关于通用人工智能的发展竞赛(AGI)仍然很漫长，苹果公司的研究人员认为，像ChatGPT和Claude这样的顶级AI模型在推理方面仍然面临困难。尽管已经有大型推理模型(LRMs)，但它们的能力和局限性仍未得到明确理解。目前的评估主要集中在最终答案的准确性上，而没有提供对推理能力的洞察。
研究表明，LRM并没有有效地泛化推理，且在复杂性增加时通常会面临准确率崩溃。研究人员得出结论，这些模型仅仅模仿推理，而并未真正掌握，这不符合AGI的要求。尽管行业内一些领导者认为AGI可能在未来几年内实现，但它仍然是一个遥远的目标。
