El modelo de detección de deepfakes SARAAB afirma alcanzar un 91% de precisión, pero ahora llega la prueba abierta

Según se informa, el modelo de detección de deepfakes SARAAB de Dubái alcanzó una precisión del 91% al analizar vídeos de apenas siete segundos. Esta afirmación otorga al Dubai Electronic Security Center, o DESC, una posición inusualmente concreta en la carrera por autenticar medios sintéticos.

La cifra destacada es solo el comienzo de la historia. DESC afirma que distribuirá SARAAB a través de plataformas para desarrolladores, permitiendo que investigadores externos inspeccionen, prueben y mejoren el sistema. Esta decisión desplaza la competencia de un anuncio gubernamental a un proyecto de código abierto susceptible de ser evaluado.

El principal adversario no es otro detector concreto. Es la persistente brecha entre sólidos resultados de referencia y un rendimiento fiable con vídeos desconocidos, comprimidos o alterados deliberadamente. La investigación de NIST muestra por qué la generalización sigue siendo un problema determinante para la ciencia forense de medios.

Lo que Dubái ha anunciado realmente sobre SARAAB

SARAAB importa porque una agencia gubernamental de ciberseguridad planea someter su detector de deepfakes al escrutinio externo.

DESC presentó oficialmente SARAAB el 16 de septiembre de 2026, durante GISEC Global en el Dubai Exhibition Centre. La agencia lo describió como un modelo de inteligencia artificial de código abierto desarrollado íntegramente por un equipo emiratí.

DESC también lo calificó como el primer modelo de detección de deepfakes de código abierto creado por una entidad gubernamental de la región árabe. Esta descripción establece la primacía institucional que reclama la agencia. No demuestra que SARAAB supere a todos los detectores disponibles en el mundo.

El anuncio de SARAAB de la agencia indica que el modelo se distribuirá a través de plataformas para desarrolladores. Ingenieros de IA, especialistas en ciberseguridad e investigadores podrán probarlo y contribuir a su desarrollo.

DESC no publicó las cifras de precisión comunicadas en aquel anuncio inicial. Esos detalles aparecieron en una cobertura posterior basada en información atribuida al centro.

Según el artículo publicado, SARAAB alcanzó una precisión de hasta el 91% en la evaluación de DESC. Según se informa, el modelo registró un 89% de precisión con datos que no había encontrado durante el entrenamiento.

Este segundo resultado es posiblemente más importante que la cifra principal. Las pruebas con datos no vistos pretenden medir si un detector ha aprendido señales forenses transferibles, en lugar de memorizar las características de su conjunto de entrenamiento.

Sin embargo, «no visto» puede describir distintas condiciones de prueba. Puede referirse a vídeos nuevos de generadores conocidos, nuevas personas, un conjunto de datos independiente o resultados de métodos de generación completamente desconocidos. Estas condiciones plantean niveles de dificultad muy diferentes.

El material público disponible no identifica los conjuntos de datos de prueba, el número de muestras, la composición demográfica, las fuentes de vídeo ni las herramientas de manipulación. Tampoco revela el equilibrio entre clases, las tasas de falsos positivos ni los umbrales de confianza.

Sin esos detalles, los lectores no pueden reproducir el resultado del 91% ni compararlo de forma justa con otro modelo. La precisión por sí sola también puede inducir a error cuando las muestras auténticas y manipuladas están representadas de manera desigual.

El informe afirma que SARAAB puede evaluar clips de apenas siete segundos. Según se informa, otros modelos de código abierto incluidos en la comparación de DESC requerían al menos 15 segundos de metraje.

Esta capacidad aborda una importante limitación operativa. Muchos vídeos sospechosos circulan como clips cortos en servicios de mensajería y plataformas sociales. Los investigadores no pueden dar por hecho que seguirá disponible un original más largo y de mayor calidad.

Un detector que admita entradas cortas podría ayudar a los equipos a clasificar este material antes de realizar un análisis forense más profundo. También podría encajar en flujos de trabajo en los que un análisis tardío permite que un clip engañoso se propague más rápido que la respuesta.

Aun así, un mínimo de siete segundos no revela cómo cambia el rendimiento según la duración. Un detector podría aceptar siete segundos y, al mismo tiempo, producir sus resultados más fiables con clips más largos. La evaluación pública debería medir esa curva, en lugar de tratar la duración mínima de entrada como una afirmación completa de rendimiento.

La cobertura también indica que SARAAB puede identificar regiones faciales manipuladas mediante mapas de calor. Un mapa de calor es una capa visual que señala las áreas que contribuyen a la decisión de un modelo.

Esta función puede ayudar a los analistas a investigar por qué se marcó un clip. No hace automáticamente que la predicción subyacente sea correcta ni explica por completo el razonamiento del modelo.

Según se informa, SARAAB admite el análisis de vídeos parcialmente manipulados. En este escenario, la mayor parte de una grabación sigue siendo auténtica mientras se altera un segmento o un rostro. Detectar esa intervención localizada es más difícil que clasificar un clip totalmente sintético.

También se acerca más a un ataque realista. Un estafador no necesita fabricar una reunión completa si basta con modificar una solicitud, una declaración o una instrucción de pago.

Estas capacidades hacen interesante al detector de deepfakes de Dubái. Sin embargo, su valor final dependerá de lo que los evaluadores externos puedan reproducir una vez que estén disponibles el código, los pesos y el procedimiento de evaluación.

Por qué el modelo de detección de deepfakes SARAAB aborda un problema más difícil

La verdadera competencia técnica se libra entre señales forenses reutilizables y artefactos que desaparecen cuando cambian los métodos de generación.

Los sistemas de detección de deepfakes suelen aprender patrones asociados con medios sintéticos o manipulados. Estos patrones pueden incluir incoherencias faciales, irregularidades temporales, artefactos de combinación, señales de frecuencia o relaciones entre fotogramas consecutivos.

La dificultad radica en que los sistemas de generación siguen cambiando. Una pista asociada a un proceso de intercambio de rostros puede desaparecer en un flujo de trabajo más reciente basado en difusión. La compresión y la edición pueden debilitar aún más la evidencia restante.

Por tanto, un detector puede funcionar bien en una prueba de referencia conocida sin seguir siendo fiable en condiciones reales. Este problema se conoce como generalización, es decir, el rendimiento con datos o técnicas de manipulación fuera de la distribución de entrenamiento.

El trabajo de NIST sobre el problema de la generalización ilustra la magnitud de esa brecha. En una comparación, un detector de referencia registró un AUC de 0,89 con un generador conocido.

Su AUC descendió a 0,58 y 0,55 en ejemplos de métodos de generación desconocidos. El AUC mide hasta qué punto un clasificador separa dos clases con distintos umbrales. Un resultado cercano a 0,5 se aproxima a una clasificación aleatoria.

Otro sistema evaluado generalizó mucho mejor y registró valores de AUC entre 0,97 y 0,99 en los conjuntos de datos ilustrados. La comparación muestra que el fracaso no es inevitable. También demuestra que la arquitectura, los datos de entrenamiento y el diseño de la evaluación importan enormemente.

El 89% de precisión de SARAAB comunicado para datos no vistos se refiere directamente a este desafío. Sin embargo, el resultado sigue siendo difícil de interpretar sin saber qué era exactamente lo no visto y cómo se construyó el conjunto de prueba.

Una evaluación pública significativa debería separar varias dimensiones. Debería probar generadores desconocidos, identidades ausentes del entrenamiento, distintos tonos de piel, condiciones de iluminación diferentes y múltiples tipos de cámaras.

También debería incluir transformaciones habituales. Las plataformas sociales a menudo redimensionan los vídeos, reducen su tasa de bits, modifican el color, eliminan metadatos o recomprimen el archivo varias veces.

Los atacantes pueden introducir esas transformaciones de forma intencionada. Pueden recortar rostros, añadir ruido, superponer texto, cambiar las tasas de fotogramas o grabar un vídeo manipulado desde otra pantalla.

Cada operación puede borrar artefactos forenses sin alterar el significado engañoso. Un detector destinado al uso operativo debe medirse después de estos cambios, no solo frente a muestras limpias de laboratorio.

La manipulación parcial plantea otro desafío. Si solo varios segundos son falsos, un modelo que promedia las señales de todo el vídeo podría diluir el segmento sospechoso.

El análisis a nivel de fotograma o de segmento puede ayudar a localizar la alteración. También genera más predicciones, lo que incrementa la probabilidad de falsas alarmas aisladas.

Los mapas de calor pueden orientar a un analista humano hacia las regiones faciales que merecen examen. Sin embargo, los mapas de atención no equivalen a explicaciones causales. Pueden parecer convincentes incluso cuando un modelo se basa en patrones irrelevantes.

Por tanto, los investigadores externos deberían comprobar si las regiones destacadas por SARAAB corresponden a ediciones reales. También deberían verificar si condiciones inocuas, como maquillaje, filtros, poca luz o efectos de videoconferencia, activan patrones similares.

Los clips cortos plantean su propio problema estadístico. Un menor número de fotogramas proporciona menos evidencia temporal, mientras que la compresión de las plataformas puede eliminar detalles visuales finos. Los movimientos rápidos y las oclusiones complican aún más el análisis facial.

Esto hace que la afirmación de los siete segundos sea útil, pero exigente. Las pruebas independientes deberían informar del rendimiento con varias duraciones de clip, incluidos siete, 15, 30 y 60 segundos.

También deberían informar de la latencia y los requisitos de hardware. Un detector que procesa con precisión un clip corto, pero tarda varios minutos en hardware especializado, cumple una función distinta de la de un sistema de evaluación en tiempo real.

La pregunta central no es si el detector de deepfakes de Dubái puede detectar ejemplos que los humanos no perciben. Es si su decisión se mantiene estable ante las transformaciones desordenadas que caracterizan la distribución real.

El plan de código abierto de SARAAB abre una vía para responder a esa pregunta. Un repositorio accesible puede revelar el preprocesamiento, la arquitectura del modelo, los umbrales y las limitaciones conocidas.

Los pesos abiertos permitirían pruebas independientes de red team. Un conjunto de datos documentado y un script de evaluación harían que la afirmación del 91% fuera reproducible, en lugar de simplemente repetible dentro de DESC.

La distinción importa. La repetición por parte del equipo original muestra consistencia interna. La reproducción por parte de terceros demuestra que el resultado comunicado resiste métodos y supuestos independientes.

El código abierto cambia el equilibrio entre las afirmaciones y la verificación

Publicar SARAAB abiertamente convierte las críticas externas, de un riesgo de comunicación, en parte del proceso de desarrollo.

Las agencias gubernamentales suelen adquirir productos de detección de proveedores privados. Estos sistemas pueden proporcionar una puntuación de confianza sin revelar sus datos de entrenamiento, el comportamiento del modelo ni las condiciones en las que falla.

Estas herramientas pueden ayudar con la clasificación inicial, pero su opacidad crea riesgos operativos. Los investigadores podrían otorgar demasiado peso a una puntuación que no pueden examinar ni reproducir.

DESC sigue una vía distinta. Al planificar una publicación a través de plataformas utilizadas por desarrolladores, la agencia invita a investigadores de seguridad a probar el modelo frente a casos que sus creadores no seleccionaron.

Esta apertura permite descubrir más rápidamente los puntos ciegos. Los investigadores pueden evaluar la sensibilidad a la compresión, la variación demográfica, los cambios adversariales y los nuevos modelos de generación.

También puede exponer vulnerabilidades ante atacantes. Una vez que los pesos y la lógica de preprocesamiento sean públicos, un adversario podrá estudiar el detector y optimizar medios sintéticos para sortearlo.

Esta tensión es conocida en ciberseguridad. El código abierto permite la inspección y la mejora colectiva, mientras que la divulgación proporciona a los atacantes información sobre las hipótesis defensivas.

El factor decisivo es el mantenimiento. Un detector abierto que recibe evaluaciones periódicas, seguimiento de incidencias y actualizaciones del modelo puede responder a las debilidades descubiertas.

Un repositorio abandonado ofrece transparencia sin protección duradera. Su benchmark publicado pierde relevancia a medida que cambian los sistemas de generación y los patrones de distribución.

DESC ha afirmado que los investigadores podrán desarrollar y contribuir a SARAAB. Esa promesa será medible cuando aparezca el repositorio.

Una publicación seria debería identificar su licencia, los pesos del modelo, el uso previsto y los usos prohibidos. Debería incluir resultados de evaluación versionados y un canal claro para reportar hallazgos de seguridad.

La documentación del conjunto de datos también importa. Los conjuntos de datos de deepfakes pueden incorporar desequilibrios demográficos, problemas de consentimiento o supuestos limitados sobre qué se considera contenido audiovisual auténtico.

Una tarjeta del modelo debería explicar qué rostros, idiomas, formatos de vídeo y familias de manipulación estuvieron representados. Debería indicar dónde el modelo funciona mal.

La publicación también debería distinguir entre el uso para investigación y las decisiones de alto impacto. La puntuación de un detector no debería determinar por sí sola si un vídeo es fraudulento, si una persona miente o si una prueba es admisible.

NIST gestiona la evaluación OpenMFC para proporcionar pruebas compartidas a los sistemas de análisis forense de medios. Su enfoque refleja por qué las condiciones de evaluación comunes son esenciales.

Cuando cada desarrollador selecciona conjuntos de datos y métricas diferentes, resulta difícil comparar la precisión anunciada. Un desafío compartido puede poner a prueba los sistemas con datos reservados bajo reglas coherentes.

SARAAB se beneficiaría de ese tipo de evaluación. Según se informó, la comparación de DESC lo situó por encima de otros modelos de código abierto incluidos, pero los nombres y las configuraciones de esos modelos no se han publicado.

Esa omisión impide a los lectores evaluar la referencia. Una comparación con detectores antiguos y sin mantenimiento significaría algo distinto de una prueba frente a sistemas líderes configurados por sus propios desarrolladores.

Las evaluaciones comparativas independientes deberían comparar SARAAB en los mismos puntos operativos. La tasa de falsos positivos, la tasa de falsos negativos, la precisión, la exhaustividad y la calibración revelan información que una única cifra de exactitud oculta.

Los falsos positivos merecen especial atención. Un detector que etiqueta incorrectamente imágenes auténticas puede dañar reputaciones, retrasar la cobertura y generar dudas sobre pruebas legítimas.

Los falsos negativos generan un perjuicio diferente. Pueden otorgar a un vídeo engañoso un aura inmerecida de autenticidad cuando una herramienta de cribado no lo señala.

El problema se agrava cuando los usuarios interpretan “no detectado” como “verificado como real”. Los detectores de deepfakes suelen evaluar si existen señales forenses conocidas. No establecen la veracidad de cada hecho mostrado.

La documentación abierta debería dejar explícito ese límite. El mejor resultado sería una herramienta que apoye a analistas capacitados, no un juez automatizado que sustituya la verificación.

Aquí es donde la apertura brinda a SARAAB una ventaja estructural frente a una caja negra sin soporte. Los investigadores pueden probar los límites y comunicarlos antes de que las organizaciones construyan flujos de trabajo con consecuencias alrededor del modelo.

La publicación también puede fomentar la capacidad regional de investigación. Un proyecto liderado por Emiratos puede incorporar instituciones, conjuntos de datos y contextos operativos adicionales a un campo a menudo definido por referencias norteamericanas, europeas y de Asia oriental.

Ese beneficio depende de prácticas de datos responsables y de una evaluación transparente. La representación regional debería mejorar la base de evidencia sin debilitar los estándares de consentimiento, privacidad o documentación.

Lo que una precisión del 91% no dice a los equipos de seguridad

Un resultado del 91% es una señal de investigación prometedora, no una probabilidad universal de que SARAAB identificará correctamente cualquier deepfake.

La exactitud mide la proporción de clasificaciones correctas en una evaluación concreta. Su significado depende del conjunto de datos, las etiquetas, el equilibrio entre clases, el umbral y la definición de un resultado correcto.

Considere un conjunto de prueba dominado por vídeos auténticos. Un modelo podría lograr una alta exactitud al favorecer la etiqueta de autenticidad, incluso si no detecta muchos clips manipulados.

La precisión pregunta cuántos vídeos señalados estaban realmente manipulados. La exhaustividad pregunta cuántos vídeos manipulados encontró correctamente el sistema. Ambas son importantes en un flujo de trabajo de cribado.

El equilibrio preferido depende del caso de uso. Una plataforma social que gestiona millones de cargas puede priorizar un triaje escalable. Un equipo forense que examina pruebas puede aceptar un análisis más lento para reducir errores perjudiciales.

La calibración también es importante. Una puntuación de confianza del 80% bien calibrada debería corresponder a predicciones correctas aproximadamente a esa tasa en casos comparables.

Un modelo no calibrado puede generar puntuaciones seguras que no se corresponden de forma fiable con el riesgo real. Ese comportamiento puede inducir a error a los operadores incluso cuando la exactitud agregada parece aceptable.

Los resultados reportados de SARAAB aún no revelan estas medidas. Tampoco muestran si el equipo probó audio manipulado junto con el vídeo.

La descripción pública se centra en la manipulación facial en vídeo. Ese alcance importa porque un clip puede usar imágenes auténticas con audio clonado, subtítulos sintéticos o ediciones engañosas.

A la inversa, una grabación auténtica puede presentarse con un contexto falso. Ningún detector a nivel de píxel puede determinar si el texto, la fecha, la ubicación o la afirmación circundante son veraces.

Por ello, la detección de deepfakes debe integrarse en un proceso de verificación más amplio. Los analistas deberían examinar la fuente, el historial de publicación, los metadatos, las pruebas corroborativas y la conducta solicitada por el remitente.

La procedencia del contenido aporta otra capa. El estándar C2PA admite registros con evidencia de manipulación que describen la fuente y el historial de edición asociados a un activo digital.

El explicador oficial de C2PA recalca que las Content Credentials no deciden si una afirmación es verdadera. Verifican que la información de procedencia esté correctamente formada, sea confiable y esté asociada al activo.

La procedencia y la detección resuelven problemas distintos. SARAAB busca señales forenses de manipulación después de examinar el contenido multimedia.

Las Content Credentials pueden registrar de dónde proviene un archivo y qué cambios declarados se realizaron. Su ausencia no demuestra que un archivo sea falso, ya que muchas cámaras y herramientas de edición no las incorporan.

Las credenciales también pueden eliminarse mediante conversión o procesamiento por plataformas. Un detector sigue siendo útil cuando falta la procedencia, mientras que la procedencia puede reforzar la confianza sin depender únicamente de artefactos estadísticos.

La verificación humana proporciona una tercera capa. Los investigadores pueden contactar a la fuente presunta mediante un canal conocido, localizar copias anteriores y comparar el contenido con material verificado.

Estas capas funcionan mejor juntas. Ningún detector, marca de agua, credencial o analista por sí solo puede abarcar todas las vías de manipulación y distribución.

Lo que está en juego va más allá de la desinformación como problema abstracto. El fraude por suplantación de identidad ataca a las personas mediante mensajes que parecen proceder de familiares, ejecutivos, empresas o funcionarios públicos.

La Comisión Federal de Comercio de Estados Unidos informó que los consumidores perdieron casi 3.000 millones de dólares a manos de suplantadores durante 2024. Su guía sobre fraude aconseja a las personas verificar contactos inesperados utilizando información que saben de forma independiente que es auténtica.

Esa práctica sigue siendo necesaria incluso cuando mejora el cribado automatizado. Un detector del 91% sigue implicando errores dentro de las condiciones de su propia prueba reportada.

El rendimiento en el mundo real puede ser menor cuando la entrada difiere de esas condiciones. Los atacantes también se adaptan una vez que descubren qué artefactos activan la detección.

Los equipos de seguridad deberían evitar convertir el modelo de detección de deepfakes SARAAB en un sistema de luz verde. Una puntuación de bajo riesgo no debería autorizar un pago, restablecer una cuenta ni validar una solicitud de un ejecutivo.

Un flujo de trabajo mejor utiliza la puntuación para dirigir los casos. Los clips de alto riesgo reciben revisión inmediata, mientras que las solicitudes con consecuencias requieren verificaciones de identidad independientes, sin importar el resultado del detector.

Las organizaciones también necesitan procedimientos para resultados disputados. Las personas afectadas por una señalización errónea deberían tener acceso a revisión humana y pruebas de respaldo.

Registrar las versiones del modelo es esencial. Si SARAAB cambia con el tiempo, los investigadores deben saber qué versión analizó un clip y qué umbral produjo el resultado.

Esos registros ayudan a reproducir decisiones y medir la deriva. También evitan que los equipos presenten el comportamiento de un modelo actual como prueba de una evaluación anterior.

Tres señales mostrarán si el detector de Dubái cumple

La credibilidad de SARAAB aumentará o disminuirá según la calidad de la publicación, las pruebas de estrés independientes y la evidencia de uso operativo.

La primera señal es la publicación real de código abierto. Los investigadores deberían buscar código utilizable, pesos descargables, una licencia explícita, scripts de evaluación y documentación de las condiciones de entrenamiento y prueba.

Un repositorio que contenga solo una interfaz de demostración no proporcionaría acceso suficiente para reproducir la cifra del 91%. Una publicación completa permitiría a los evaluadores seguir el recorrido desde el vídeo sin procesar hasta la clasificación final.

La tarjeta del modelo debería explicar los usuarios previstos y los formatos compatibles de SARAAB. También debería describir sus limitaciones, la gobernanza de los datos y el rendimiento esperado en distintas condiciones de entrada.

DESC debería publicar qué modelos aparecieron en su prueba comparativa. Los números de versión, los ajustes de preprocesamiento, el hardware y los umbrales de decisión deberían acompañar los resultados.

Si aparecen esos materiales, la afirmación central del proyecto se vuelve auditable. Si siguen ausentes, el anuncio tendrá menos peso del que sugiere la cifra de exactitud.

La segunda señal son las pruebas independientes frente a generadores desconocidos y medios degradados. Los investigadores deberían poner a prueba el modelo con nuevos sistemas de intercambio de rostros, herramientas de difusión, filtros, grabaciones de pantalla y compresión repetida.

Deberían incluir vídeos de dispositivos, condiciones de iluminación y grupos demográficos variados. Los resultados deberían informarse con varias duraciones de clip, especialmente el mínimo reclamado de siete segundos.

La manipulación parcial merece una prueba específica. Los evaluadores deberían medir si SARAAB puede encontrar un breve segmento alterado dentro de una grabación auténtica más larga sin generar un número excesivo de falsas alarmas.

La localización mediante mapas de calor debería recibir una puntuación independiente. Una etiqueta correcta a nivel de vídeo no significa necesariamente que la región facial resaltada coincida con el área realmente manipulada.

La evidencia más sólida provendría de evaluaciones compartidas o reservadas que impidan a los desarrolladores ajustar directamente sus sistemas a las respuestas. Los resultados de desafíos al estilo de NIST serían más comparables que demostraciones seleccionadas por los propios desarrolladores.

Un buen rendimiento entre conjuntos de datos reforzaría la afirmación de DESC de que SARAAB ofrece detección transferible. Descensos pronunciados con nuevos generadores demostrarían que el modelo sigue ligado a su benchmark original.

La tercera señal es una adopción operativa responsable. DESC u organizaciones asociadas deberían explicar dónde se utiliza SARAAB, qué decisiones informa y cómo las personas revisan sus resultados.

La adopción por sí sola no demostraría la exactitud. Sin embargo, un flujo de trabajo documentado puede mostrar si el modelo procesa envíos reales, reduce el tiempo de revisión o ayuda a localizar segmentos sospechosos.

Los informes útiles deberían incluir las tasas de error observadas tras el despliegue. Deberían explicar cómo los equipos gestionan las puntuaciones inciertas y con qué frecuencia los analistas revocan los resultados del modelo.

Las organizaciones también deberían revelar si SARAAB se ejecuta localmente o envía los medios a otro servicio. Esa distinción afecta a la privacidad cuando los usuarios envían vídeos personales, confidenciales o probatorios.

Un despliegue local de código abierto podría ayudar a las agencias a mantener el control sobre material sensible. También trasladaría la responsabilidad de la seguridad, las actualizaciones y la gobernanza del modelo a la organización que lo despliega.

Estas tres señales establecen un criterio claro. Una publicación completa garantiza transparencia. Las pruebas independientes miden la capacidad de generalización. La adopción responsable revela si el modelo encaja en flujos de trabajo reales de investigación.

Hasta entonces, la evaluación más justa es condicional. SARAAB es una destacada iniciativa de código abierto respaldada por el gobierno, con un resultado de precisión reportado del 91 % y un enfoque útil en videos cortos.

Aún no es un sistema universal de autenticidad. La evidencia publicada no establece su rendimiento frente a todos los generadores, plataformas, grupos demográficos o transformaciones adversarias.

Esa distinción no debería borrar el valor del proyecto. Debería orientar la siguiente fase de escrutinio.

Los desarrolladores y equipos de seguridad deberían seguir el repositorio, no solo el titular. Deberían reproducir el benchmark reportado, poner a prueba la afirmación de los siete segundos y publicar los fallos junto con los éxitos.

Para los usuarios comunes, la lección inmediata sigue siendo práctica. Considera un video sospechoso como una pieza de evidencia, especialmente cuando viene acompañado de urgencia, secretismo o una solicitud de dinero.

El modelo de detección de deepfakes SARAAB puede reforzar ese proceso de verificación si su publicación abierta cumple con el compromiso de DESC. La siguiente pregunta es si los evaluadores independientes pueden reproducir sus resultados en condiciones que el equipo original no controló.