门萨智商测试被AI考爆了，151满分登顶，99.97%人类被碾压

人工智能已经让人类智商测试的评分体系彻底失效。

门萨挪威智商测试包含35道极具挑战性的图形推理题目，作答时限为25分钟。

Claude Fable 5.1与具备图像识别能力的GPT-6 Astra参与了这场测试，它们一道题都没有答错，直接拿下了该试卷的理论最高分151分。

并且，在最近连续7次测试中，它们每次都获得满分。151分仅仅是这份试卷的上限，而它们自身的能力极限究竟在哪里，目前无人知晓。

在人类群体中，全球近98%的人连130分的门萨入会门槛都无法达到，绝大多数人都在被超越的行列中。

如果你不信，可以尝试挑战一下这份试卷中公认的地狱级难度的第33题，答案将在第一节末尾揭晓。

门萨挪威测试第33题

即便看懵了也不必气馁。这道题不仅对人类而言难度极高，绝大多数人工智能同样在此折戟。

这份试卷的严苛之处在于它完全不考察任何知识储备，只提供一堆毫无头绪的抽象图形，考验答题者能否从混乱中自行找出规律。

心理学家将这种临场寻找规律的能力称为“流体智力”，这曾是人类自认为优于机器、并以此作为最后一道防线的能力。

然而现在，这道防线已经被人工智能彻底摧毁。

人类最高只测到145分，AI却拿到了151分

打开TrackingAI的排行榜，首先映入眼帘的是一条钟形曲线。

这条曲线代表了人类智商的分布，绝大多数人集中在100分附近的峰值区域。

过去，人工智能的头像还零散地分布在曲线左侧的低分区。

如今，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，头像甚至重叠在了一起。旁边竖立着一根标注着“本测试最高可能分（暂时）”的线条。

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

这份榜单由美国记者Maxim Lott整理。

他像一位严格的监考官，每周对30多个主流AI进行门萨挪威测试，部分模型通过文字描述答题，部分模型则直接观看原图作答。成绩取最近7次的平均值，因此想凭借一次运气上榜是不可能的。

他所使用的这套门萨挪威测试，原本是为人类设计的。人类参加测试时，系统最高只显示145分，超过这个分数便不再细分。

而TrackingAI为AI打分时，则根据答对的题目数量继续向上换算，35道全对即为151分，这已经超出了门萨为人类设定的测量范围。

不过，145分的上限只是这份试卷的限制，人类群体中的智商并没有上限。

根据智商的标准分布估算，151分大约每3000人中才出现一个。

在全球80多亿人口中，智商达到151分以上的人大约只有270万，一座千万人口的大城市里也仅有三千人左右。

门萨俱乐部的入会门槛是130分，而这两位获得满分的AI已经领先了整整21分。

151分还只是这份试卷的天花板，如果试卷可以继续向上测试，到了160分这一档，全球只剩下二十多万人。

人工智能所占据的位置，已经是人类智商金字塔最顶端那一小部分人的位置。

而且，能够挤进这一小撮的，远不止这两个“怪物”。

在TrackingAI的榜单上，GPT-5.6 Sol和Gemini 3.1 Pro考到了145分，公开试卷中突破140分的模型已经排成一长串，国产模型也跻身第一梯队。

如此多的模型集中在高分段，差距便完全体现在最后几道压轴难题上。

TrackingAI统计显示，前10题几乎任何AI都能得分，但到了试卷末尾，第35题只有5个AI答对，第33题更是仅剩2个AI能够解答。

根据Lott的换算，35道题中错一道就只有148分，因此答对第33题的那2个AI，基本就是这两位满分选手。

开头那道题的答案在此公布，正确选项是E。

每道题做对的AI数量，橙色是门萨挪威卷，第33题只剩2个

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为ChatGPT进行了一套正规的韦氏成人智力测验，仅考察词汇、常识等语言类题目。

ChatGPT直接取得了155分的语言智商，超越了99.9%的人类。

然而，一旦遇到“塞巴斯蒂安孩子的父亲叫什么名字”这种需要绕个弯的脑筋急转弯，它便当场无法作答。

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

由此可见，语言和知识一直是AI最擅长的领域，图形推理才是它最大的弱点。

而门萨挪威测试所考察的，恰恰就是图形推理。

这类矩阵题最早由英国心理学家约翰·瑞文于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攻克这一难题，从1962年麻省理工学院第一个能进行几何类比题的程序算起，足足花费了60年时间。

我们根据公开资料整理的AI做智商题时间线

直到2024年初，Gemini Advanced在作答门萨测试中最简单的第1题时，还能一本正经地编出一套“A+B=C”的方程，而题目中明明没有任何算式。

2024年2月，Gemini Advanced做门萨第1题，凭空编出一串方程

Lott将题目一道一道地转换成文字念给AI听，结果也不理想。有的AI只蒙对了6道，得到了耻辱性的64分，这几乎等同于闭着眼睛在答题卡上乱涂，表现最好的Claude-3也仅仅是刚刚超过人类平均水平。

因此，当时的Lott断言，AI还不具备人类的通用智能。没想到半年多以后，转折点就出现了。

2024年9月，OpenAI的o1学会了三思而后行，在开口之前先在内部进行推理，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”成为了所有旗舰模型的标配，分数一路飙升。今年4月，榜单上首次出现了151分。

我们根据TrackingAI和Maxim Lott公开的数据整理，每个点都是当时刷新的最高纪录

就这样，一个偏科了60年的“学生”，只用两年半时间，就从64分的“瞎蒙选手”考到了151分满分。

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

相比之下，人类进步的速度有多慢，心理学中有现成的数据。

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

这样一对比，人类需要30多年才能走完的10分差距，AI仅用4个月就完成了。

进步如此之快，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？

换一张从未公开的试卷，照样逼近满分

Lott当年也这样怀疑过。

毕竟门萨挪威测试已经在网上存在多年，题目和答案早已被网友扒了个干净。

连TrackingAI自己都将35道题的文字版连同正确答案一起公开了，因此AI在训练时大概率接触过。

TrackingAI公开的门萨挪威题文字版，右侧一栏就是正确答案

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

这套题目只找读者试做过一轮以确定分数标准，从未在互联网上出现过，任何AI的训练数据中都不可能有。

更换试卷后，“刷题效应”确实显现了出来。直到今天，有些模型一换到这份保密试卷就原形毕露，成绩比公开试卷低了二十多分。

然而，头部模型在换了一张从未见过的试卷后，依然逼近满分。

保密试卷只有16道题，能获得的最高分大约是136分，OpenAI的GPT-5.6 Terra图像识别版本已经达到了135分。

Fable 5.1和Astra也都有130分，旁边还并列着一个国产模型。

保密卷的成绩分布，这张卷从没上过网，竖线是它的满分线

去年10月，Lott还信心满满地立下过“军令状”，估计AI至少还需要两年时间，才能在这张试卷的图像识别版本上获得满分，并约定2027年万圣节回来验收。

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

既然“背答案”解释不通，那么剩下的结论就只有一个：两年半前还在“瞎蒙”的AI，是真的“长脑子”了。

能难住AI的题目，人类快出完了

试卷被考满了，出题人只能继续更换更难的题目。

因此，TrackingAI在满分线旁边标注的才是“最高可能分（暂时）”。

Lott去年底就开始计划，今年要为130分以上的区间补充一批更难的题目，以便重新拉开高分AI之间的差距。

当然，也有人不服气。

“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，如果把智能定义为将经验转化为能力的效率，即接触同样多的例子谁学得更快，那么现在的AI大约还落后人类6个数量级，差了一百万倍左右。

然而，Chollet自己为AGI划定的终点线，也落在了“出题”上。

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

用他自己的话说，关键在于不断出新的题目，直到再也提不出人类能做、AI却做不到的题目为止。

他当时对AGI实现时间的估算是2030年前后。

本月初有人再次问他，2030年的判断是否仍然有效，他改口说会更早，因为进展比他预想的要快。

有人问Chollet，2030年实现AGI的判断还算不算数

智商测试诞生于1905年。120年来，从学校分班到军队选拔人才，人类一直心安理得地使用这把尺子来为同类排序。

这把尺子背后隐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，尺子依然存在，但前提已经崩塌。一个根本不是人类的东西，顺着刻度从起点爬到了终点，最顶端的线条也没能拦住它。

Lott还可以设计更刁钻的试卷，Chollet也能继续推出下一代ARC。

然而，按照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解不出的题目，已经没有人敢打包票。

等到人类题库彻底枯竭的那一天，我们需要重新思考的，就不仅仅是AI到底有多聪明，还有剥去“聪明”这层外壳之后，人类自身究竟还剩下什么。

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。