在Tracking AI最新离线IQ测试中，OpenAI GPT-5. 6 多个版本齐刷刷飙到 136 分，这是大语言模型首次将IQ推过 130 这道坎。在人类智商分布中， 130 分是”天才”的起跑线，全球仅有约1%的人能站上去，这意味着GPT-5. 6 要比99%的人类更聪明。
一、最难防作弊题库上拿下 136 分，甩开所有对手
Tracking AI手中有两套题，一套是公开的Mensa Norway风格测试，模型早已刷到 140 多分；另一套是不公开、防泄题的”离线题库”，专门用来堵住模型提前背答案的漏洞。GPT-5. 6 这次破的正是这套最难的离线题，SOL、TERRA整个家族集体飙到 136 分，连视觉版都没掉队。紧随其后的Claude-5 Fable为 130 分，再往下的GPT-5.6 LUNA Max和Claude-4.8 Opus还在 117 到 123 分之间徘徊。过去一年里从o3 到各家旗舰，一茬又一茬模型冲上来全卡在 130 门口，GPT-5. 6 是第一个把门踹开的。
二、不光会做题，真刀真枪干活同样惊艳
光有分数不够，开发者们把GPT-5. 6 拉去干活后的实测同样炸裂。开发者Amir Bohlooli用同一个物理模拟prompt喂给Fable5 和GPT-5.6 Sol，本以为会被Fable碾压，结果GPT-5. 6 选了粒子流体模拟，物理按真实时间推进，CSS、界面、渲染全塞进一个HTML文件还自动托管成可分享网页，一句话生成一个成品。Ramanpal Singh同样用一句prompt造出基于RAG的客服工单系统，包含四种角色、管理后台、自动投诉分类和情绪识别，一口气造了 5 个应用成本只有Fable5 的零头。
Claire Vo的体验更有画面感——她卡在一个bug上以为是自己代码写崩了，换到GPT-5.6 Sol后只甩下一句”我就是不信搞不定”，Sol一次修好还顺手让别的模型也跑通了。她的评价一针见血：Fable死磕技术上的绝对精确反而作茧自缚，Sol的务实却把活干成了。
有网友表示”对99%的人来说，这已经是AGI了”。冷静来看， 136 分测的主要是抽象模式识别和逻辑推理这一类”标准化认知”，IQ测试本来就为大模型量身定做，测不出事实可靠性、工具调用能力和真实职业场景的靠谱程度。不过人们上手后的实测给出了另一半答案——GPT-5. 6 正在把”会做题”和”会做事”这两件事慢慢拧到一起。真正见功夫的，是那些模型从没遇到、也无处抄答案的新问题，谁能在那儿稳住，谁才配得上”智商”这两个字。
