OpenAI GPT-5.6 智商首破 130 天才线，比 99% 人类都聪明

见证历史！如今，全世界 99% 的人类，在 IQ 这方面竟拼不过一个 AI。在 Tracking AI 最新离线 IQ 测试中，GPT-5.6「全家桶」多个版本，齐刷刷地飙到了 136 分。这是 LLM 第一次，把 IQ 推过了 130 这道坎。在人类的智商分布里，130 分是「天才」的起跑线，全球仅有大约 1% 的人能站上去。换言之，GPT-5.6 要比 99% 的人类还聪明。GPT-5.6 狂刷 136 分，IQ 首破「天才线」这个「智商」，含金量有多高？实际上，Tracking AI 手里有两套题。一套是公开的 Mensa Norway 风格测试，网上人人能做，模型早就刷到 140 多分了。另一套，是它自己攒的「离线题库」。不公开、防泄题，专门用来堵住「模型提前背过答案」的漏洞。GPT-5.6 这次拿下 136 分，破的正是这套最难、最防作弊的离线题。在这份离线排行榜上，GPT-5.6 的一众变体（连视觉版都算上）集体冲到 136 分，把身后所有对手甩开了一大截。紧咬在后面的，是 Claude-5 Fable，130 分。再往下，GPT-5.6 LUNA Max、Claude-4.8 Opus 这些名字，还在 117 到 123 分之间打转。要知道，130 这道门槛之前一直没被跨过去。过去一年里，从 o3 到各家旗舰，一茬又一茬的模型冲上来，全卡在 130 的门口，谁也没能真正踏进「天才区间」。GPT-5.6，是第一个把门踹开的。而且它不是单枪匹马上分，SOL、TERRA 一整个家族集体飙到 136，连视觉版都没掉队。在 Reddit 上，一位开发者亲自下场测试，最终体感 GPT-5.6 明显要比 GPT-5.5 的智商更高。在如下的测试题中，GPT-5.6 均在最短时间内，拿下了出色的成绩。一个分数可能难以令人信服，那么，GPT-5.6 离开考场、真刀真枪干活时是什么样？光有分不够，把 GPT-5.6 拉去干活开发者 Amir Bohlooli 拿同一个物理模拟 prompt，同时喂给 Fable 5 和 GPT-5.6 Sol，本以为会被 Fable 碾压，结果反被 GPT 惊到。它选了粒子流体模拟，物理按真实时间推进而非每帧盲跑固定运算，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，一个成品。Ramanpal Singh 同样用了一句 prompt，造出一个基于 RAG 的客服工单系统。四种角色、管理后台、可嵌入组件，还能自动给投诉分类、识别情绪、起草回复。这样的 app 它一口气造了 5 个，成本只有 Fable 5 的零头。最有画面感的，是 Claire Vo 的桥段。几天前，她卡在一个 bug 上，以为是自己代码写崩了，换到 GPT-5.6 Sol 后只甩下一句「我就是不信搞不定」。Sol 一次修好，还顺手让别的模型也跑通了。她的评价一针见血，Fable 死磕技术上的绝对精确，反而作茧自缚，Sol 的务实却把活干成了。不得不说，AI 会做题，和 AI 能救场，中间隔着一整个真实项目。这算 AGI 吗？有网友表示，「对 99% 的人来说，这已经是 AGI 了」。冷静下来看，这 136 分，是 Tracking AI 一个特定的离线 / Mensa Norway 风格测试跑出来的。它测的，主要是抽象模式识别、逻辑推理这一类「标准化认知」。问题在于：IQ 测试，本来就不是为大模型量身定做的。一张 Mensa 卷子，测不出一个模型的事实可靠性，测不出它的工具调用能力，也测不出它在真实职业场景里到底靠不靠谱。它只是切下了「智能」的一个薄片，然后告诉你，这一片有多亮。不过，人们上手后的实测，恰恰给出了另一半答案：GPT-5.6 好像，正在把「会做题」和「会做事」这两件事，慢慢拧到一起。标准化测试里的题目，模型多半在训练数据里见过千百遍；真正见功夫的，是那些它从没遇到、也无处抄答案的新问题。谁能在那儿稳住，谁才配得上「智商」这两个字。参考资料：https://x.com/davidpattersonx/status/2077049232490672458https://trackingai.org/相关阅读：《OpenAI 最强 AI 模型：GPT-5.6 系列登场，编程跑分超 Claude Mythos 5》