Vừa mới tan làm và thử Grok-4 với một bài toán hình học đại học. Nó mất 9 phút để suy nghĩ và sau đó tự tin đưa ra một câu trả lời sạch sẽ, hợp lý, nhưng hoàn toàn sai 😅 Đừng nghĩ rằng cái này đủ tiêu chuẩn là "có tính đối kháng khéo léo." Các mô hình AI đang nghiền nát các tiêu chuẩn — nhưng vẫn còn một chặng đường dài để đạt được AGI toán học thực sự.