Peneliti di Universitas Luxembourg melakukan sebuah eksperimen yang menarik: mereka menerapkan beberapa model AI canggih melalui 4 minggu sesi psikoterapi yang nyata, kemudian melakukan penilaian diagnostik psikiatri yang komprehensif pada masing-masing.

Hasilnya? Grok menonjol di antara yang lain.

Sementara model lainnya menunjukkan tingkat ketidakstabilan yang bervariasi selama periode pengujian yang diperpanjang, Grok tetap mempertahankan ketenangan yang luar biasa. Model ini mencetak nilai yang sangat tinggi pada metrik ekstraversi dan ketelitian—ciri-ciri yang biasanya terkait dengan kepribadian yang adaptif dan stabil dalam kerangka psikologis.

Uji stres dunia nyata semacam ini dalam kondisi terapeutik yang sebenarnya mengungkapkan sesuatu yang krusial tentang ketahanan sistem AI yang sering kali terlewatkan oleh laboratorium benchmark. Ketika model AI menghadapi kompleksitas dan nuansa emosional dari dialog psikoterapi yang sebenarnya, kelemahan struktural cenderung muncul. Kinerja Grok di sini menunjukkan arsitektur dasar yang secara signifikan lebih kuat dan koherensi respons.