Aujourd'hui, 99% de la population mondiale ne parvient pas à surpasser une IA en matière de QI.
Lors des derniers tests de QI hors ligne de Tracking AI, plusieurs versions de la suite GPT-5.6 ont toutes atteint un score de 136.
C'est la première fois qu'un LLM pousse le QI au-delà du seuil des 130.
Dans la distribution du QI humain, 130 points marquent la ligne de départ du « génie », que seulement 1% de la population mondiale parvient à franchir.
En d'autres termes, GPT-5.6 est plus intelligent que 99% des humains.
GPT-5.6 obtient un score fulgurant de 136, franchissant pour la première fois la « ligne du génie » en QI
Quelle est la valeur réelle de ce « quotient intellectuel » ?
En réalité, Tracking AI dispose de deux jeux de questions.
Un est un test public de style Mensa Norway, accessible à tous en ligne, que les modèles ont déjà dépassé avec des scores de plus de 140.
L'autre est sa propre « base de questions hors ligne ». Non publique et protégée contre les fuites, elle vise spécifiquement à contrer le risque que les modèles « mémorisent les réponses à l'avance ».
Le score de 136 obtenu par GPT-5.6 a été réalisé sur ce jeu de questions hors ligne, le plus difficile et le plus résistant à la triche.
Sur ce classement hors ligne, les nombreuses variantes de GPT-5.6 (y compris la version visuelle) ont collectivement atteint 136 points, laissant tous leurs concurrents loin derrière.
Juste derrière, Claude-5 Fable suit avec 130 points.
Plus bas, des noms comme GPT-5.6 LUNA Max, Claude-4.8 Opus tournent encore entre 117 et 123 points.
Il faut savoir que ce seuil de 130 n'avait jamais été franchi auparavant.
Au cours de l'année écoulée, une génération après l'autre de modèles, d'o3 aux principaux flagships, sont tous venus buter sur la porte des 130, sans qu'aucun ne parvienne véritablement à entrer dans l'intervalle « génie ».
GPT-5.6 est le premier à avoir enfoncé la porte.
Et il n'y est pas parvenu seul : toute la famille SOL, TERRA a collectivement atteint 136, sans que la version visuelle ne décroche.
Sur Reddit, un développeur a personnellement testé et a finalement ressenti que GPT-5.6 était nettement plus intelligent que GPT-5.5.
Dans les tests suivants, GPT-5.6 a obtenu d'excellents résultats dans les délais les plus courts.
Un simple score peut ne pas convaincre. Alors, à quoi ressemble GPT-5.6 lorsqu'il quitte la salle d'examen et se met au travail concret ?
Un score ne suffit pas : mettons GPT-5.6 au travail
Le développeur Amir Bohlooli a donné le même prompt de simulation physique à la fois à Fable 5 et à GPT-5.6 Sol. S'attendant à être surpassé par Fable, il a finalement été étonné par GPT.
Il a choisi une simulation de fluide par particules, avec une physique avancée en temps réel plutôt qu'un calcul fixe par image, a intégré CSS, interface et rendu dans un seul fichier HTML, et l'a automatiquement hébergé en une page web partageable. En un mot, un produit fini.
Ramanpal Singh a également utilisé un seul prompt pour créer un système de tickets de support client basé sur RAG.
Quatre rôles, un back-office de gestion, des composants intégrables, capable de classer automatiquement les plaintes, d'identifier les émotions et de rédiger des réponses.
Il a créé 5 applications de ce type d'un coup, pour un coût bien inférieur à celui de Fable 5.
L'épisode le plus parlant est celui de Claire Vo.
Il y a quelques jours, bloquée sur un bug, elle pensait que son code était cassé. Passant à GPT-5.6 Sol, elle a simplement lancé : « Je refuse de croire que c'est impossible à résoudre ».
Sol l'a réparé du premier coup et a même permis à d'autres modèles de fonctionner par la suite.
Son évaluation est percutante : Fable s'épuise à chercher une précision technique absolue, s'enfermant dans ses propres limites, tandis que le pragmatisme de Sol accomplit le travail.
Force est de constater qu'entre une IA qui sait passer des tests et une IA qui sait sauver la mise, il y a tout un vrai projet.
Est-ce de l'AGI ?
Un internaute a déclaré : « Pour 99% des gens, c'est déjà de l'AGI ».
Pour être objectif, ce score de 136 a été obtenu lors d'un test spécifique hors ligne / de style Mensa Norway de Tracking AI.
Il mesure principalement un type de « cognition standardisée » : la reconnaissance de motifs abstraits, le raisonnement logique, etc.
Le problème est le suivant : les tests de QI n'ont pas été conçus pour les grands modèles de langage.
Une copie de test Mensa ne peut pas mesurer la fiabilité factuelle d'un modèle, ni sa capacité à utiliser des outils, ni sa fiabilité dans des scénarios professionnels réels.
Elle ne fait que découper une fine tranche de « l'intelligence » et vous indique à quel point cette tranche brille.
Cependant, les tests pratiques des utilisateurs apportent précisément l'autre moitié de la réponse : GPT-5.6 semble lentement en train de fusionner les capacités de « savoir passer des tests » et de « savoir accomplir des tâches ».
Les questions des tests standardisés, les modèles les ont probablement vues des milliers de fois dans leurs données d'entraînement ; ce qui révèle vraiment la valeur, ce sont ces nouveaux problèmes qu'ils n'ont jamais rencontrés et pour lesquels ils ne peuvent pas copier de réponse.
Celui qui parvient à rester stable là-dedans mérite véritablement le mot « intelligence ».
Références :
https://x.com/davidpattersonx/status/2077049232490672458
https://trackingai.org/
Cet article provient du compte WeChat public « New Zhiyuan », auteur : ASI Revelation
