מודל של גוגל השתווה לבני אדם במבחן הבנה מרחבית, אבל מדובר במבחן אחד בלבד
במבחן Blueprint-Bench 2 של Andon Labs, מודלים צריכים לשרטט תוכנית קומה של דירה מתוך תמונות. Gemini 4 Carbon של גוגל קיבל 0.586, ציון זהה לזה של קבוצת הביקורת האנושית. התוצאה מראה שיפור מהיר ביכולת המרחבית של מודלי AI, אבל היא מבוססת על מבחן אחד מגוף אחד, והציון האנושי נמדד רק על חלק מהדירות.