如今，全世界99%的人类，在IQ这项指标上，竟然拼不过一个AI。

Tracking AI最新一轮离线IQ测试中，GPT-5.6「全家桶」的多个版本，齐刷刷地飙到了136分。

这是大语言模型第一次，把IQ推过130分这道坎。

在人类的智商分布里，130分是「天才」的起跑线。全球大约只有1%的人能站上去。

换句话说，GPT-5.6要比99%的人类还聪明。

GPT-5.6狂刷136分，IQ首破「天才线」

这个「智商」，含金量到底有多高？

说白了，Tracking AI手里有两套题。

一套是公开的Mensa Norway风格测试，网上人人能做，模型早就刷到140多分了。

另一套，是它自己攒的「离线题库」。不公开、防泄题，专门用来堵住「模型提前背过答案」的漏洞。

GPT-5.6这次拿下136分，破的正是这套最难、最防作弊的离线题。

在这份离线排行榜上，GPT-5.6的一众变体（连视觉版都算上）集体冲到136分，把身后所有对手甩开了一大截。

紧咬在后面的，是Claude-5 Fable，130分。

再往下，GPT-5.6 LUNA Max、Claude-4.8 Opus这些名字，还在117到123分之间打转。

值得注意的一点是，130这道门槛之前一直没被跨过去。

过去一年里，从o3到各家旗舰，一茬又一茬的模型冲上来，全卡在130的门口。谁也没能真正踏进「天才区间」。

GPT-5.6，是第一个把门踹开的。

而且它不是单枪匹马上分。SOL、TERRA一整个家族集体飙到136，连视觉版都没掉队。

在Reddit上，一位开发者亲自下场测试。最终体感GPT-5.6明显要比GPT-5.5的智商更高。

在如下的测试题中，GPT-5.6均在最短时间内，拿下了出色的成绩。

一个分数可能难以令人信服。那么，GPT-5.6离开考场、真刀真枪干活时是什么样？

光有分不够，把GPT-5.6拉去干活

物理模拟：一句话生成成品

开发者Amir Bohlooli拿同一个物理模拟prompt，同时喂给Fable 5和GPT-5.6 Sol。本以为会被Fable碾压，结果反被GPT惊到。

它选了粒子流体模拟。物理按真实时间推进，而非每帧盲跑固定运算。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，一个成品。

客服工单系统：一口气造5个

Ramanpal Singh同样用了一句prompt，造出一个基于RAG的客服工单系统。四种角色、管理后台、可嵌入组件，还能自动给投诉分类、识别情绪、起草回复。

这样的app它一口气造了5个，成本只有Fable 5的零头。

救场实战：一次修好bug

最有画面感的，是Claire Vo的桥段。几天前，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。

不得不说，AI会做题，和AI能救场，中间隔着一整个真实项目。

这算AGI吗？

有网友表示，「对99%的人来说，这已经是AGI了」。

冷静下来看，这136分，是Tracking AI一个特定的离线 / Mensa Norway风格测试跑出来的。它测的，主要是抽象模式识别、逻辑推理这一类「标准化认知」。

问题在于：IQ测试，本来就不是为大模型量身定做的。一张Mensa卷子，测不出一个模型的事实可靠性，测不出它的工具调用能力，也测不出它在真实职业场景里到底靠不靠谱。

它只是切下了「智能」的一个薄片，然后告诉你，这一片有多亮。

不过，人们上手后的实测，恰恰给出了另一半答案：GPT-5.6好像，正在把「会做题」和「会做事」这两件事，慢慢拧到一起。

标准化测试里的题目，模型多半在训练数据里见过千百遍。真正见功夫的，是那些它从没遇到、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。