أظهرت دراسة Saturn أن نماذج الذكاء الاصطناعي الشائعة ترتكب أخطاء بانتظام عند الإجابة على الأسئلة المالية. في السيناريوهات المعقدة التي تتطلب حسابات متعددة، بلغت نسبة الإجابات غير الدقيقة 88٪، وبعض النماذج كانت تخطئ في كل طلب تقريباً.