見證歷史！

如今，全世界99%的人類，在IQ這方面竟拼不過一個AI。

在Tracking AI最新離線IQ測試中，GPT-5.6全家桶多個版本，齊刷刷地飆到了136分。

這是LLM第一次，把IQ推過了130這道坎。

在人類的智商分佈裏，130分是天才的起跑線，全球僅有大約1%的人能站上去。

換言之，GPT-5.6要比99%的人類還聰明。

GPT-5.6狂刷136分

IQ首破天才線

這個智商，含金量有多高？

實際上，Tracking AI手裏有兩套題。

一套是公開的Mensa Norway風格測試，網上人人能做，模型早就刷到140多分了。

另一套，是它自己攢的離線題庫。不公開、防泄題，專門用來堵住模型提前背過答案的漏洞。

GPT-5.6這次拿下136分，破的正是這套最難、最防作弊的離線題。

在這份離線排行榜上，GPT-5.6的一衆變體（連視覺版都算上）集體衝到136分，把身後所有對手甩開了一大截。

緊咬在後面的，是Claude-5 Fable，130分。

再往下，GPT-5.6 LUNA Max、Claude-4.8 Opus這些名字，還在117到123分之間打轉。

要知道，130這道門檻之前一直沒被跨過去。

過去一年裏，從o3到各家旗艦，一茬又一茬的模型衝上來，全卡在130的門口，誰也沒能真正踏進天才區間。

GPT-5.6，是第一個把門踹開的。

而且它不是單槍匹馬上分，SOL、TERRA一整個家族集體飆到136，連視覺版都沒掉隊。

在Reddit上，一位開發者親自下場測試，最終體感GPT-5.6明顯要比GPT-5.5的智商更高。

在如下的測試題中，GPT-5.6均在最短時間內，拿下了出色的成績。

一個分數可能難以令人信服，那麼，GPT-5.6離開考場、真刀真槍幹活時是什麼樣？

光有分不夠

把GPT-5.6拉去幹活

開發者Amir Bohlooli拿同一個物理模擬prompt，同時餵給Fable 5和GPT-5.6 Sol，本以為會被Fable碾壓，結果反被GPT驚到。

它選了粒子流體模擬，物理按真實時間推進而非每幀盲跑固定運算，CSS、界面、渲染全塞進一個HTML文件，

還自動託管成可分享網頁。一句話，一個成品。

Ramanpal Singh同樣用了一句prompt，造出一個基於RAG的客服工單系統。

四種角色、管理後台、可嵌入組件，還能自動給投訴分類、識別情緒、起草回覆。

這樣的app它一口氣造了5個，成本只有Fable 5的零頭。

最有畫面感的，是Claire Vo的橋段。

幾天前，她卡在一個bug上，以為是自己代碼寫崩了，換到GPT-5.6 Sol後只甩下一句「我就是不信搞不定」。

Sol一次修好，還順手讓別的模型也跑通了。

她的評價一針見血，Fable 死磕技術上的絕對精確，反而作繭自縛，Sol的務實卻把活幹成了。

不得不說，AI會做題，和AI能救場，中間隔着一整個真實項目。

這算AGI嗎？

有網友表示，對99%的人來說，這已經是AGI了。

冷靜下來看，這136分，是Tracking AI一個特定的離線 / Mensa Norway風格測試跑出來的。

它測的，主要是抽象模式識別、邏輯推理這一類標準化認知。

問題在於：IQ測試，本來就不是為大模型量身定做的。

一張Mensa卷子，測不出一個模型的事實可靠性，測不出它的工具調用能力，也測不出它在真實職業場景裏到底靠不靠譜。

它只是切下了「智能」的一個薄片，然後告訴你，這一片有多亮。

不過，人們上手後的實測，恰恰給出了另一半答案：GPT-5.6好像，正在把會做題和會做事這兩件事，慢慢擰到一起。

標準化測試裏的題目，模型多半在訓練數據裏見過千百遍；真正見功夫的，是那些它從沒遇到、也無處抄答案的新問題。

誰能在那兒穩住，誰才配得上智商這兩個字。