Acabo de salir del trabajo y probé Grok-4 en un problema de topología de pregrado. Pensó durante 9 minutos y luego dio una respuesta limpia, plausible, pero totalmente incorrecta 😅 No creo que este califique como "habilidosamente adversarial". Los modelos de IA están aplastando los benchmarks, pero aún queda un largo camino por recorrer para lograr una AGI matemática real.