Сегодня 99% населения мира уступает в IQ одному ИИ.
В последнем офлайн-тесте IQ от Tracking AI, несколько версий «полного комплекта» GPT-5.6 дружно набрали 136 баллов.
Это первый случай, когда LLM подняла IQ выше планки в 130 баллов.
В распределении человеческого интеллекта 130 баллов — это стартовая черта «гения», которую способны пересечь лишь около 1% людей в мире.
Другими словами, GPT-5.6 умнее 99% человечества.
GPT-5.6 набирает 136 баллов, впервые преодолевая «порог гениальности» по IQ
Насколько высока «ценность» этого «коэффициента интеллекта»?
На самом деле, у Tracking AI есть два набора заданий.
Один — это открытый тест в стиле Mensa Norway, доступный всем в интернете, где модели уже давно набирают более 140 баллов.
Другой — собранная ими «офлайн-база вопросов». Она не публикуется, защищена от утечек и специально создана, чтобы закрыть лазейку «предварительного заучивания ответов моделью».
GPT-5.6, набравший 136 баллов, преодолел именно этот самый сложный, максимально защищенный от списывания офлайн-тест.
В этом офлайн-рейтинге все варианты GPT-5.6 (включая даже визуальную версию) массово поднялись до 136 баллов, значительно оторвавшись от всех преследователей.
За ними вплотную следует Claude-5 Fable с 130 баллами.
Далее, такие модели, как GPT-5.6 LUNA Max и Claude-4.8 Opus, всё ещё крутятся в диапазоне от 117 до 123 баллов.
Важно понимать, что порог в 130 баллов ранее так и не был преодолён.
В течение прошлого года, от o3 до флагманских моделей различных компаний, одна за другой появлялись модели, но все застревали у ворот 130, так и не сумев по-настоящему войти в «диапазон гениальности».
GPT-5.6 — первый, кто распахнул эти ворота.
И он поднял планку не в одиночку: вся семья — SOL, TERRA — массово достигла 136 баллов, даже визуальная версия не отстала.
На Reddit один разработчик лично провёл тестирование и в итоге ощутил, что IQ GPT-5.6 явно выше, чем у GPT-5.5.
В следующих тестовых заданиях GPT-5.6 в кратчайшие сроки показал отличные результаты.
Одного балла может быть недостаточно для убедительности, так как же GPT-5.6 ведёт себя вне экзаменационного зала, в реальной работе?
Мало набрать баллы — GPT-5.6 отправляют на реальные задачи
Разработчик Amir Bohlooli дал один и тот же промпт для физического моделирования одновременно Fable 5 и GPT-5.6 Sol, ожидая, что Fable его разгромит, но был поражён GPT.
Он выбрал моделирование потока частиц, физика продвигалась в реальном времени, а не с фиксированными вычислениями на кадр, CSS, интерфейс, рендеринг — всё упаковано в один HTML-файл,
и автоматически размещено в виде публикуемой веб-страницы. Одним словом, готовый продукт.
Ramanpal Singh также с помощью одного промпта создал систему обработки заявок службы поддержки на основе RAG.
Четыре роли, панель управления, встраиваемые компоненты, возможность автоматической классификации жалоб, определения эмоций и составления ответов.
Таких приложений он создал сразу 5, а затраты составили лишь малую часть от стоимости Fable 5.
Самое яркое описание дала Claire Vo.
Несколько дней назад она застряла на ошибке, думая, что сама напортачила в коде, переключилась на GPT-5.6 Sol и бросила фразу: «Я просто не верю, что это невозможно исправить».
Sol исправил всё за один раз, и заодно заставил работать и другие модели.
Её оценка была точной: Fable цепляется за абсолютную техническую точность, лишь связывая себя по рукам и ногам, а прагматизм Sol позволил выполнить работу.
Нельзя не сказать, что между «ИИ умеет решать задачи» и «ИИ способен спасти ситуацию» лежит целый реальный проект.
Это уже ИИ общего назначения (AGI)?
Некоторые пользователи заявляют: «Для 99% людей это уже AGI».
Если подойти к вопросу冷静но, эти 136 баллов были получены в результате конкретного офлайн-теста Tracking AI в стиле Mensa Norway.
Он измеряет в основном «стандартизированное познание», такое как распознавание абстрактных паттернов, логическое рассуждение.
Проблема в том, что тесты IQ изначально не были разработаны для больших языковых моделей.
Один лист теста Mensa не может измерить фактическую надёжность модели, её способность использовать инструменты или то, насколько она эффективна в реальных профессиональных сценариях.
Он лишь отрезает тонкий слой «интеллекта» и сообщает, насколько тот яркий.
Однако, практические тесты пользователей как раз дают вторую половину ответа: кажется, GPT-5.6 постепенно соединяет «умение решать задачи» и «умение выполнять работу».
Задания в стандартизированных тестах модель, вероятно, видела в обучающих данных тысячи раз; настоящее испытание — это новые проблемы, с которыми она никогда не сталкивалась и ответы на которые негде списать.
Тот, кто способен там устоять, действительно заслуживает слова «интеллект».
Источники:
https://x.com/davidpattersonx/status/2077049232490672458
https://trackingai.org/
Статья из официального аккаунта WeChat «Синьчжиюань» (Новая эра искусственного интеллекта), автор: ASI启示录
