¿Hay resultados disponibles?
No. El informe actual es un protocolo en borrador sin cifras públicas de rendimiento.
Evidencias antes que afirmaciones
Benchmark del flujo de investigación
Esta página publica el plan de medición antes que los resultados. En borrador los valores están vacíos y no pueden presentarse como rendimiento.
Hay una capa real, con la configuración normal de cada producto, y otra controlada, con el mismo modelo y el mismo corpus para Kosmico y para un stack convencional.
Dos capas responden a preguntas distintas
La capa real compara Kosmico, ChatGPT Deep Research, NotebookLM y Elicit con sus configuraciones normales. La controlada aísla el espacio de trabajo frente a modelo, búsqueda académica, Zotero y Overleaf, manteniendo modelo y corpus.
El trabajo debe ser reproducible
Cuatro flujos de trabajo, cinco disciplinas, tres repeticiones, dos expertos que evalúan a ciegas y resuelven los desacuerdos. Se conservan los datos brutos de las ejecuciones, la rúbrica, la descripción del entorno y los tamaños de muestra.
Ninguna cifra antes de la aprobación
Solo se publica cuando cada métrica es finita, existen fecha y URL de ejecuciones y la revisión aprueba la afirmación.
Estado del benchmark
Protocolo en borrador
draftEl protocolo es público; los resultados, todavía no. Cada valor queda vacío hasta que se revisen las evidencias y se publiquen los datos brutos de las ejecuciones.
Protocolo
4 flujos de trabajo, 5 ámbitos disciplinares, 3 repeticiones por condición, 2 evaluadores expertos a ciegas.
Condiciones
- Configuración predeterminada de Kosmico (real)
- ChatGPT Deep Research (real)
- NotebookLM (real)
- Elicit (real)
- Condición controlada de Kosmico (controlada)
- Modelo + búsqueda académica + Zotero + Overleaf (controlada)
Métricas
37
Medidas de flujo, autonomía, contexto, recuperación, evidencia, parada, fiabilidad, coste y visibilidad en LLM. Valores públicos: ninguno mientras sea borrador.
Material conservado
- datos brutos de las ejecuciones
- rúbrica de evaluación
- descripción del entorno
- tamaños de muestra
Preguntas y respuestas
¿Por qué una comparación controlada?
Ayuda a separar el efecto del espacio de trabajo de las diferencias entre modelos o corpus.
¿Se publicarán las ejecuciones?
La publicación exige URL, rúbrica, entorno, muestras y el proceso de evaluación declarado.