### [GPT-5.6 IQ 测试拿到136分：真能说明它比99%人类聪明吗？](https://www.zuoshipin.com/article/5646)

**Published:** 2026-07-17T07:22:55

**Author:** 天才交易员

**Excerpt:** GPT‑5.6 在 Tracking AI 离线图形推理测试中取得136分，但“比99%人类聪明”并不是严谨结…

GPT‑5.6 在 Tracking AI 的一套离线图形推理测试中拿到 **136 分**，首次让受测大模型跨过通常被称为“高智商区间”的 130 分线。随后，“GPT‑5.6 比99%人类更聪明”的说法迅速传播。

![GPT‑5.6 在 Tracking AI 离线 IQ 测试中取得 136 分](https://admin.zuoshipin.com/wp-content/uploads/2026/07/gpt-5-6-iq-136-analysis-01.webp)

GPT‑5.6 在 Tracking AI 离线 IQ 测试中取得 136 分

**先给结论：**136 分能说明 GPT‑5.6 在这套抽象模式识别题上表现突出，但不能直接证明它拥有等同于人类 IQ 136 的综合智力，更不能据此认定它在所有任务上都超过99%的人类。

## GPT‑5.6 的 136 分是怎么测出来的？

Tracking AI 展示了两类测试。一类是公开的 Mensa Norway 风格题，题目可以在互联网上找到；另一类是由 Mensa 成员制作、没有公开放到互联网上的离线题库，目的在于降低模型从训练数据中直接“见过答案”的可能。

![Tracking AI 的公开测试与离线测试说明](https://admin.zuoshipin.com/wp-content/uploads/2026/07/gpt-5-6-iq-136-analysis-02.webp)

Tracking AI 的公开测试与离线测试说明

这次引发关注的是离线榜单。GPT‑5.6 的多个版本在该测试中达到136分，领先于同期被列入比较的其他模型。离线题库比公开题更能减少直接泄题的干扰，因此结果具有观察价值。

![GPT‑5.6 多个版本在离线榜单中的成绩](https://admin.zuoshipin.com/wp-content/uploads/2026/07/gpt-5-6-iq-136-analysis-03.webp)

GPT‑5.6 多个版本在离线榜单中的成绩

![不同大模型的离线图形推理分数对比](https://admin.zuoshipin.com/wp-content/uploads/2026/07/gpt-5-6-iq-136-analysis-04.webp)

不同大模型的离线图形推理分数对比

测试方法及每日结果可查看 [Tracking AI 官方页面](https://trackingai.org/)。

## 为什么说“比99%人类聪明”并不严谨？

在人类标准化 IQ 分布中，130 分通常对应很高的百分位。但把大模型得分直接映射为“比多少人更聪明”，至少存在四个问题：

**测试对象不同**  
人类 IQ 量表经过人群常模校准，大模型并不属于同一受测群体。

**能力范围有限**  
图形推理主要测模式识别，无法覆盖事实可靠性、工具调用和现实判断。

**提示方式影响结果**  
题目转写、视觉输入、采样参数和重复测试策略都会改变分数。

**污染难以彻底排除**  
离线题可减少泄题，但类似题型和解题规律仍可能存在于训练数据中。

![图形推理测试只能反映智能的一部分](https://admin.zuoshipin.com/wp-content/uploads/2026/07/gpt-5-6-iq-136-analysis-05.webp)

图形推理测试只能反映智能的一部分

**更准确的表述：**GPT‑5.6 在一套未公开的 Mensa Norway 风格离线题中取得了相当于人类量表136分的换算结果。这是特定测试成绩，不是对模型综合智力的医学或心理测量结论。

## 离开考场，GPT‑5.6 能不能真正干活？

标准化分数只是第一层。对视频、设计和开发从业者而言，更重要的是模型能否把模糊需求转成完整交付物，能否调用工具、检查错误并在失败后继续推进。

![开发者使用 GPT‑5.6 Sol 完成复杂任务](https://admin.zuoshipin.com/wp-content/uploads/2026/07/gpt-5-6-iq-136-analysis-06.webp)

开发者使用 GPT‑5.6 Sol 完成复杂任务

公开体验中，有开发者让 GPT‑5.6 Sol 制作粒子流体模拟：模型处理了物理时间、界面、CSS 和渲染，并将结果组织为可以分享的单页应用。另一个案例则用一句需求生成基于 RAG 的客服工单系统，包括多种角色、管理后台、嵌入组件、投诉分类和回复草稿。

![GPT‑5.6 生成物理模拟网页](https://admin.zuoshipin.com/wp-content/uploads/2026/07/gpt-5-6-iq-136-analysis-07.webp)

GPT‑5.6 生成物理模拟网页

![GPT‑5.6 构建带 RAG 的客服工单系统](https://admin.zuoshipin.com/wp-content/uploads/2026/07/gpt-5-6-iq-136-analysis-08.webp)

GPT‑5.6 构建带 RAG 的客服工单系统

这些案例比单纯做题更接近真实 Agent 场景，但仍属于个别展示。判断模型是否适合项目，需要重复测试需求理解、代码正确率、工具调用、长任务稳定性和成本，而不是只看一次成功截图。

## 官方基准比 IQ 分数更完整吗？

OpenAI 官方并未用“人类 IQ”定义 GPT‑5.6，而是公布了编程、知识工作、科学、网络安全和长周期 Agent 工作流等基准。官方资料显示，GPT‑5.6 Sol 在 Agents’ Last Exam、编程 Agent 指数、Terminal‑Bench 与 DeepSWE 等评测中强调成功率、时间、Token 和成本的综合表现。

![GPT‑5.6 官方强调编程与 Agent 工作流能力](https://admin.zuoshipin.com/wp-content/uploads/2026/07/gpt-5-6-iq-136-analysis-09.webp)

GPT‑5.6 官方强调编程与 Agent 工作流能力

这类基准仍不能完全等同于真实生产环境，但比单一图形推理测试更接近模型的实际用途。特别是 Agent 任务，需要模型在多个步骤中保持目标、处理工具返回、发现错误并修正。

模型详情可查看 [OpenAI GPT‑5.6 官方发布说明](https://openai.com/index/gpt-5-6/) 和 [GPT‑5.6 官方帮助文档](https://help.openai.com/en/articles/20001354-gpt-56-in-chatgpt/)；站内已整理 [GPT‑5.6 与 ChatGPT Work 完整介绍](https://www.zuoshipin.com/article/1334)。

## 从视频从业者角度，应该测什么？

对内容团队而言，IQ 分数几乎无法直接预测工作效果。更值得建立一套自己的业务测试：

1.  **需求理解：**能否准确识别交付规格、受众、时长和风格限制。
2.  **素材处理：**能否稳定读取文档、图片、字幕、表格与项目目录。
3.  **工作流执行：**能否生成脚本、批处理文件、搭建网页并验证输出。
4.  **事实可靠性：**遇到时效信息时是否主动检索，并区分事实、推断和观点。
5.  **成本与可控性：**同类任务的 Token、耗时、失败率和人工返工量是否可接受。

![真实项目更需要评估稳定性、成本和可控性](https://admin.zuoshipin.com/wp-content/uploads/2026/07/gpt-5-6-iq-136-analysis-10.webp)

真实项目更需要评估稳定性、成本和可控性

准备体验完整 Agent 工作流，可进入 [Codex 站内工具页](https://www.zuoshipin.com/link/1474.html)；日常对话与多模态任务可查看 [ChatGPT 站内详情](https://www.zuoshipin.com/link/29.html)。关于 GPT‑5.6 的额度和桌面端变化，站内还有 [ChatGPT Codex 改版与 Token 分析](https://www.zuoshipin.com/article/1414)。

**我的观点：**136 分最重要的意义，不是给 GPT‑5.6 发一张“天才证书”，而是说明模型在陌生抽象题上的上限继续提高。真正决定它是否聪明的，是能否把这种推理稳定迁移到没有标准答案、需要工具和判断的现实任务中。

## 这算 AGI 吗？

仅凭一套 IQ 风格测试，无法得出 AGI 结论。AGI 涉及跨领域泛化、长期规划、环境适应、可靠行动和对不确定性的处理。一个模型可以在某类测试中达到高分，同时仍会产生事实错误、误解权限或在长任务中偏离目标。

更合理的判断是：GPT‑5.6 正在把“会做题”和“会使用工具完成工作”进一步结合。它距离一个完全可靠、可独立承担所有工作的通用智能仍有明显差距，但已经足以改变许多人的具体生产流程。

## 总结

GPT‑5.6 在 Tracking AI 离线测试中取得136分，是值得记录的推理能力信号；“比99%人类聪明”则是把特定测试百分位扩展成综合智力结论，传播效果很强，科学性不足。

对普通用户和专业团队来说，最有价值的不是争论模型有没有“天才 IQ”，而是拿自己的真实任务去测试：它能否稳定完成工作、是否减少返工、成本是否可控，以及出错时能不能被及时发现。

说明：测试成绩依据 Tracking AI 页面整理；GPT‑5.6 产品能力与官方基准依据 OpenAI 公开资料。第三方评测方法、模型版本和榜单可能持续更新。

**Tags:** AI模型评测, GPT-5.6, OpenAI, Tracking AI

**Categories:** AI资讯

---