Novo benchmark de matemática olímpica testa LLMs com problemas avançados e revela limites no raciocínio simbólico e resolução lógica.

Novo teste desafia limites da inteligência artificial geral. Modelos como GPT-4 e Claude 3 ainda falham em raciocínio verdadeiramente generalista.

Grok 3, da xAI, supera líderes como GPT-4 e Claude 3 e assume o topo dos rankings globais de modelos de linguagem em 2025.