GPT-5. 6 智商首破 130 天才線，比99%人類都聰明，實測幹活能力同樣炸裂

在人工智慧發展史上，智商指標向來被視為衡量模型認知能力的關鍵門檻，而 OpenAI 最新一代模型 GPT-5.6 的表現，無疑將這場競賽推向了全新高度。根據 Tracking AI 最新的離線 IQ 測試結果，GPT-5.6 多個版本罕見地同時拿下 136 分的驚人成績，這是大型語言模型首次將智商分數推過 130 分的「天才線」，意味著這款模型在標準化認知能力上，已經勝過全球約 99% 的人類。 不同於外界熟悉的公開智商測驗，Tracking AI 此次採用了兩套截然不同的題庫。第一套是公開的 Mensa Norway 風格測試，這類題型早已被各大模型反覆演練，許多模型都能輕鬆刷到 140 分以上。真正的考驗來自第二套不公開的「離線題庫」，這套題庫專為杜絕模型提前背答案的漏洞而設計，確保每一次測驗都是對真正理解與推理能力的檢驗。GPT-5.6 這次創下的紀錄，正是在這套最嚴苛的離線測驗中所達成。 成果顯示，GPT-5.6 家族中的 SOL 與 TERRA 等主要版本，集體衝上 136 分，連視覺版本也毫不遜色。相比之下，向來被視為強勁對手的 Claude-5 Fable 得分為 130 分，同樣跨越了天才門檻，但與 GPT-5.6 仍有一段差距。再往下的 GPT-5.6 LUNA Max 與 Claude-4.8 Opus，則分別落在 117 到 123 分之間，顯示出模型之間的層級差異已經明顯拉開。回顧過去一年，從 o3 到各家旗艦模型，一批又一批的嘗試者全都卡在 130 分的關卡前，始終無人能越雷池一步，直到 GPT-5.6 的出現，才真正把這扇門一腳踢開。 然而，光有亮眼的智商分數還不足以說服所有開發者與使用者。真正讓外界為之振奮的，是 GPT-5.6 在實際工作中的表現同樣令人驚豔。開發者 Amir Bohlooli 分享了他的實測經驗，他以同一個物理模擬指令分別測試了 Fable5 與 GPT-5.6 Sol。原本他預期 Fable5 會徹底碾壓對手，結果卻出乎意料——GPT-5.6 Sol 不僅選擇了粒子流體模擬，還讓物理效果按照真實時間推進，更將 CSS、操作界面與渲染全部整合進一個 HTML 檔案中，甚至自動託管成一個可直接分享的網頁。整個過程只需一句話，就能產出一個完整的成品。 另一位開發者 Ramanpal Singh 同樣只用一句提示詞，就打造出一個基於 RAG 架構的客服工單系統。這個系統包含了四種不同角色、完整的管理後台、自動投訴分類以及情緒辨識功能。他一口氣用 GPT-5.6 製作了五個應用，而整體成本僅是使用 Fable5 的零頭，效率與性價比形成強烈對比。 設計總監 Claire Vo 的體驗則更具有畫面感。她原本卡在一個 Bug 上，一度懷疑是自己寫的程式碼出了問題。當她將問題轉移到 GPT-5.6 Sol 上，只丟下一句「我就是不信搞不定」，結果 Sol 不僅一次就把 Bug 修好，甚至順便讓其他模型也能順利跑通。她的觀察相當精闢：Fable 過度追求技術上的絕對精確，反而讓自己作繭自縛；而 Sol 的務實作風，卻能真正把任務完成。對於這樣的表現，有網友直言：「對 99% 的人來說，這已經算是 AGI 了。」

不過，在一片叫好聲中，仍有必要保持冷靜。136 分的高分，主要測量的是抽象模式識別與邏輯推理這類標準化認知能力，而智商測試某種程度上也是為大模型量身打造的情境，並不足以全面反映事實可靠性、工具調用能力，以及在真實職業場景中的穩定表現。畢竟，模型能不能在人類日常工作環境中扛住考驗，才是更務實的標準。 值得慶幸的是，開發者們陸續上手的實測結果，已經為這個問題提供了另一部分的答案——GPT-5.6 正逐步將「會做題」與「會做事」這兩件事緊密結合在一起。真正的考驗，往往出現在模型從未遇過、也無處抄襲答案的全新問題上，誰能在這樣的未知情境中穩住陣腳，誰才真正配得上「智商」這兩個字的重量。而 GPT-5.6 的表現，無疑讓人們對下一階段的 AI 能力，有了更多的想像空間。