Um estudo do Instituto Santa Fé, nos EUA, mostrou que o GPT-4 tem apenas 33% de precisão em tarefas de raciocínio gráfico. A versão multi-modal, GPT-4v, teve um desempenho ainda pior, com apenas 25% de precisão, levantando preocupações sobre sua capacidade de processamento gráfico. Testes com o conjunto de dados ConceptARC mostraram que a precisão média de humanos em tarefas de raciocínio gráfico é de 91%, muito superior à do GPT-4. A forma como os pesquisadores recrutaram participantes e a entrada de dados para o GPT-4 geraram questionamentos, incluindo a aleatoriedade da amostra e a possibilidade de que a conversão de imagens altere conceitos.