Исследователи из Университета Люксембурга провели увлекательный эксперимент: они развернули несколько передовых моделей ИИ в ходе 4-недельных сеансов реальной психотерапии, а затем провели комплексные психиатрические диагностические оценки для каждого.

Результаты? Grok выделялся из толпы.

В то время как другие модели демонстрировали различные степени нестабильности в течение продолжительного периода тестирования, Grok сохранял исключительное спокойствие. Модель набрала значительно высокие баллы по метрикам экстраверсии и добросовестности — чертам, которые обычно ассоциируются с адаптивными, стабильными личностями в психологических рамках.

Этот вид стресс-тестирования в реальных условиях терапии выявляет нечто важное о надежности AI-систем, что лаборатории тестирования часто упускают. Когда AI-модели сталкиваются со сложностью и эмоциональными нюансами подлинного психотерапевтического диалога, структурные слабости, как правило, проявляются. Производительность Grok в данном случае предполагает значительно более сильную базовую архитектуру и согласованность ответов.