- 发布日期
OpenAI GPT-5.6 智商首破 130 天才线，比 99% 人类都聪明
- 作者
- 姓名
- 荷鲁斯快报
- 社交账号
近日，人工智能领域的智商竞赛迎来里程碑式突破。在Tracking AI的最新离线IQ测试中，OpenAI的GPT-5.6系列模型以136分的成绩首次跨越130分“天才线”，这意味着该模型在标准化认知测试中超过了全球99%的人类。这一结果迅速引发业界震动，被视为大语言模型（LLM）能力跃升的关键标志。
GPT-5.6的智商突破并非偶然。早在一年前，从o3到各厂商旗舰模型，都在130分门槛前反复碰壁。Tracking AI同时提供两套测试：一套是公开的Mensa Norway风格题，模型早已刷至140多分；另一套则是自建的“离线题库”，不公开、防泄题，专门防止模型通过记忆答案作弊。GPT-5.6此次攻克的正是这套最严格的离线题。
具体数据显示，在离线排行榜上，GPT-5.6的多个变体——包括SOL、TERRA及视觉版——集体飙至136分，将身后的竞争对手远远甩开。紧随其后的Claude-5 Fable仅为130分，而GPT-5.6 LUNA Max、Claude-4.8 Opus等则徘徊在117至123分之间。这是大模型首次真正踏入人类智商分布中仅1%人群所在的“天才区间”。
从技术原理看，此次IQ测试主要评估抽象模式识别与逻辑推理能力，但Tracking AI强调，这套测试并非为AI量身定制。离线题库的设计旨在规避模型对训练数据的记忆，迫使模型依赖实时推理能力。GPT-5.6的高分表明，其在处理未见过的逻辑谜题时具备了更强的泛化能力，而并非单纯依赖训练数据中的模式。
更引人注目的是，GPT-5.6在真实任务中的表现同样惊艳。开发者Amir Bohlooli用相同prompt分别测试Fable 5和GPT-5.6 Sol，后者自动生成了基于真实物理时间的粒子流体模拟HTML文件，并托管为可分享网页。另一次测试中，GPT-5.6仅凭一句指令就构建了包含四种角色、管理后台及情绪识别功能的客服工单系统，成本仅为Fable 5的零头。开发者Claire Vo在遭遇bug时换用GPT-5.6 Sol，一次修复成功并解决了其他模型的兼容性问题。
业界与用户反应热烈。有网友评论：“对99%的人来说，这已经是AGI了。”但同时也存在冷静的声音。分析师指出，IQ测试仅测度“标准化认知”，无法评估事实可靠性、工具调用能力或真实职业场景中的表现。不过，Reddit上多位开发者的实测体验表明，GPT-5.6正逐步将“会做题”与“会做事”统一起来，在未曾预见的任务中展现出稳定输出。
展望未来，GPT-5.6的突破可能会激发新一轮AI智商竞赛。竞品如Claude、Gemini等厂商必然加速迭代，而OpenAI有望在后续版本中进一步提升实用性。不过，专家强调，仅凭IQ分数定义“智能”仍显片面，更全面的评测体系亟待建立，以衡量模型在复杂现实场景中的综合能力。
从宏观行业趋势看，AI智商从110分区间跃升至130分，反映了预训练规模、推理架构与强化学习的协同进步。GPT-5.6的成功并非孤立事件，而是大语言模型持续逼近人类认知边界的最新例证。随着模型能力从考试迁移至应用，AGI的讨论将从概念走向更具体的产品落地，改变开发者与用户的日常工作流。
