经济学家 Bryan Caplan 测试过基于 GPT 3.5 的 ChatGP，在他所教的劳动经济学课期中考试中 ChatGP 只拿到了 D，他打赌 AI 聊天机器人在 2029 年前不可能拿到 A。三个月后他就赌输了，GPT 3.5 的升级版本 GPT-4 得到了 A。现在知名量子计算专家 Scott Aaronson 用 GPT-4 测试了《量子信息科学入门 2019》期末考试，结果 GPT-4 得分 73 / 100，对比下学生的平均得分是 74.4，GPT-4 拿到了 B。他发现 GPT-4 最大的薄弱环节是在计算问题上，这非常讽刺性，它知道如何计算，但搞砸了计算的执行。