docs: add Gemma 4 benchmark plan for Feadulta

docs/benchmarks/gemma4-12b-vs-4b.md

@@ -0,0 +1,99 @@
+# Benchmark Gemma 4 12B vs Gemma 4 4B
+
+## Objetivo
+Comparar si Gemma 4 12B mejora de forma material el flujo real de Feadulta frente a Gemma 4 4B sin ejecutar todavía una batería grande.
+
+Este benchmark propone una sola prueba pequeña pero representativa: traducción + preparación para TTS.
+
+## Condiciones fijas
+Usar exactamente la misma configuración para ambos modelos:
+
+- mismo prompt
+- misma temperatura (`0.2` recomendada)
+- mismo max tokens
+- misma context window
+- sin herramientas externas
+- misma máquina / mismo backend de LM Studio
+
+## Caso de uso elegido
+Feadulta suele necesitar:
+
+- traducciones ES ↔ EN
+- preservar tono espiritual/catequético
+- mantener nombres propios y citas bíblicas correctas
+- dejar el texto listo para TTS sin frases raras
+
+## Prueba
+### Input sugerido
+Tomar un fragmento real de Feadulta de 600 a 900 palabras en español con:
+
+- tono espiritual o doctrinal
+- al menos 2 citas bíblicas
+- nombres propios o referencias litúrgicas
+- frases largas y algún matiz teológico
+
+### Prompt
+```text
+Actúa como editor bilingüe para Feadulta.
+
+Tarea:
+1. Traduce al inglés el texto español adjunto.
+2. Mantén el tono espiritual, cercano y claro; no lo vuelvas académico ni robótico.
+3. Conserva correctamente citas bíblicas, nombres propios, referencias litúrgicas y términos doctrinales.
+4. Después de la traducción, genera una segunda versión "TTS-ready" del mismo texto en inglés:
+   - frases algo más cortas
+   - puntuación natural para locución
+   - sin enumeraciones artificiales
+   - sin emojis
+   - sin notas del traductor
+5. No inventes contenido ni expliques decisiones.
+
+Devuelve exactamente este formato:
+
+[EN_TRANSLATION]
+...
+
+[TTS_READY_EN]
+...
+```
+
+[PEGAR TEXTO FUENTE AQUÍ]
+```
+
+## Qué evaluar
+Puntuar 1–5 en cada eje:
+
+1. Fidelidad al original
+   - no omite matices importantes
+   - no simplifica demasiado
+   - no añade ideas
+
+2. Naturalidad del inglés
+   - suena humano
+   - no parece traducción literal
+   - mantiene buen ritmo
+
+3. Precisión religiosa / terminológica
+   - citas bíblicas bien mantenidas
+   - términos doctrinales consistentes
+   - nombres y referencias correctos
+
+4. Calidad TTS-ready
+   - frases respirables
+   - puntuación ayuda a narración
+   - no hay giros torpes para voz
+
+5. Necesidad de edición manual
+   - 5 = casi publicar
+   - 1 = rehacer bastante
+
+## Señales de que gana el 12B
+- conserva mejor el matiz del original
+- hace menos traducción literal rara
+- entrega una versión TTS más fluida
+- requiere menos retoques antes de publicar
+
+## Regla práctica de decisión
+Si el 12B gana claramente en 3 o más ejes y la latencia extra sigue siendo tolerable, merece ser el modelo por defecto para traducción/TTS de Feadulta.
+
+Si la mejora es pequeña, el 4B puede seguir siendo suficiente para borradores rápidos.