## Las gráficas originales
Figura del examen histórico. SVG.Figura del examen histórico. SVG.Figura del examen histórico. SVG.
## La pregunta que medí
Quise separar el conocimiento del modelo del efecto de aportar evidencia y del efecto de filtrarla. Comparé M, modelo solo; M+R, modelo con extractos de Wikipedia; y M+R+ECHO, los mismos extractos con el cortafuegos. El examen congelado incluyó 200 preguntas de SimpleQA, 100 de MMLU-Pro y 50 de GSM8K por modelo. El registro conserva un coste de 1,55 dólares y una auditoría válida reconstruida sin nuevas llamadas.
Modelo registrado
Incorrectas M → M+R → ECHO
Correctas M+R → ECHO
Claude Sonnet 5
104 → 19 → 14
59 → 55
DeepSeek-V4.1-Flash
101 → 66 → 14
91 → 54
GPT-5.4 mini
145 → 76 → 27
65 → 56
Qwen3-30B-A3B-Instruct-2507
129 → 34 → 17
60 → 53
Estos son los nombres e IDs conservados por el informe histórico, no una nueva evaluación de esos proveedores. El JSON enlazado conserva los identificadores completos.
## Qué salió bien y qué costó
Frente a M+R, ECHO redujo incorrectas y elevó la precisión de las respuestas emitidas en los cuatro modelos. No creó ningún acierto: su función era aceptar o abstenerse. También perdió respuestas correctas; el F-score bajó en tres modelos y subió en GPT-5.4 mini. Es evidencia de filtrado selectivo en este banco, no de mayor capacidad general ni de ausencia de alucinaciones.
## Los controles negativos
En MMLU-Pro se abstuvo casi siempre y el cotejo textual dejó pasar opciones equivocadas. En GSM8K se abstuvo en las 50 preguntas de cada modelo: no podía verificar cálculos con extractos. El corrector era determinista, distinto del juez LLM de SimpleQA; estas cifras no equivalen a un resultado oficial del benchmark.
