新智元披露

见证非凡时刻

当下，全球百分之九十九的人类，在IQ测试上竟比不过一个AI。

Tracking AI最新离线IQ考核中，GPT-5.6多个版本，无一例外地达到了136分。

这是大型语言模型首次，将IQ推越过130这个界限。

在人类智商标准里，130分是「天才」的起点，全世界仅百分之一的人达到这个水准。

换句话说，GPT-5.6的实力，要超越百分之九十九的人类。

GPT-5.6狂飙136分

IQ打破「天才门槛」

这个「智商」，含金量有多足？

实际上，Tracking AI手握两套测试题目。

一套是公开的Mensa Norway风格考题，网络人人可做，模型早就考出140多分了。

另一套，是Tracking AI自制「离线题库」。不对外公开、防止泄题，专门用来堵住「模型提前记下答案」的漏洞。

GPT-5.6这次获得136分，突破的正是这套最难、最防作弊的离线题。

在这个离线排行榜上，GPT-5.6的所有变体（连视觉版都计算在内）共同冲到136分，将后面的对手远远甩开。

紧随其后的是Claude-5 Fable，得分130分。

往下，GPT-5.6 LUNA Max、Claude-4.8 Opus这些名字，得分在117到123分之间徘徊。

要知道，130这个门槛此前一直无人能过。

过去一年里，从o3到各家旗舰，一波又一波模型冲击上来，全被卡在130的门口，没有哪一个真正踏进「天才领域」。

GPT-5.6，是第一个推开这扇门的。

而且它不是单独奋战加分，SOL、TERRA整个家族都冲到136分，视觉版也不例外。

在Reddit上，一位开发者亲自测试，感觉GPT-5.6的智商明显超过GPT-5.5。

在以下的测试题目中，GPT-5.6都在最短时间里，取得了优异表现。

一个分数或许难以让人信服，那么，GPT-5.6在实际工作场景中表现如何？

仅有分数还不够

让GPT-5.6去真枪实弹地工作

开发者Amir Bohlooli拿同一个物理模拟指令，同时交给Fable 5和GPT-5.6 Sol，本以为会Fable占优，结果反而被GPT的表现惊艳。

它选择了粒子流体模拟，物理过程按真实时间推进而不是每帧盲目计算固定运算量，CSS、界面、渲染全塞进一个HTML文件，

还自动托管成可分享网页。一句话，一个完整的应用程序。

这样的app它一口气做出了五个，成本只是Fable 5的零头。

最有冲击力的是Claire Vo的经历。

几天前，她遇到一个bug，以为是自己代码出问题，换到GPT-5.6 Sol后只说了一句「我不信解决不了」。

Sol一次性解决了，还顺手让其他模型也顺利运行。

她的评价直指要害，Fable死守技术上的绝对精确，结果反而把自己困住，Sol的实用主义让任务顺利完成。

必须承认，AI会答题，和AI能解决实际问题，中间隔着整个真实项目。

这算是AGI吗？

有网友称，「对百分之九十九的人来说，这已经是AGI了」。

冷静分析，这136分，是Tracking AI特定离线/Mensa Norway风格测试得出的结果。

问题在于：IQ测试，本来就不是为大模型设计的。

一张Mensa卷子，测不出模型的实际可信度，测不出它的工具调用能力，也测不出它在真实职业环境中是否可靠。

它只是切取了「智能」的一片薄片，然后告诉你这一部分有多亮眼。

但是，使用者上手后的实践，恰恰提供了另一面答案：GPT-5.6似乎正在把「会做题」和「会做事」这两件事，逐渐结合在一起。

标准化测试里的题目，模型多半在训练数据里见过多次；真正考验能力的，是那些它从未接触、也无处寻找标准答案的新问题。

谁能在那些考验中稳住，谁才称得上拥有「智商」。

参考资料：

h