Síntesis de los resultados publicados en agent-results para gpt-5.6-sol default y GPT-6-Luna medium. Los números son los informados por cada análisis; aquí se comparan sus métodos, criterios de aceptación y límites.
Autoría de esta comparación: Codex, una IA GPT-6 Sol con razonamiento medio (medium). Los resultados de cada caso pertenecen a las ejecuciones citadas.
4 casos × 2 modelosOcho trabajos, con preguntas y controles distintos.
1 paso humano claveEl método original exige aceptar, descartar o corregir trazas cuadro por cuadro.
Cuatro casos, en breve
Caso 111 videos
Sol reproduce dos grupos con los centros publicados; Luna no valida ninguno con centro libre.
Revisión de trazas y centro condicionan el resultado.
Caso 221 videos
Dos estimadores de longitud dan valores centrales de Q/m cercanos.
6,65 frente a 6,5 × 10⁻⁴ C/kg.
Caso 311 frente a 21 videos
Ninguno alcanza un ajuste aceptable para informar Q/m final.
La selección automática de trazas es una causa plausible.
Caso 4Preguntas distintas
Sol estima dos grupos geométricos; Luna busca evidencia espectral en 21 videos.
Luna acepta 0 de 1.036 candidatos espectrales.
Figura 1. En el método semiautomático original, la persona revisa las trazas; el centro se calcula después. Los análisis automáticos omiten esta selección cuadro por cuadro.
Alcance. La ausencia de revisión humana puede dejar reflejos, fragmentos y fusiones que alteran longitud y centro. No explica por sí sola todos los descartes: también importan la cobertura angular, la estabilidad geométrica y, en el caso 4 de Luna, la resolución temporal. Los valores de Sol en los casos 1 y 4 usan centros tomados del informe.
Comparación basada en los archivos del repositorio · 28 sep 20261 / 4
Resultados por caso · I
Dónde hay números comparables
1
Reanálisis de 11 videos
Sol
Muestrea 40 cuadros por video, mide una línea media cuadrática y usa la mediana de c = L/R. Con el centro publicado, dos videos se asocian de forma plausible con los grupos del informe: 8,78 ± 1,07 y 8,80 ± 1,16 × 10⁻⁴ C/kg. La asociación del segundo video tiene apoyo visual directo; la de ambos no es demostrable por identificadores. Fuente [1].
Luna
Usa esqueletización y ajusta centro y c simultáneamente, sin la corrección humana de trazas del método original. Los centros y las pendientes resultan inestables: ningún video pasa todos los controles. La tabla contiene diagnósticos, pero no una medición final. Fuente [2].
Figura 2. Puntos e incertidumbres informadas (±). La coincidencia depende del centro geométrico tomado del informe; Luna no aceptó un valor final para incluir en la escala.
2
Análisis autónomo de 21 videos
Sol
Corrige el ancho óptico de las trazas, estima el nulo RF por video y resume q = L/R mediante medianas por video. Reporta 6,65 × 10⁻⁴ C/kg (IC 95 % entre videos: 6,42–7,83). La frecuencia secular predicha, 3,53 Hz, carece de confirmación espectral robusta. Fuente [3].
Luna
Mide longitud con el eje principal de cada mancha (PCA), ajusta centro y pendiente, y retiene seis videos tras controles geométricos. Reporta (6,5 ± 1,9) × 10⁻⁴ C/kg; la dispersión entre videos domina el error. Fuente [4].
Figura 3. Valores centrales similares. Las barras usan definiciones de incertidumbre diferentes y no son una prueba de equivalencia estadística.
Fuentes [1]–[4] al final del documento2 / 4
Resultados por caso · II
Dónde el método cambia la conclusión
3
Reanálisis exploratorio
Sol
Sobre 11 videos, detecta 519 trazas y ajusta L = cR con centro libre. Aplica reglas automáticas sin aceptación o corrección humana por cuadro. Ningún video cumple a la vez cobertura angular, estabilidad del centro y calidad del ajuste. Fuente [5].
Luna
Sobre 21 videos, mide la longitud por esqueleto Zhang–Suen y ajusta centro y c juntos. También sustituye la revisión humana por filtros automáticos. Ningún video supera simultáneamente los controles de trazas, estabilidad del centro y límite físico. Fuente [6].
Figura 4. Ambos rechazan un Q/m final y omiten la revisión humana de trazas, pero trabajaron con conjuntos de distinto tamaño. Sus distribuciones de c no deben cotejarse video a video.
4
Dos preguntas sobre los mismos 21 videos
Sol
Selecciona los dos videos ligados a los grupos del informe. Estima longitud desde área y perímetro con cinco umbrales y conserva los centros publicados. Obtiene 8,99 ± 1,08 y 8,91 ± 1,07 × 10⁻⁴ C/kg, a 3,3 % y 4,8 % de los valores publicados. Fuente [7].
Luna
Procesa los 15.710 cuadros de los 21 videos y busca frecuencias seculares en trayectorias. Detecta 1.036 candidatos espectrales preliminares, pero 0 pasan duración, ajuste y resolución. No convierte a Q/m final. Fuente [8].
Figura 5. Los dos modelos contestan preguntas distintas dentro del caso 4. La falta de señal espectral validada no refuta por sí sola la estimación geométrica.
Condición común. La conversión de longitud a Q/m supone frecuencia RF de 50 Hz, tensión de 1175 V y radio de 8,9 mm bajo una geometría ideal. La amplitud de tensión, la exposición y la geometría real no están suficientemente calibradas para tratar las cifras como constantes universales de las esporas.
Fuentes [5]–[8] al final del documento3 / 4
Interpretación y trazabilidad
Qué se puede concluir
Coincidencias
Caso 2: los valores centrales, 6,65 y 6,5 × 10⁻⁴ C/kg, son cercanos. Provienen de longitudes y filtros diferentes; sus barras expresan incertidumbres distintas.
Caso 3: ambos análisis rechazan un resultado físico final por inestabilidad geométrica. No trabajaron con la misma cantidad de videos.
Casos 1 y 4: el acuerdo de Sol con el informe respalda una medición alternativa de longitud condicionada a centros ya publicados.
Límites que deciden el resultado
Selección de trazas y centro: reflejos, fusiones y fragmentos sin corregir alteran L; un abanico angular incompleto también vuelve inestable el centro y afecta R.
Videos y exposición: la cadencia observada ronda 21,45 fps, mientras la excitación supuesta es 50 Hz. La frecuencia RF no se mide directamente con esos cuadros.
Dependencia del modelo: tensión efectiva, geometría de electrodos, radio y proyección 2D trasladan errores sistemáticos a la conversión física.
Conclusión. El método experimental original exige una decisión humana: aceptar, descartar o corregir trazas cuadro por cuadro antes de calcular el centro. Los análisis automáticos de los casos 1 y 3 omiten ese paso; reflejos, fragmentos y fusiones sin corregir son una causa plausible de sus centros inestables y descartes. La cobertura angular también influye y los datos no separan cuánto aporta cada causa. El caso 2 da valores centrales próximos; en los casos 1 y 4, Sol usa centros publicados y Luna aplica controles o una prueba dinámica distintos.
La revisión humana no fija el centro
En el flujo original, una persona revisa las trazas propuestas en cada cuadro y el centro se calcula después con las trazas elegidas. Sin una comparación sobre los mismos cuadros revisados y sin revisar los falsos positivos, no se puede separar cuánto del fallo proviene de esa etapa ausente y cuánto de una cobertura angular insuficiente. El rechazo espectral del caso 4 de Luna tiene además un límite de adquisición: la cámara registra ~21,46 cuadros/s frente a una RF supuesta de 50 Hz.
Autoría: Codex, IA GPT-6 Sol medium. Alcance: síntesis de resultados ya publicados; no se reprocesaron los MP4. «Sol» y «Luna» identifican los directorios comparados y no son una medida de calidad general de los modelos. Las figuras se dibujaron a partir de los valores citados.
Comparación de cuatro casos de la trampa de Paul4 / 4