--- title: ¿Cuánto alucinan los LLM en 2026? Los datos de los modelos más recientes description: "Cuánto alucinan GPT-6, Claude y Gemini en 2026: datos de estudios recientes, diferencias entre benchmarks y límites de las respuestas con fuentes." image: https://www.titular.com/hubfs/alucinaciones-llm-2026-portada.png --- [Skip to content](https://www.titular.com/blog/cuánto-alucinan-los-llm-en-2026-los-datos-de-los-modelos-más-recientes#main-content) [![](https://www.titular.com/hs-fs/hubfs/Logo.01.2026_04.png?width=150&height=58&name=Logo.01.2026_04.png) ![](https://www.titular.com/hs-fs/hubfs/Logo.01.2026_04.png?width=150&height=58&name=Logo.01.2026_04.png)](https://www.titular.com) - [SOLUCIONES](https://www.titular.com/#soluciones) Show submenu for SOLUCIONES - [HubSpot](https://www.titular.com/soluciones-hubspot) - [PowerLearn](https://www.titular.com/soluciones-powerlearn) - [Clupik](https://www.titular.com/soluciones-clupik) - [SERVICIOS](https://www.titular.com/#servicios) - [CASOS DE ÉXITO](https://www.titular.com/casos-de-exito) - [BLOG](https://www.titular.com/blog) Show submenu for BLOG - [Actualidad](https://www.titular.com/blog/tag/actualidad) - [Atención al cliente](https://www.titular.com/blog/tag/atencion-al-cliente) - [Casos de estudio](https://www.titular.com/blog/tag/casos-de-estudio) - [Diseño](https://www.titular.com/blog/tag/diseño) - [E-learning](https://www.titular.com/blog/tag/elearning) - [HubSpot](https://www.titular.com/blog/tag/hubspot) - [Inteligencia artificial](https://www.titular.com/blog/tag/inteligencia-artificial) - [Marketing](https://www.titular.com/blog/tag/marketing) - [Marketing deportivo](https://www.titular.com/blog/tag/marketing-deportivo) - [Métricas](https://www.titular.com/blog/tag/metricas) - [Publicidad digital](https://www.titular.com/blog/tag/publicidad-digital) - [Redes sociales](https://www.titular.com/blog/tag/redes-sociales) - [SEO](https://www.titular.com/blog/tag/seo) - [Ventas](https://www.titular.com/blog/tag/ventas) - [RECURSOS](https://www.titular.com/recursos) - [CONTACTO](https://www.titular.com/contacto) - [SOLUCIONES](https://www.titular.com/#soluciones) Show submenu for SOLUCIONES - [HubSpot](https://www.titular.com/soluciones-hubspot) - [PowerLearn](https://www.titular.com/soluciones-powerlearn) - [Clupik](https://www.titular.com/soluciones-clupik) - [SERVICIOS](https://www.titular.com/#servicios) - [CASOS DE ÉXITO](https://www.titular.com/casos-de-exito) - [BLOG](https://www.titular.com/blog) Show submenu for BLOG - [Actualidad](https://www.titular.com/blog/tag/actualidad) - [Atención al cliente](https://www.titular.com/blog/tag/atencion-al-cliente) - [Casos de estudio](https://www.titular.com/blog/tag/casos-de-estudio) - [Diseño](https://www.titular.com/blog/tag/diseño) - [E-learning](https://www.titular.com/blog/tag/elearning) - [HubSpot](https://www.titular.com/blog/tag/hubspot) - [Inteligencia artificial](https://www.titular.com/blog/tag/inteligencia-artificial) - [Marketing](https://www.titular.com/blog/tag/marketing) - [Marketing deportivo](https://www.titular.com/blog/tag/marketing-deportivo) - [Métricas](https://www.titular.com/blog/tag/metricas) - [Publicidad digital](https://www.titular.com/blog/tag/publicidad-digital) - [Redes sociales](https://www.titular.com/blog/tag/redes-sociales) - [SEO](https://www.titular.com/blog/tag/seo) - [Ventas](https://www.titular.com/blog/tag/ventas) - [RECURSOS](https://www.titular.com/recursos) - [CONTACTO](https://www.titular.com/contacto) Open main navigation Close main navigation Open search Close search Quick Links - Top Services - Pillar Page - Meeting Page - Lead Magnet [mailto:?body=https://www.titular.com/blog/cuánto-alucinan-los-llm-en-2026-los-datos-de-los-modelos-más-recientes](mailto:?body=https://www.titular.com/blog/cuánto-alucinan-los-llm-en-2026-los-datos-de-los-modelos-más-recientes) [Metricas](https://www.titular.com/blog/tag/metricas), [Actualidad](https://www.titular.com/blog/tag/actualidad) # ¿Cuánto alucinan los LLM en 2026? Los datos de los modelos más recientes [titular.com](https://www.titular.com/blog/author/titular-com) 16/10/26, 15:32 5 min. read ## Claves del artículo - **Los modelos recientes siguen alucinando**, incluso cuando reciben documentos o disponen de búsqueda web. - En resúmenes documentales, Vectara registra un **6,5% para GPT-6 Sol y un 8,7% para GPT-6 Astra**, bajo las condiciones de su evaluación. - En conversaciones especializadas de HalluHard, **GPT-6 Astra con búsqueda web registra un 27,2%** y Claude Fable 5 con búsqueda, un 38,9%. - Una investigación publicada en octubre de 2026 encontró tasas de entre **13,3% y 37,55%**, aunque evaluó versiones anteriores a varios de los modelos presentes en las clasificaciones actuales. - **Los porcentajes no son intercambiables**: algunos estudios evalúan resúmenes; otros, afirmaciones individuales, respuestas sobre noticias o la decisión de contestar cuando falta conocimiento. La llegada de modelos más avanzados no eliminó las **alucinaciones de la inteligencia artificial**: respuestas que contienen datos inventados, referencias incorrectas o afirmaciones que las fuentes citadas no sostienen. Las evaluaciones disponibles al **16 de octubre de 2026** muestran que el problema persiste en generaciones recientes, aunque su magnitud cambia considerablemente según la tarea. Para una empresa que utiliza IA para investigar mercados, responder consultas o producir contenidos, esa diferencia tiene consecuencias. Un modelo puede resumir documentos con bastante fidelidad y fallar al investigar un tema especializado. También puede encontrar una fuente auténtica y atribuirle una conclusión inexistente. La evidencia permite comparar comportamientos concretos. Lo que todavía no ofrece es un porcentaje universal que responda cuánto “miente” cada chatbot en cualquier situación. ## Qué muestran los datos de los modelos más recientes El [Hallucination Leaderboard de Vectara](https://github.com/vectara/hallucination-leaderboard), actualizado el **22 de septiembre de 2026**, compara modelos mediante una tarea delimitada: resumir documentos utilizando exclusivamente la información proporcionada. Esta selección reúne versiones recientes y otras referencias útiles de la clasificación: | Modelo | Tasa de alucinación en resúmenes | | --- | --- | | GPT-5.4 nano | 3,1% | | GPT-5.4 mini | 5,5% | | GPT-6 Sol | 6,5% | | GPT-5.4 | 7,0% | | Gemini 3.1 Flash-Lite Preview | 8,2% | | DeepSeek V4 Pro | 8,6% | | GPT-6 Astra | 8,7% | | Gemini 3.1 Pro Preview | 10,4% | | Claude Sonnet 4.6 | 10,6% | | Claude Opus 4.7 | 12,0% | | Claude Opus 4.6 | 12,2% | | GPT-5.6 Sol | 12,4% | Los porcentajes corresponden a **resúmenes clasificados como alucinados por el evaluador automatizado de Vectara**. No representan la proporción de afirmaciones falsas dentro de cada texto ni la tasa de error de todas las interacciones con esos modelos. Tampoco constituyen una clasificación general de calidad. Una herramienta puede conservar fielmente los hechos y producir un resumen poco útil, incompleto o mal organizado. La evaluación de fidelidad documental responde una pregunta específica: cuánto se aparta la respuesta del material que recibió. Para quien debe seleccionar una herramienta, la lectura práctica consiste en buscar una evaluación próxima al trabajo real. Resumir informes internos exige una comprobación diferente de la necesaria para investigar empresas, redactar noticias o interpretar documentación técnica. ### Por qué un porcentaje mayor no prueba un retroceso Vectara explicó que [renovó su metodología en noviembre de 2025](https://www.vectara.com/blog/introducing-the-next-generation-of-vectaras-hallucination-leaderboard). El conjunto pasó de 1.000 a **más de 7.700 artículos**, con textos más largos y difíciles, de hasta 32.000 tokens. El procedimiento consiste en generar un resumen, evaluarlo con su modelo HHEM y calcular qué proporción de documentos produjo un resultado clasificado como alucinado. La nueva dificultad elevó las tasas medidas. Por eso, comparar un porcentaje de la clasificación anterior con uno de la nueva puede producir una conclusión equivocada. **Si cambia el examen, el cambio en la nota no describe por sí solo una mejora o un deterioro del modelo.** Esa misma precaución se aplica a las comparaciones entre laboratorios: las diferencias pueden estar en los documentos, las instrucciones, la extensión de la respuesta o el criterio utilizado para detectar errores. ## GPT-6 y Claude: qué sucede cuando la IA puede buscar en Internet La búsqueda web suele presentarse como una solución a la falta de información actualizada. El benchmark académico [HalluHard](https://halluhard.com/) permite observar sus límites en conversaciones especializadas. Trabaja con **950 preguntas iniciales** sobre derecho, investigación, medicina y programación, seguidas por dos consultas adicionales. En las tres primeras áreas evalúa afirmaciones; en programación, respuestas completas. La versión actualizada ofrece estos resultados agregados: | Modelo y configuración | Tasa agregada de alucinación | | --- | --- | | GPT-6 Astra con búsqueda web | 27,2% | | Claude Fable 5 con búsqueda web | 38,9% | | GPT-6 Astra sin búsqueda web | 43,1% | | Claude Fable 5 sin búsqueda web | 51,0% | | Claude Sonnet 5 sin búsqueda web | 59,7% | Estas variantes corresponden al benchmark posterior a la actualización de preguntas legales del **15 de junio de 2026**. El estudio distingue entre **una referencia que existe** y **una referencia cuyo contenido respalda la afirmación**. También detecta errores que reaparecen en turnos posteriores. La búsqueda mejora los resultados de las configuraciones comparadas, pero deja fallas considerables. El promedio, además, reúne dominios y unidades de evaluación diferentes: no equivale al porcentaje de conversaciones cotidianas que contienen errores. La implicación para el trabajo editorial es directa. Revisar que un enlace funcione resuelve una parte del control; todavía falta leerlo. Una URL auténtica puede acompañar una cifra inexistente, una interpretación incorrecta o una atribución que la fuente nunca realizó. En una investigación prolongada conviene revisar las premisas antes de seguir profundizando. Si una respuesta inicial introduce un dato falso, las siguientes preguntas pueden desarrollarlo con mayor detalle y darle una apariencia creciente de consistencia. [![Resultados de Vectara y HalluHard para modelos recientes. La búsqueda web reduce las alucinaciones de GPT-6 Astra y Claude Fable 5; los porcentajes de ambos estudios no son comparables.](https://www.titular.com/hs-fs/hubfs/alucinaciones-llm-2026-infografia-v3.png?width=1122&height=1402&name=alucinaciones-llm-2026-infografia-v3.png)](https://www.titular.com/hubfs/alucinaciones-llm-2026-infografia-v3.png) Resultados seleccionados de Vectara y HalluHard, consultados el 16 de octubre de 2026. Cada panel mide una tarea diferente. Haz clic en la imagen para verla en tamaño completo. ## Saber más y reconocer cuándo falta información Otra dimensión de la confiabilidad aparece en **AA-Omniscience**, desarrollado por Artificial Analysis. Evalúa 6.000 preguntas de 42 temas distribuidos en seis áreas. El [AI Index 2026 de Stanford](https://hai.stanford.edu/ai-index/2026-ai-index-report/responsible-ai) recoge tasas de alucinación de entre **22% y 94%** para una evaluación de 26 modelos. Ese rango describe una fotografía anterior, no toda la clasificación actual. La [metodología de AA-Omniscience](https://artificialanalysis.ai/evaluations/omniscience) define la tasa como las respuestas incorrectas divididas por el conjunto de respuestas no correctas, incluidas las parciales y las abstenciones. **Un 94% no significa que el modelo inventó información en el 94% de todas las preguntas.** El índice general combina conocimiento y penalización de errores. En la clasificación consultada, Claude Opus 5.5 —configuración Max, Default Fallback— obtiene **46 puntos**; GPT-6 Astra High, **44**; y Claude Fable 5.1 Max, Default Fallback, **43**. Son puntuaciones del índice, no porcentajes de alucinación. Esta evaluación agrega una pregunta que suele quedar fuera de las demostraciones comerciales: ¿qué hace el sistema cuando no dispone de una respuesta correcta? En un entorno de producción, reconocer ese límite puede ser una conducta valiosa. Si falta una especificación de producto, dejarla pendiente permite solicitarla. Completarla con un dato plausible puede trasladar el error a una propuesta, una página comercial o una respuesta a un cliente. ## Qué aportan los estudios sobre noticias y desinformación Dos investigaciones amplían el panorama hacia el consumo de información. Sus resultados sirven como contexto, aunque no describen el comportamiento actual de cada modelo reciente. La [investigación de la EBU y la BBC sobre integridad informativa](https://www.ebu.ch/news/2025/10/ai-s-systemic-distortion-of-news-is-consistent-across-languages-and-territories-international-study-by-public-service-broadcaste), publicada el **22 de octubre de 2025**, evaluó más de 3.000 respuestas de ChatGPT, Copilot, Gemini y Perplexity. Participaron 22 organizaciones de medios públicos de 18 países y se trabajó en 14 idiomas. Encontró que: - **45%** de las respuestas tenía al menos un problema significativo. - **31%** presentaba problemas graves con las fuentes. - **20%** contenía errores importantes de precisión, incluidos datos inventados o desactualizados. Las categorías pueden superponerse y no deben sumarse. El 45% tampoco equivale exclusivamente a alucinaciones: incluye fallas de atribución y contexto. Gemini presentó problemas significativos en el **76%** de las respuestas de aquella evaluación, principalmente por deficiencias en las fuentes. Ese resultado corresponde a los sistemas examinados en 2025. “Estas fallas no son incidentes aislados”, afirmó Jean Philip De Tender, director de Medios y subdirector general de la EBU. Por su parte, el [AI False Claim Monitor de NewsGuard de enero de 2026](https://www.newsguardtech.com/ai-monitor/january-2026/), publicado el **25 de febrero**, examinó 11 asistentes frente a diez afirmaciones cuya falsedad estaba comprobada. Informó que reprodujeron afirmaciones falsas en **más del 28%** de las pruebas. El indicador mide vulnerabilidad ante desinformación, no todas las alucinaciones espontáneas. NewsGuard publicó [otra auditoría el 8 de junio de 2026, sobre pruebas de mayo](https://www.newsguardtech.com/ai-monitor/may-2026/). Su página pública no presenta una tasa global comparable. Por eso, el dato de enero no debe presentarse como una medición de octubre. ## Cómo convertir estas cifras en una decisión útil La selección de un modelo exige mirar el sistema que realmente se utilizará: su versión, configuración, acceso a fuentes y tarea concreta. Las cifras de un benchmark pueden orientar esa decisión, pero la prueba decisiva debe incluir materiales y consultas representativos de la organización. Para un equipo de contenidos, conviene distinguir al menos tres controles: **fidelidad al documento**, **exactitud de los datos externos** y **correspondencia entre afirmaciones y citas**. Aprobar uno no asegura aprobar los otros. Las arquitecturas de [generación aumentada por recuperación, o RAG, que analizamos en Titular](https://www.titular.com/blog/rag-y-geo-la-infraestructura-tecnica-del-nuevo-posicionamiento-de-marca), permiten incorporar documentación externa al proceso. El control editorial debe continuar después de recuperar esos documentos y alcanzar la respuesta que recibe el usuario. También conviene registrar el costo de corregir. Una herramienta que produce un borrador en segundos puede exigir una revisión extensa si introduce errores difíciles de detectar. El ahorro real aparece al considerar la producción y la verificación juntas. Ese criterio cambia qué se espera de una buena respuesta. Cuando la evidencia es insuficiente, una herramienta útil debe poder señalar el vacío, conservar la atribución correcta y dejar visible qué falta confirmar. En una publicación, esa conducta permite resolver una duda antes de convertirla en un hecho. ## ARTÍCULOS RELACIONADOS [![Suno después de los acuerdos: las dudas sobre la calidad de su nueva generación musical](https://www.titular.com/hs-fs/hubfs/suno-v6-editorial.png?height=500&name=suno-v6-editorial.png)](https://www.titular.com/blog/suno-después-de-los-acuerdos-las-dudas-sobre-la-calidad-de-su-nueva-generación-musical) [Actualidad](https://www.titular.com/blog/tag/actualidad) 4 min. ## [Suno después de los acuerdos: las dudas sobre la calidad de su nueva generación musical](https://www.titular.com/blog/suno-después-de-los-acuerdos-las-dudas-sobre-la-calidad-de-su-nueva-generación-musical) ![Picture of titular.com](https://www.titular.com/hs-fs/hubfs/favicons/Goat.Partner-head-fav.png?width=50&name=Goat.Partner-head-fav.png) [titular.com](https://www.titular.com/blog/author/titular-com) 15/10/26, 08:00 La llegada de V6 marcó el paso de Suno hacia modelos desarrollados con la industria discográfica.... [Seguir leyendo](https://www.titular.com/blog/suno-después-de-los-acuerdos-las-dudas-sobre-la-calidad-de-su-nueva-generación-musical) [![Sancor Seguros se aseguró los silbidos en la despedida de Messi](https://www.titular.com/hs-fs/hubfs/sancor-evento-sin-logo-tv.png?height=500&name=sancor-evento-sin-logo-tv.png)](https://www.titular.com/blog/sancor-seguros-se-aseguró-los-silbidos-en-la-despedida-de-messi) [Actualidad](https://www.titular.com/blog/tag/actualidad), [Marketing deportivo](https://www.titular.com/blog/tag/marketing-deportivo) 2 min. ## [Sancor Seguros se aseguró los silbidos en la despedida de Messi](https://www.titular.com/blog/sancor-seguros-se-aseguró-los-silbidos-en-la-despedida-de-messi) ![Picture of titular.com](https://www.titular.com/hs-fs/hubfs/favicons/Goat.Partner-head-fav.png?width=50&name=Goat.Partner-head-fav.png) [titular.com](https://www.titular.com/blog/author/titular-com) 08/10/26, 05:15 La aparición de la aseguradora antes de las imágenes del homenaje a Messi desató silbidos y... [Seguir leyendo](https://www.titular.com/blog/sancor-seguros-se-aseguró-los-silbidos-en-la-despedida-de-messi) [![Gemini 4 Argon: cómo Google busca controlar los riesgos de sus agentes](https://www.titular.com/hs-fs/hubfs/gemini-4-argon-seguridad.png?height=500&name=gemini-4-argon-seguridad.png)](https://www.titular.com/blog/gemini-4-argon-cómo-google-busca-controlar-los-riesgos-de-sus-agentes) [Actualidad](https://www.titular.com/blog/tag/actualidad) 3 min. ## [Gemini 4 Argon: cómo Google busca controlar los riesgos de sus agentes](https://www.titular.com/blog/gemini-4-argon-cómo-google-busca-controlar-los-riesgos-de-sus-agentes) ![Picture of titular.com](https://www.titular.com/hs-fs/hubfs/favicons/Goat.Partner-head-fav.png?width=50&name=Goat.Partner-head-fav.png) [titular.com](https://www.titular.com/blog/author/titular-com) 14/10/26, 08:51 Google detalló las defensas de su nuevo modelo frente al uso malicioso y las acciones fuera de los... [Seguir leyendo](https://www.titular.com/blog/gemini-4-argon-cómo-google-busca-controlar-los-riesgos-de-sus-agentes) [![](https://www.titular.com/hs-fs/hubfs/Logo.01.2026_04.png?width=2090&height=822&name=Logo.01.2026_04.png)](https://www.titular.com) facebook-f icon linkedin-in icon instagram icon - [SOLUCIONES](https://www.titular.com/#soluciones) - [SERVICIOS](https://www.titular.com/#servicios) - [CASOS DE ÉXITO](https://www.titular.com/casos-de-exito) - [BLOG](https://www.titular.com/blog) - [RECURSOS](https://www.titular.com/recursos) - [CONTACTO](https://www.titular.com/contacto) ## SUSCRIBITE AL BLOG ©2026 All rights reserved - Terms of use - Privacy policy ```json { "@context" : "https://schema.org", "@type" : "BlogPosting", "author" : { "@type" : "Person", "name" : "titular.com", "url" : "https://www.titular.com/blog/author/titular-com" }, "dateModified" : "2026-10-16T18:45:32.873Z", "datePublished" : "2026-10-16T18:32:31.000Z", "headline" : "¿Cuánto alucinan los LLM en 2026? Los datos de los modelos más recientes", "image" : [ "https://www.titular.com/hubfs/alucinaciones-llm-2026-portada.png" ], "mainEntityOfPage" : { "@id" : "https://www.titular.com/blog/cuánto-alucinan-los-llm-en-2026-los-datos-de-los-modelos-más-recientes", "@type" : "WebPage" }, "publisher" : { "@type" : "Organization", "logo" : { "@type" : "ImageObject", "url" : "https://www.titular.com/hubfs/TITULAR.logo-goat-negatrivo.png" }, "name" : "TITULAR LATAM S.A." } } ```