¿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. Los valores en borrador son nulos y no pueden aparecer como afirmaciones de rendimiento.
Hay una capa real con la configuración normal de cada producto y otra controlada con el mismo modelo y corpus para Kosmico y una pila 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, cinco disciplinas, tres repeticiones, dos expertos a ciegas y adjudicación. Se conservan ejecuciones, rúbrica, entorno y 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
El protocolo es público, pero los resultados no. Cada valor permanece nulo hasta la revisión de evidencias y la publicación de las ejecuciones sin procesar.
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.
Evidencias conservadas
- ejecuciones sin procesar
- rúbrica de evaluación
- manifiesto del entorno
- tamaños de muestra
Respuestas directas
¿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.