在Tracking AI最新離線IQ測試中，OpenAI GPT-5. 6 多個版本齊刷刷飆到 136 分，這是大語言模型首次將IQ推過 130 這道坎。在人類智商分佈中， 130 分是"天才"的起跑線，全球僅有約1%的人能站上去，這意味着GPT-5. 6 要比99%的人類更聰明。

image.png

最難防作弊題庫上拿下 136 分，甩開所有對手

Tracking AI手中有兩套題，一套是公開的Mensa Norway風格測試，模型早已刷到 140 多分；另一套是不公開、防泄題的"離線題庫"，專門用來堵住模型提前背答案的漏洞。GPT-5. 6 這次破的正是這套最難的離線題，SOL、TERRA整個家族集體飆到 136 分，連視覺版都沒掉隊。緊隨其後的Claude-5 Fable爲 130 分，再往下的GPT-5.6 LUNA Max和Claude-4.8 Opus還在 117 到 123 分之間徘徊。過去一年裏從o3 到各家旗艦，一茬又一茬模型衝上來全卡在 130 門口，GPT-5. 6 是第一個把門踹開的。

不光會做題，真刀真槍幹活同樣驚豔

光有分數不夠，開發者們把GPT-5. 6 拉去幹活後的實測同樣炸裂。開發者Amir Bohlooli用同一個物理模擬prompt餵給Fable5 和GPT-5.6 Sol，本以爲會被Fable碾壓，結果GPT-5. 6 選了粒子流體模擬，物理按真實時間推進，CSS、界面、渲染全塞進一個HTML文件還自動託管成可分享網頁，一句話生成一個成品。Ramanpal Singh同樣用一句prompt造出基於RAG的客服工單系統，包含四種角色、管理後臺、自動投訴分類和情緒識別，一口氣造了 5 個應用成本只有Fable5 的零頭。

Claire Vo的體驗更有畫面感——她卡在一個bug上以爲是自己代碼寫崩了，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。

有網友表示"對99%的人來說，這已經是AGI了"。冷靜來看， 136 分測的主要是抽象模式識別和邏輯推理這一類"標準化認知"，IQ測試本來就爲大模型量身定做，測不出事實可靠性、工具調用能力和真實職業場景的靠譜程度。不過人們上手後的實測給出了另一半答案——GPT-5. 6 正在把"會做題"和"會做事"這兩件事慢慢擰到一起。真正見功夫的，是那些模型從沒遇到、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。