แม้ว่าปัญญาประดิษฐ์จะมีความก้าวหน้าอย่างรวดเร็ว โดยเฉพาะการแก้โจทย์พัซเซิลทางภาษา แต่การทดสอบล่าสุดพบว่าโมเดลเหล่านี้ยังมีข้อจำกัดที่ชัดเจนในหลายด้าน ประการแรกคือ 'การให้เหตุผลเชิงมิติสัมพันธ์' (Spatial Reasoning) ซึ่งโมเดลภาษาขนาดใหญ่มักล้มเหลวในการหมุนวัตถุ 3 มิติในจินตนาการหรือการวิเคราะห์ภาพที่ซับซ้อน สะท้อนว่า AI ยังขาดความเข้าใจในโลกทางกายภาพแบบที่มนุษย์มี
นอกจากนี้ งานวิจัยยังชี้ให้เห็นถึงปัญหาด้าน 'ความจำและการปรับตัว' โดยโมเดล AI มักจะจำคำตอบจากชุดข้อมูลที่ใช้ฝึกฝนมาตอบ เมื่อเจอโจทย์ที่มีการดัดแปลงรายละเอียดเล็กน้อยแต่สำคัญ (เช่น โจทย์ Knights and Knaves หรือ SimpleBench) AI มักจะติดกับดักและตอบตามความเคยชินแทนที่จะวิเคราะห์ตรรกะใหม่จริงๆ ซึ่งต่างจากมนุษย์ที่สามารถมองเห็นจุดสังเกตเหล่านี้ได้ดีกว่า
