera 69,7 y las personas del estudio reconocieron los videos generados por IA en el 52,6% de los casos. El detector más castigado pierde el 49% de su precisión en un año, al bajar de 94,3 a 48,2.

Los detectores fallan sobre todo ante los modelos comerciales que cualquiera usa desde un navegador, sin conocimientos técnicos. Y el consejo que repiten las guías sobre cómo saber si un video es falso, revisar manos, parpadeos y luces incoherentes, es justamente el que estas cifras desmontan.

Qué mide el banco de pruebas DF26 y por qué sus cifras importan

El estudio DF26, titulado “DF26: We Cannot Tell Fake From Real Anymore” (arXiv:2609.07369), lo firman investigadores de la Universidad Católica Ucraniana, la Universidad Técnica Checa de Praga, Hover Inc. y el Instituto de Sistemas de Software de la Academia Nacional de Ciencias de Ucrania. Reúne 2.691 videos, 271 reales y 2.420 generados por siete modelos publicados entre 2025 y 2026, en tres escenarios de habla en público: a cámara, grabaciones oficiales y entrevistas de estudio.

De cada video real, tomado de OpenVid-1M, TalkingCelebs y MAVOS-DD, se extrae un prompt semántico de sus fotogramas y se genera un clip sintético equivalente: cada falso tiene un verdadero con el mismo contexto visual. En los generados no hay marcas de agua visibles ni marcadores de exportación, nada de lo que un ojo entrenado busca.

Elo estimado por Artificial Analysis.

Nueve detectores de última generación: ninguno basta para saber si un video es IA

Los nueve detectores están entrenados con FaceForensics++ y se miden sin reentrenamiento, la situación real de cualquier herramienta puesta frente a un generador que no existía cuando se entrenó. El AUROC va en porcentaje y 50 equivale a lanzar una moneda.

Ninguno de los nueve supera 69,7 y Effort cae a 44,0, por debajo del azar. El derrumbe más grave es el de DFD-FCG, que pierde 46,1 puntos. Las medias esconden además los desplomes peores: por generador, Effort marca 13,6 frente a Grok Imagine 1.0 y 21,3 frente a Veo 3.1, mientras DFD-FCG baja a 20,5 con Grok Imagine y a 27,4 con Kling 3.0. En media por generador, el mejor sistema alcanza 72,7 y el peor 40,9. Los autores lo escriben con todas las letras: los modelos comerciales son el caso más difícil y las medias agregadas ocultan fallos severos, porque un detector puede ir bien con un generador y hundirse bajo el azar con otro. Un número global no basta para saber si un video es IA cuando lo tienes delante.

No es un accidente de septiembre: la curva baja desde hace dos años

El estudio DF26 no inaugura la tendencia, la confirma. Deepfake-Eval-2024 (arXiv:2503.02857, presentado en CVPRW 2026) no usó material de laboratorio sino contenido que circuló por internet en 2024: 45 horas de video, 56,5 horas de audio y 1.975 imágenes de 88 sitios en 52 idiomas. Frente a los bancos de pruebas anteriores, el AUC de los detectores abiertos cayó un 50% en video, un 48% en audio y un 45% en imagen. Dos estudios distintos apuntan en la misma dirección dos años seguidos.

Por qué pierden terreno: el problema ha cambiado de naturaleza

Los detectores buscan algo que en estos videos ya no existe. Están entrenados con FaceForensics++, construido sobre manipulaciones de rostros reales: intercambio de caras, reanimación facial, modificación de atributos. Su lógica es encontrar la discontinuidad entre la parte auténtica del fotograma y la alterada. Los videos del estudio DF26 no contienen ninguna manipulación porque están generados por completo: esa costura no existe. Los autores lo llaman desplazamiento de distribución entre modelos generativos, y verifican que el derrumbe depende del generador, no del escenario grabado.

El reentrenamiento funciona, pero llega tarde por definición. Al reentrenar GenD-PE con el subconjunto de HunyuanVideo de imagen a video, su media sube de 76,0 a 82,3, Grok Imagine pasa de 66,5 a 96,8 y Veo 3.1 de 76,6 a 95,6. La mejora tiene condición: el detector aprende un generador cada vez, y solo cuando ya ha salido y se han podido muestrear sus resultados. Cada modelo nuevo reabre la ventana. El contexto está en la guía sobre deepfakes.

El ojo humano tampoco sirve de respaldo

Cuando las máquinas fallan, la intuición sugiere confiar en las personas para saber si un video es IA, y el estudio lo midió. En 232 sesiones con estudiantes voluntarios, cada participante juzgó 30 videos, 15 de ellos falsos sin que se anunciara la proporción, en clips de 5 segundos.

Con los videos verdaderos las personas rinden igual en los tres conjuntos; con los falsos del estudio DF26 no encuentran indicios suficientes, y el generador que más engaña es LTX 2.3 destilado de imagen a video. No es una anomalía: el metaanálisis de Diel y colaboradores sobre 56 trabajos (doi:10.1016/j.chbr.2024.100538), con 86.155 participantes, sitúa la precisión media en el 55,54%, con un intervalo de confianza del 95% entre el 48,87% y el 62,10%. Como ese intervalo cruza el 50%, el rendimiento no se distingue del azar.

Hay un dato que suele pasar desapercibido: el 24,0% de los videos reales del banco de pruebas DF26 fue tomado por falso. Creerse un video fabricado es la mitad del daño; la otra mitad es tomar por falso uno real, y para quien debe aportar una grabación ante un juzgado esa mitad sale más cara.

Si la duda no se resuelve después, hay que hacerla innecesaria antes

TrueScreen, la Data Authenticity Platform, invierte el problema: en lugar de tener que saber si un video es IA después de que haya circulado, fija su autenticidad digital en el momento de la captura. Origen, integridad y tiempo dejan de ser una hipótesis por reconstruir y pasan a ser propiedades documentadas del archivo desde que nace.

Un perito que documenta los daños de una granizada sobre una nave industrial puede grabar con el teléfono y esperar que nadie lo cuestione, o capturar el video ya certificado, con integridad verificable, marca de tiempo y coordenadas. En el segundo caso la contraparte tiene mucho menos que discutir: el archivo llega con la prueba de su origen encima. Quien debe sostener una grabación ante una aseguradora o un tribunal usa TrueScreen para capturarla con metodología forense y obtener un informe verificable en lugar de una puntuación de probabilidad, con un sello digital oficial y una marca de tiempo cualificada, reconocidos internacionalmente.

Pesa en el terreno probatorio. En España la prueba electrónica entra en el proceso por la vía del artículo 299.2 de la Ley 1/2000 de Enjuiciamiento Civil y se valora por lo que el tribunal pueda comprobar sobre origen e integridad, mientras el Reglamento eIDAS y la Ley 6/2020 regulan los servicios de confianza y la verificación de un documento electrónico impugnado. Lo desarrollamos en las guías sobre cómo certificar fotos con valor legal y admisibilidad de la prueba digital en juicio.

Nada de esto implica ignorar lo que el archivo declara. Las marcas que el contenido trae consigo valen como señal: Content Credentials del estándar C2PA, el campo IPTC digitalSourceType y las etiquetas que algunos generadores escriben en EXIF y XMP. Hay que leerlas en las dos direcciones: un archivo sin Content Credentials no es sospechoso por esa ausencia, porque la mayoría de los videos auténticos tampoco las lleva. El análisis de contenido sintético forma parte de la captura y devuelve un grado de confianza: una señal dentro de un expediente, no el expediente.

Conviene retener lo que el estudio DF26 declara de sí mismo. Sus autores señalan dos límites: 2.691 videos son pocos frente a los bancos de pruebas de gran tamaño, y la evaluación es solo visual, sin audio ni sincronía labial. Tampoco afirma que detectar sea inútil: dice que estos nueve detectores, entrenados con FaceForensics++ y puestos delante de generadores que nunca vieron, no aguantan. No mide herramientas comerciales ni imágenes fijas.