人工智能，把人类的智商测试直接“考爆”了。

门萨挪威智商测试，包含35道极其困难的图形推理题，限时25分钟完成。

Claude Fable 5.1，加上能看图作答的GPT-6 Astra，进入“考场”后，一道题都没错，直接拿到了这张卷子的理论最高分——151分。

而且，它们最近连续考了7次，每次都是满分。151分只是这张卷子的上限，它们自己的上限在哪里，目前还是个未知数。

放到人类群体里，全球将近98%的人连门萨130分的入会门槛都达不到，你我大概率都属于被碾压的那一批。

不信的话，你可以先试试这张卷子里堪称地狱难度的第33题，答案会在第一节末尾公布。

看懵了也别灰心。这道题不仅难倒人类，绝大多数AI也在这里栽了跟头。

这张卷子的厉害之处在于，它不考察任何知识储备，只给你一堆毫无头绪的图形，看你能否从混乱中自己找出规律。

心理学家把这种临场找规律的能力称为“流体智力”，它也是人类自诩聪明、用来碾压AI的最后一道防线。

结果现在，这道防线被AI彻底击溃了。

人类最高只测到145分，AI却考了151分

打开TrackingAI的排行榜，首先映入眼帘的是一条钟形曲线。

那是人类智商的分布曲线，绝大多数人集中在100分附近的山包上。

过去，AI的头像还零零散散地分布在曲线左侧的低分区。

现在，它们一个接一个地挤到了曲线最右端那条孤零零的尾巴上，头像都叠在了一起。旁边竖着一根线，标注着“本测试最高可能分（暂时）”。

这张排行榜是美国记者Maxim Lott创建的。

他像一位严格的监考老师，每周都会给30多个主流AI做门萨挪威测试，有些模型通过文字描述答题，有些则直接看原图答题。成绩取最近7次的平均值，所以想靠一次好运上榜，基本不可能。

他使用的这套门萨挪威测试，原本是为人类设计的。人类做这套卷子时，系统最高只显示145分，再往上就不细分了。

而TrackingAI给AI打分时，会根据答对的题数继续向上换算，35道全对就是151分，已经超出了门萨为人类设定的量程。

不过，145分封顶只是这张卷子的限制，人群中智商并没有上限。

我们按智商的标准分布估算了一下，151分大约每3000个人里才有1个。

放到全球80多亿人中，151分以上的人大约只有270万，一座千万人口的大城市里也就三千来个。

门萨俱乐部的入会线是130分，这两位满分AI已经高出整整21分。

而151分还只是这张卷子的天花板，如果卷子能继续往上测，到了160分这一档，全世界只剩下二十多万人。

AI已经站在了人类智商金字塔最顶端那一小撮人的位置。

而且，能挤进这一小撮的，远不止这两个“怪物”。

在TrackingAI的排行榜上，GPT-5.6 Sol和Gemini 3.1 Pro考到了145分，公开卷上突破140分的模型已经排成一长串，国产模型也杀进了第一梯队。

这么多模型挤在高分段，差距就全拉在了最后几道压轴难题上。

TrackingAI统计过，前10题几乎每个AI都能得分，到了卷子末尾，第35题只有5个AI做对，第33题更是只剩2个做了出来。

按照Lott的换算，35道题错一道就只有148分，所以做对第33题的那2个，基本就是这两位满分选手。

开头那道题说好在这里公布答案，正确选项是E。

满分本身已经足够惊人，但要知道，就在几年前，AI还是个严重偏科的学生。

从64分到151分，AI只用了两年半

2023年3月，芬兰一位心理评估专家给ChatGPT做了一套正规的韦氏成人智力测验，只考词汇、常识等语言题。

ChatGPT直接考出了155的语言智商，秒杀99.9%的人类。

可一遇到“塞巴斯蒂安孩子的父亲叫什么名字”这种需要拐弯的脑筋急转弯，它就当场死机。

非语言部分更是无法测试，用这位专家的话来说，ChatGPT“没有眼睛、耳朵和手”。

可以看出，语言和知识一直是AI最擅长的科目，图形推理才是它最大的弱点。

而门萨挪威卷考的，恰恰就是图形推理。

这种矩阵题最早由英国心理学家约翰·瑞文在1936年设计，心理学家普遍将其视为最能衡量一个人整体聪明程度的题型。

AI攻克这个难题，从1962年MIT第一个做几何类比题的程序算起，足足花了60年。

直到2024年初，Gemini Advanced做门萨卷上最简单的第1题时，还能一本正经地编出一串“A+B=C”的方程，而题里明明没有任何算式。

Lott把题目一道道翻译成文字念给AI听，结果也好不到哪里去。有的AI只蒙对6道，考了个耻辱的64分，跟闭着眼睛在答题卡上乱涂差不多，最好的Claude-3也才刚刚超过人类平均线。

所以当时的Lott断言，AI还不具备人类那样的通用智能。没想到半年多以后，转折点就来了。

2024年9月，OpenAI的o1学会了“三思而后行”，在开口之前先在内部推理，一步步试错、检查，分数一下子冲过了120分。

半年多前还说AI不行的Lott，这次写下的标题是“AI智能的巨大突破”。

从此，“先想再答”成了所有旗舰模型的标配，分数一路向上攀升。今年4月，排行榜上破天荒地出现了第一个151分。

就这样，一个偏科了60年的学生，只用了两年半，就从64分的“瞎蒙选手”考到了151分满分。

按照Lott的统计，从2024年5月到2025年10月，头部AI的智商分数平均每个月狂涨2.5分。

相比之下，人类进步的速度有多慢，心理学里有现成的数据。

整个20世纪，随着营养和教育改善，人类的智商测验分数大约每十年才涨3分，这就是著名的弗林效应。

这样一比较，人类需要花30多年才能爬完的10分，AI只用4个月就涨完了。

进步这么快，任何正常人的第一反应都是，它是不是偷偷把答案背下来了？

换一张没上过网的卷子，照样逼近满分

Lott当年也这么怀疑过。

毕竟门萨挪威测试在网上挂了很多年，题目和答案早就被网友扒了个干净。

连TrackingAI自己都把35道题的文字版连同正确答案一起公开了，所以AI训练时大概率刷过。

为了排除这种可能，2024年5月，他专门找了一位门萨会员从零开始出了一套新题。

这套题只找读者试做过一轮，用来确定分数标准，从未在互联网上出现过，任何AI的训练数据里都不可能有。

换卷之后，刷题效应确实显现了出来。直到今天，有些模型一换到这张保密卷就原形毕露，比公开卷掉了二十来分。

但头部模型换了一张从没见过的卷子，照样逼近满分。

保密卷只有16道题，能打出的最高分大约是136，OpenAI的GPT-5.6 Terra看图版已经杀到了135分。

Fable 5.1和Astra也都有130分，旁边还并肩站着一个国产模型。

去年10月，Lott还胸有成竹地立过“flag”，估计AI至少要再等两年，才能在这张卷子的看图版上拿满分，说好2027年万圣节回来验收。

结果不到一年，GPT-5.6 Terra就一脚油门冲到了线前，比他的预测早了一年多。

既然背答案解释不通，剩下的结论就只有一个：两年半前还在瞎蒙的AI，是真的变聪明了。

能难住AI的题，人类快出完了

卷子被考满了，出题的人只能接着换更难的题。

所以TrackingAI在满分线旁边标注的才是“最高可能分（暂时）”。

Lott去年底就盘算着，今年要给130分以上的区间补一批更难的题，好把高分段的AI重新拉开差距。

当然也有人不服。

“Keras之父”François Chollet设计了一套专门为难AI的推理测试ARC-AGI。

他前不久还放话，如果把智能定义为“把经验转化为能力的效率”，也就是见同样多的例子谁学得更快，现在的AI大约还落后人类6个数量级，差了约一百万倍。

偏偏Chollet自己给AGI划的终点线，也落在了“出题”上。

今年2月他透露，ARC-4正在憋大招，明年初发布，后面还要出到第6、第7代。

用他自己的话说，关键是一直出新题，直到再也提不出“人类能做、AI却做不到”的题为止。

他当时给AGI预估的时间是2030年前后。

这个月初有人再问他，2030年的判断还作不作数，他改口说会更早，因为进展比他预想的快。

智商测试诞生于1905年。120年来，从学校分班到军队挑人，人类一直心安理得地用这把尺子给同类排座次。

这把尺子背后藏着一个人类几乎从未怀疑过的前提：被测量的只会是人，能站上最高刻度的也只能是人。

如今尺子还在，前提却已经坍塌了。一个压根不是人的东西，顺着刻度从头爬到了尾，最顶端的那根线也没能拦住它。

Lott还可以出更刁钻的卷子，Chollet也能接着掏出下一代ARC。

但照着AI两年半就从“瞎蒙”到满分的速度，人类的大脑里还能榨出多少道AI解不出的题，已经没人敢打包票。

等到人类题库彻底枯竭的那一天，我们要重新思考的就不只是AI到底有多聪明，还有剥掉“聪明”这层外壳之后，人类自己究竟还剩下些什么。

参考资料：

https://x.com/aisafetymemes/status/2103369359481852116

本文来自微信公众号“新智元”，作者：ASI启示录，36氪经授权发布。