Um artigo de pesquisa da Apple publicado em 6 de junho afirmou que, embora grandes modelos de raciocínio (LRMS) mostrassem melhor desempenho nos benchmarks, eles lutaram com a precisão quando os problemas se tornaram mais complexos.
Os pesquisadores escolheram Claude 3,7 sonetos e Deepseek-V3 dentre os grandes modelos de idiomas e o soneto Claude 3,7 com pensamento e Deepseek-R1 entre os grandes modelos de raciocínio.