Un usuario entusiasta ha querido hacer uso de su PowerBook G4 del año 2005 para probar si el sistema es capaz de asimilar y procesar un modelo de lenguaje como Llama 2. Generalmente, utilizar un modelo de lenguaje en local es una tarea que requiere de un equipo decente para que el sistema se mueva con soltura.

Existe un benchmark que trata de puntuar la inteligencia de los modelos de IA con una particularidad: su resolución es extremadamente complicado para los modelos de IA, pero fácil para el razonamiento humano.

La primera competición para conseguir la máxima puntuación de este benchmark (ARC-AGI), fue superada por el modelo o3 (low) de OpenAI en un 75,7% y en un 87,5% (o3 high). A OpenAI le llevó cuatro años pasar en 2020 de un 0% con GPT-3 a un 5% en 2024 con GPT-4o.

Desde septiembre de 2024, cuando OpenAI introdujo el primer modelo con capacidades de razonamiento profundo, otras compañías como Anthropic, DeepSeek, xAI y ahora Google han acelerado sus esfuerzos para no quedarse atrás. En la carrera vertiginosa por liderar la IA, Google ha dado un paso de gigante con la presentación de Gemini 2,5, una nueva generación de modelos de IA diseñados específicamente para 'razonar' antes de generar una respuesta.