Grok acertó 121 de 245 respuestas sobre imágenes o vídeos (49,4 %) y 69 de 72 sobre afirmaciones escritas (95,8 %) en una auditoría de publicaciones del Mundial de 2026 en X. La Fundación Maldita.es publicó esos resultados el 27 de octubre de 2026 en su análisis de las respuestas de Grok.
Qué miden las dos tasas
| Tipo de consulta | Respuestas correctas | Respuestas evaluadas | Acierto |
| Sobre imágenes o vídeos | 121 | 245 | 49,4 % |
| Sobre afirmaciones escritas | 69 | 72 | 95,8 % |
Las afirmaciones escritas incluían texto sin imágenes, texto acompañado de una imagen y texto reproducido en una captura de pantalla. Las dos categorías reúnen las 317 respuestas cuya veracidad pudo evaluarse.
Qué publicaciones entraron en la auditoría
Entre el 13 de junio y el 20 de julio de 2026, Maldita.es reunió 139 publicaciones de X agrupadas en 46 afirmaciones. Treinta y cinco eran falsas o estaban manipuladas; seis necesitaban contexto, dos eran alertas y tres eran verdaderas. La auditoría reunió 766 consultas y 358 respuestas de Grok; 317 respuestas pudieron clasificarse por veracidad.
De las 127 respuestas incorrectas o parcialmente correctas, 81 no detectaron material visual manipulado o generado con inteligencia artificial. La muestra se centró en afirmaciones relacionadas con un solo evento y predominaban las falsas o manipuladas. Maldita.es advirtió que los resultados no deben extrapolarse sin cautela a otros temas o versiones de Grok. La auditoría fue de caja negra: examinó las respuestas sin acceder al funcionamiento interno del sistema, y no identificó la versión concreta evaluada.
NeoTeo ya había analizado los benchmarks de Grok 4.6, centrados en pruebas de rendimiento. La auditoría de Maldita.es estudió otra cuestión: si las respuestas de Grok sobre afirmaciones difundidas en X eran correctas.
Qué pasó tras publicarse las verificaciones
En 22 publicaciones donde la respuesta inicial de Grok era incorrecta o parcialmente correcta, la herramienta corrigió tres respuestas después de que Maldita.es publicara sus verificaciones. En 14 casos no volvió a responder y en cinco mantuvo una respuesta incorrecta o incompleta.
