Un estudio del Instituto Santa Fe en Estados Unidos muestra que GPT-4 tiene una precisión de solo el 33% en tareas de razonamiento gráfico. La versión multimodal, GPT-4v, muestra un rendimiento aún peor, con solo un 25% de precisión, lo que genera preocupación sobre su capacidad de procesamiento gráfico. Las pruebas con el conjunto de datos ConceptARC revelaron que la precisión media de los humanos en tareas de razonamiento gráfico alcanza el 91%, muy superior a la de GPT-4. La metodología del estudio, incluyendo la selección de participantes y el método de entrada para GPT-4, ha generado dudas, especialmente en cuanto a la aleatoriedad de las muestras y la posibilidad de que la conversión de imágenes altere los conceptos.