如今，全球99%的人类在智商（IQ）指标上，竟然都无法超越人工智能。

在Tracking AI最新一轮离线IQ测试中，GPT-5.6「全家桶」的多个版本均飙升至136分，表现惊艳。

这是大语言模型首次将IQ值突破130分这一关键门槛。

在人类智商分布中，130分被视为「天才」的起点，全球仅有约1%的人能够达到这一水平。

换句话说，GPT-5.6比99%的人类更为聪慧。

GPT-5.6狂揽136分，IQ首破「天才线」

这个「智商」分数，究竟含金量几何？

简单来说，Tracking AI配备了两套测试题。

一套是公开的Mensa Norway风格测试，网络上人人可做，模型此前早已刷到140多分。

另一套则是其自建的「离线题库」——不公开、防泄题，专门用于杜绝「模型提前背过答案」的漏洞。

GPT-5.6这次斩获136分，突破的正是这套最难、防作弊效果最强的离线测试。

在这份离线排行榜上，GPT-5.6的多种变体（包括视觉版）集体达到136分，将身后所有竞争对手远远甩开。

紧随其后的是Claude-5 Fable，得分130分。

再往下看，GPT-5.6 LUNA Max、Claude-4.8 Opus等模型仍在117至123分之间徘徊。

值得关注的是，130分这道门槛此前从未被任何模型跨越。

过去一年里，从o3到各家旗舰，一批又一批模型冲击这一分数，却全部卡在130分附近，始终未能真正踏入「天才区间」。

GPT-5.6成为首个打破这一僵局的模型。

而且它并非孤军奋战——SOL、TERRA等整个家族版本集体飙至136分，连视觉版也毫不逊色。

在Reddit上，一位开发者亲自进行了测试，最终感受是GPT-5.6的智商明显优于GPT-5.5。

在如下测试题中，GPT-5.6均在极短时间内取得了出色成绩。

单凭一个分数或许难以令人信服，那么，GPT-5.6离开考场、投入真实任务时的表现如何？

光有高分不够，将GPT-5.6拉去实战

开发者Amir Bohlooli用同一个物理模拟prompt，同时喂给Fable 5和GPT-5.6 Sol，原本以为会被Fable碾压，结果却被GPT的表现震惊。

它选择了粒子流体模拟，物理效果按真实时间推进而非每帧盲目运行固定运算，CSS、界面、渲染全部整合进一个HTML文件，并自动托管为可分享网页。一句话，一个成品。

Ramanpal Singh同样用了一句prompt，构建出一个基于RAG的客服工单系统。该系统包含四种角色、管理后台、可嵌入组件，还能自动对投诉进行分类、识别情绪并起草回复。这样的应用他一口气造了5个，成本仅为Fable 5的零头。

最具画面感的是Claire Vo的经历。几天前，她卡在一个bug上，原以为是自己的代码写崩了，切换到GPT-5.6 Sol后只甩下一句「我就不信搞不定」。Sol一次性修复成功，还顺手让其他模型也顺利运行。

她的评价一针见血：Fable执着于技术上的绝对精确，反而作茧自缚；而Sol的务实态度却真正把事做成了。

不得不承认，AI会做题与AI能救场之间，隔着一整个真实项目的距离。

这算AGI吗？

有网友表示，「对99%的人来说，这已经是AGI了」。

冷静分析来看，这136分源自Tracking AI一套特定的离线 / Mensa Norway风格测试。它主要评估抽象模式识别、逻辑推理等「标准化认知」能力。

关键在于：IQ测试本身并非为大模型量身定制。一张Mensa试卷，测不出模型的事实可靠性、工具调用能力，也测不出它在真实职业场景中的实际表现。

它只是切取了「智能」的一个切片，然后告诉你这一片有多亮眼。

不过，用户实际测试的反馈恰恰提供了另一半答案：GPT-5.6似乎正在将「会做题」与「会做事」这两项能力逐渐融合。

标准化测试中的题目，模型多半在训练数据中见过成千上万遍；真正考验功力的，是那些从未遇到、也无处抄袭答案的新问题。谁能在此类场景中保持稳定，谁才真正配得上「智商」二字。