GPT-5.6 在离线 IQ 测试中首次突破 130 分

人工智能模型 GPT-5.6 在 Tracking AI 的离线 IQ 测试中取得 136 分，成为首个跨过 130 分门槛的大语言模型。在人类智商分布中，130 分通常被视为"天才"分界线，全球约仅 1% 的人能够达到这一水平。

此次测试采用的是 Tracking AI 不公开的"离线题库"，专门用于防止模型通过提前记忆答案来作弊。此前，包括 GPT-5.6 的 SOL、TERRA 在内的多个版本均在该题库中取得 136 分，视觉版本同样表现稳定。相比之下，Claude-5 Fable 得分为 130 分，GPT-5.6 LUNA Max 和 Claude-4.8 Opus 则在 117 至 123 分之间。过去一年间，从 o3 到各厂商旗舰模型均未能突破 130 分关口。

在实际应用测试中，GPT-5.6 同样展现出较强的工程能力。开发者 Amir Bohlooli 使用同一物理模拟提示词对比测试发现，GPT-5.6 Sol 选择了粒子流体模拟方案，将物理推进、CSS、界面和渲染整合至单个 HTML 文件，并自动生成可分享网页。另一项测试中，基于 RAG 的客服工单系统在一次提示下完成开发，包含四种角色、管理后台、自动投诉分类和情绪识别功能。

开发者 Claire Vo 分享称，此前遇到的代码问题在其他模型未能解决，GPT-5.6 Sol 一次修复成功，且兼容其他模型运行。她认为，部分模型过度追求技术精确反而限制了实用性，而 Sol 的务实风格更有效率。

需要指出的是，IQ 测试主要衡量抽象模式识别和逻辑推理能力，属于"标准化认知"范畴，无法完全反映模型的事实可靠性、工具调用能力及真实职业场景表现。不过，从实际测试反馈来看，GPT-5.6 正在缩小"会做题"与"会做事"之间的差距。对于人工智能而言，真正的考验在于应对从未遇到过、无法直接复制答案的新问题。