新智元报道
AI在人类智商测试中已突破理论极限。在高难度的门萨挪威图形推理测试（35题，限时25分钟）中，Claude Fable 5.1与GPT-6 Astra连续7次获得满分151分。
该分数远超门萨俱乐部130分的入会门槛，全球仅约0.03%的人类能达到此水平。作为衡量“流体智力”的核心标尺，图形推理曾是AI的短板，如今已被彻底攻克。
以地狱级难度的第33题为例，绝大多数AI在此折戟，而满分模型仍能精准作答（答案见后文）。这标志着AI在纯逻辑推理能力上已站至人类金字塔顶端。
人类上限145，AI实测151打破天花板
据TrackingAI榜单显示，主流AI模型已从智商分布曲线的左侧低分区，集体迁移至最右端的极高分区。美国记者Maxim Lott每周对30余款AI进行测试，取近7次平均分以确保数据严谨性。
门萨挪威测试对人类用户的评分上限为145分，但AI通过答对全部35题换算出了151分。按标准正态分布估算，151分对应的人群比例约为三千分之一，全球仅有约270万人达到此水平。
TrackingAI上各家AI的门萨挪威成绩，最右侧竖线是这张卷的满分线
目前，GPT-5.6 Sol、Gemini 3.1 Pro及多款国产模型均已突破140分。高分段差距主要体现在压轴难题上：前10题AI普遍通关，但第35题仅5个模型做对，第33题仅2个模型（即满分选手）攻克。
每道题做对的AI数量，橙色是门萨挪威卷，第33题只剩2个
两年半从64分跃升至151分
AI在图形推理领域的进步堪称飞跃。2023年3月，ChatGPT虽在语言智商测试中获得155分，但在非语言推理上表现拙劣，被专家评价为“没有眼睛和手”。直至2024年初，Gemini Advanced仍在简单题目上出现幻觉。
转折点出现在2024年9月，OpenAI o1引入“先思考后回答”机制，分数迅速突破120分。此后，“思维链”成为旗舰模型标配，推动AI智商平均每月增长2.5分。相比之下，人类智商受弗林效应影响，每十年仅增长约3分。AI完成人类需30多年才能实现的10分涨幅，仅需4个月。
未见过的新题照样逼近满分
针对“AI是否背题”的质疑，测试方于2024年5月启用了从未在互联网公开的保密试卷（16题，满分约136分）。结果显示，头部模型在零样本情况下仍逼近满分：GPT-5.6 Terra获135分，Fable 5.1、Astra及某国产模型均达130分。
这一成绩比预测提前了一年多，证实了AI并非单纯记忆答案，而是真正具备了泛化推理能力。
TrackingAI公开的门萨挪威题文字版及正确答案
人类题库枯竭，AGI或提前到来
随着现有测试被“考满”，出题人被迫不断提升难度。ARC-AGI创始人François Chollet曾表示，若以“经验转化效率”定义智能，AI仍落后人类百万倍。但他近期修正了AGI实现时间的预测，认为进展快于预期，可能早于2030年到来。
智商测试自1905年诞生以来，始终默认“被测者是人”。如今AI已登顶刻度尺顶端，当人类再也无法设计出难住AI的题目时，我们或许需要重新审视智能的本质以及人类自身的独特价值。
François Chollet关于AGI时间表的最新回应
参考资料：
https://x.com/aisafetymemes/status/2103369359481852116
编辑：摩西
新智元