
Phép thử do phóng viên tờ The Korea Times thực hiện trên đề thi tuyển sinh đại học quốc gia Hàn Quốc (hay còn gọi là CSAT/Suneung) diễn ra hôm 19/11. Dữ liệu kiểm tra gồm 28 câu đọc hiểu môn tiếng Anh (không tính phần nghe) và 46 câu môn Toán (gồm phần chung và ba phần tự chọn), đối chiếu với đáp án chính thức của Viện Đánh giá và Chương trình Giáo dục Hàn Quốc (KICE).

Với câu lệnh yêu cầu giải đề trực tiếp, mô hình Claude Opus 5.5 bản trả phí của Anthropic (thiết lập mức tư duy cao) đạt tỷ lệ chính xác 100% trong chưa đầy 5 phút. Do tệp PDF gốc bị lỗi phông chữ công thức toán học, hệ thống tự chuyển đổi tài liệu sang định dạng hình ảnh để nhận diện mặt chữ.
Với hai câu khó thuộc phần Xác suất và Thống kê (câu 28 và 30), AI này tự viết và chạy mã ngôn ngữ Python để liệt kê tổ hợp và kiểm tra chéo đáp án.

Ở nhóm công cụ miễn phí, kết quả có sự phân hóa rõ rệt giữa khả năng xử lý ngôn ngữ và tư duy toán học. Perplexity giải đúng 71/74 câu (27 câu Tiếng Anh và 44/45 câu Toán) trong tổng thời gian hơn hai phút. Công cụ này bỏ trống hai câu có biểu đồ và đồ thị hàm số do lỗi trích xuất hình ảnh từ tệp PDF, đồng thời làm sai câu 27 phần Hình học không gian.
ChatGPT (bản miễn phí) hoàn thành đúng toàn bộ 28 câu đọc hiểu Tiếng Anh trong khoảng 10 giây, nhưng chỉ giải đúng 32/46 câu Toán, làm sai hai câu và bỏ ngỏ 12 câu phức tạp.
Theo The Korea Times, thử nghiệm này chưa phải là bảng xếp hạng chuẩn hóa do sự khác biệt về cấu hình và quyền truy cập công cụ giữa các nền tảng. Tuy nhiên, kết quả cho thấy các mô hình AI đã có thể xử lý các bài thi chuẩn hóa mức độ khó cao trong thời gian tính bằng phút, thay vì nhiều năm ôn luyện như thí sinh thông thường.
(Theo Korea Times)
