GPT-5.6 erreicht einen IQ von über 130 – der Schwellenwert für "genial" – und ist damit intelligenter als 99 % der Menschen.

Heutzutage können 99 % der Menschen weltweit im Hinblick auf den IQ nicht mit einer KI mithalten.

Bei dem neuesten Offline-IQ-Test von Tracking AI haben mehrere Versionen der GPT-5.6-„Produktpalette“ gemeinsam einen Wert von 136 Punkten erreicht.

Dies ist das erste Mal, dass ein LLM den IQ-Wert über die Schwelle von 130 gebracht hat.

In der menschlichen Intelligenzverteilung ist 130 Punkte die Startlinie für „Genies“, und nur etwa 1 % der Menschen weltweit erreichen dieses Niveau.

Mit anderen Worten: GPT-5.6 ist klüger als 99 % der Menschen.

GPT-5.6 erreicht 136 Punkte und durchbricht erstmals die „Genieschwelle“ beim IQ

Wie aussagekräftig ist dieser „IQ“?

Tatsächlich verfügt Tracking AI über zwei Testsätze.

Der eine ist ein öffentlicher Test im Stil von Mensa Norway, den jeder im Internet absolvieren kann – Modelle haben hier bereits Werte von über 140 Punkten erreicht.

Der andere ist ein selbst zusammengestellter „Offline-Fragenpool“. Er ist nicht öffentlich, verhindert das Ausspähen von Fragen und schließt speziell die Lücke aus, dass Modelle die Antworten im Voraus auswendig lernen.

Mit 136 Punkten hat GPT-5.6 gerade diesen schwierigsten und betrugsresistentesten Offline-Test bestanden.

Auf dieser Offline-Bestenliste haben alle Varianten von GPT-5.6 (sogar die visuelle Version mit eingerechnet) gemeinsam 136 Punkte erreicht und alle Konkurrenten weit hinter sich gelassen.

Direkt dahinter liegt Claude-5 Fable mit 130 Punkten.

Weiter unten bewegen sich Namen wie GPT-5.6 LUNA Max und Claude-4.8 Opus noch zwischen 117 und 123 Punkten.

Man muss wissen: Die Schwelle von 130 wurde bisher nie überschritten.

In dem vergangenen Jahr haben zahlreiche Modelle, von o3 bis zu den Flaggschiffen verschiedener Anbieter, versucht, diese Marke zu erreichen – alle blieben vor der Tür von 130 stehen, niemand konnte wirklich in den „Geniebereich“ eintreten.

GPT-5.6 ist das erste Modell, das diese Tür aufgestoßen hat.

Und es hat die Punkte nicht allein erreicht: Die gesamte Familie von SOL und TERRA hat gemeinsam 136 Punkte erreicht, selbst die visuelle Version blieb nicht zurück.

Auf Reddit hat ein Entwickler selbst Tests durchgeführt und stellte fest, dass der IQ von GPT-5.6 deutlich höher ist als der von GPT-5.5.

In allen folgenden Testaufgaben hat GPT-5.6 in kürzester Zeit hervorragende Ergebnisse erzielt.

Ein einzelner Punktwert mag kaum überzeugend sein – aber wie verhält sich GPT-5.6, wenn es den Testraum verlässt und echte Aufgaben erledigt?

Punkte allein reichen nicht: GPT-5.6 wird zur Arbeit eingesetzt

Der Entwickler Amir Bohlooli hat denselben Prompt für eine physikalische Simulation gleichzeitig an Fable 5 und GPT-5.6 Sol übermittelt. Er erwartete, dass Fable ihn übertreffen würde – stattdessen war er von GPT überrascht.

Es wählte eine Partikel-Fluid-Simulation aus, bei der die Physik in Echtzeit statt mit festen Berechnungen pro Frame abläuft. CSS, Oberfläche und Rendering wurden in eine einzige HTML-Datei integriert.

Zusätzlich wurde die Datei automatisch als teilbare Webseite gehostet: Ein einziger Prompt ergab ein fertiges Produkt.

Ramanpal Singh hat ebenfalls mit einem einzigen Prompt ein RAG-basiertes Kundenservice-Ticket-System erstellt.

Vier Rollen, ein Verwaltungsdashboard, einbettbare Komponenten – es kann automatisch Beschwerden klassifizieren, Stimmungen erkennen und Antworten entwerfen.

Es hat auf einmal 5 solcher Apps erstellt, und die Kosten betrugen nur ein Bruchteil von denen von Fable 5.

Am eindrucksvollsten ist die Geschichte von Claire Vo.

Vor ein paar Tagen steckte sie bei einem Bug fest und dachte, ihr Code sei fehlerhaft. Als sie zu GPT-5.6 Sol wechselte, gab sie nur den Satz ein: „Ich glaube nicht, dass das nicht lösbar ist.“

Sol reparierte das Problem sofort und sorgte dafür, dass auch andere Modelle den Code ausführen konnten.

Ihre Bewertung war treffend: Fable konzentriert sich zu sehr auf absolute technische Genauigkeit und behindert sich damit selbst – Sol hingegen ist pragmatisch und erledigt die Aufgabe erfolgreich.

Man muss zugeben: Zwischen einer KI, die Prüfungsfragen lösen kann, und einer KI, die in Notfällen helfen kann, liegt die ganze Welt eines echten Projekts.

Ist das AGI?

Einige Nutzer sagen: „Für 99 % der Menschen ist das bereits AGI.“

Betrachtet man es nüchtern, ergibt dieser Wert von 136 Punkten aus einem spezifischen Offline-Test von Tracking AI im Stil von Mensa Norway.

Er misst hauptsächlich „standardisierte kognitive Fähigkeiten“ wie abstrakte Mustererkennung und logisches Denken.

Das Problem ist: IQ-Tests wurden nicht speziell für große Sprachmodelle entwickelt.

Ein Mensa-Test kann nicht die faktische Zuverlässigkeit eines Modells messen, nicht seine Fähigkeit, Werkzeuge zu nutzen, und auch nicht, wie zuverlässig es in echten beruflichen Situationen ist.

Er schneidet nur einen kleinen Bereich der „Intelligenz“ ab und zeigt, wie leuchtend dieser Bereich ist.

Aber die praktischen Tests der Nutzer liefern die andere Hälfte der Antwort: GPT-5.6 scheint die beiden Fähigkeiten, „Fragen zu lösen“ und „Aufgaben zu erledigen“, langsam miteinander zu verbinden.

Die Fragen in standardisierten Tests haben Modelle in ihren Trainingsdaten wahrscheinlich schon tausendmal gesehen. Die echte Herausforderung liegt bei neuen Problemen, die sie nie zuvor getroffen haben und für die es keine Vorlagen gibt.

Nur wer dort bestehen kann, verdient den Namen „Intelligenz“.

Referenzen:

https://x.com/davidpattersonx/status/2077049232490672458 

https://trackingai.org/

Dieser Artikel stammt aus dem WeChat-Offiziellen Konto „Xinzhiyuan“, Autor: ASI Offenbarung, und wird mit Genehmigung von 36Kr veröffentlicht.