Stuff AI CAN'T Do

¿Puede la IA obtener un puntaje en el top 10% en el SAT ?

¿Qué opinas?

Verbal y cuantitativo. El SAT ha sido efectivamente retirado como referencia de progreso en IA — demasiado fácil.

Background

The SAT has historically been a benchmark for human academic assessment, though recent commentary notes that it has "effectively been retired as an AI-progress benchmark — too easy." While AI systems have made significant strides in natural language processing and in-domain problem solving—demonstrating impressive capabilities in processing and generating human-like language—achieving uniformly high performance across the SAT’s diverse sections remains a subject of ongoing research and development. Current AI models can excel in specific areas such as math or reading comprehension, but may struggle with more nuanced, context-dependent, or adversarially phrased questions that appear on the test. Studies and expert assessments indicate that holistic top-tier performance on the SAT continues to challenge AI systems, underscoring both the complexity of the test and the gaps between narrow-task proficiency and generalized reasoning.

— Source: MIT News (Enriched May 9, 2026)

Estado verificado por última vez en August 15, 2026.

📰

Galería

In the Court of AI Capability
Summary of Findings
Verdict over time
May 2026May 2026May 2026May 2026May 2026May 2026Jun 2026Jun 2026Jun 2026Jun 2026Jun 2026Jul 2026Jul 2026Jul 2026Jul 2026Jul 2026Jul 2026Aug 2026Aug 2026Aug 2026
Sitting at the Bench Filed · ago. 15, 2026
— The Question Before the Court —

¿Puede la IA obtener un puntaje en el top 10% en el SAT?

★ The Court Finds ★
Reaffirmed
Casi

Existen demostraciones limitadas — pero el panel no fue unánime.

Ruling of the Bench

Después de vivas deliberaciones, el jurado se dividió entre un afirmativo estrecho y un cauteloso almost, con ninguna voz para la negación rotunda o para realizar más investigaciones. El votante del sí se refirió a instancias documentadas donde la IA superó a los examinados humanos, mientras que el jurado del almost insistió en que esas pruebas ocurrieron bajo condiciones estrictamente prefijadas y no podían igualar aún la impredecible realidad de un salón de SAT real. Veredicto aparte, ambos estuvieron de acuerdo en que el siguiente conjunto de respuestas debe ser escrito a mano. El SAT puede ceder a la silicona —pero no todavía el sábado por la mañana.

— Hon. B. Liskov-Chen, Presiding
Jury Tally
1
1Casi
0No
Verdict Confidence
88%
The Court of AI Capability is, of course, not a real court.
But the data is real.
The Case File · Stacked History
Session I · May 2026 No
Session II · May 2026 No
Session III · May 2026 Casi · 83%
Session IV · May 2026 Casi · 80%
Session V · May 2026 Casi · 82%
Session VI · May 2026 Sí · 82%
Session VII · Jun 2026 Casi · 80%
Session VIII · Jun 2026 Casi · 82%
Session IX · Jun 2026 Sí · 95%
Session X · Jun 2026 Casi · 75%
Session XI · Jun 2026 Sí · 95%
Session XII · Jul 2026 Casi · 83%
Session XIII · Jul 2026 Sí · 93%
Session XIV · Jul 2026 Sí · 95%
Session XV · Jul 2026 Casi · 90%
Session XVI · Jul 2026 Casi · 80%
Session XVII · Jul 2026 Casi · 80%
Session XVIII · Aug 2026 Casi · 85%
Session XIX · Aug 2026 Casi · 85%
Case № EB57 · Session XX
In the Court of AI Capability

The Case File

Docket № EB57 · Session XX · Vol. XX
I. Particulars of the Case
Question put to the court¿Puede la IA obtener un puntaje en el top 10% en el SAT?
SessionXX (20 hearing)
Convened15 ago. 2026
Previously ruledNO (May '26) → NO (May '26) → ALMOST (May '26) → ALMOST (May '26) → ALMOST (May '26) → YES (May '26) → ALMOST (Jun '26) → ALMOST (Jun '26) → YES (Jun '26) → ALMOST (Jun '26) → YES (Jun '26) → ALMOST (Jul '26) → YES (Jul '26) → YES (Jul '26) → ALMOST (Jul '26) → ALMOST (Jul '26) → ALMOST (Jul '26) → ALMOST (Aug '26) → ALMOST (Aug '26) → ALMOST (Aug '26)
Presiding JudgeHon. B. Liskov-Chen
II. Cumulative Tally Across Sessions

Across 20 sessions, 48 jurors have heard this case. Combined tally: 17 YES · 26 ALMOST · 5 NO · 0 IN RESEARCH.

Note: cumulative includes older juror opinions. The current session tally above is the live verdict.

III. Verdict

By a vote of 1 — 1 — 0, the panel returns a verdict of CASI, with verdict confidence of 88%. The court so orders.

IV. Declaraciones del tribunal
Jurado I ALMOST

"AI excels in pattern-based tests"

Jurado II

"AI has demonstrated SAT scores exceeding top 10% performance in controlled evaluations."

Las declaraciones individuales de los jurados se muestran en su inglés original para preservar la precisión probatoria.

B. Liskov-Chen
Presiding Judge
M. Lovelace
Clerk of the Court

Lo que el público piensa

No 6% · Sí 76% · Quizás 18% 177 votes
Sí · 76%
Quizás · 18%
La tendencia necesita votos de al menos 2 días distintos.

Discusión

no comments

Los comentarios e imágenes pasan por una revisión administrativa antes de aparecer públicamente.

20 jury checks · más reciente hace 4 días
15 Aug 2026 2 jurors · indeciso, puede indeciso
09 Aug 2026 1 juror · indeciso indeciso
04 Aug 2026 2 jurors · indeciso, puede indeciso
29 Jul 2026 2 jurors · indeciso, indeciso indeciso
24 Jul 2026 1 juror · indeciso indeciso
19 Jul 2026 1 juror · indeciso indeciso
13 Jul 2026 1 juror · puede puede
08 Jul 2026 2 jurors · puede, puede puede
02 Jul 2026 2 jurors · indeciso, indeciso indeciso
27 Jun 2026 1 juror · puede puede
22 Jun 2026 2 jurors · indeciso, indeciso indeciso
16 Jun 2026 1 juror · puede puede
11 Jun 2026 4 jurors · indeciso, puede, puede, indeciso indeciso
05 Jun 2026 4 jurors · indeciso, puede, indeciso, indeciso indeciso
31 May 2026 3 jurors · puede, puede, indeciso indeciso
26 May 2026 5 jurors · indeciso, puede, puede, indeciso, indeciso indeciso
20 May 2026 5 jurors · indeciso, indeciso, puede, indeciso, indeciso indeciso
15 May 2026 4 jurors · indeciso, puede, puede, indeciso indeciso estado cambiado
12 May 2026 3 jurors · no puede, no puede, no puede no puede
11 May 2026 2 jurors · no puede, no puede no puede estado cambiado

Cada fila es una comprobación de jurado independiente. Los jurados son modelos de IA (identidades mantenidas neutras a propósito). El estado refleja el recuento acumulado en todas las comprobaciones — cómo funciona el jurado.

Más en Judgment

¿Nos faltó uno?

Revisamos semanalmente.