AI IQ 大战风云变色！最新数据揭晓：最聪明的不是你想的那个？

AI 界的智力竞赛出现惊人转折！根据最新泄露的真实数据，OpenAI、Google、Anthropic 的顶尖模型在不同智力测验中各有胜负。本文将为您呈现 29 款 AI 的完整 IQ 排行，并深入剖析这份数据背后不为人知的真相。

AI 界的「奥运会」，规则比你想的更复杂

我们都习惯于寻找一个唯一的冠军。在人工智能的竞赛中，我们也想知道：谁才是最聪明的 AI？一个名为 Tracking AI 的网站，通过定期的智力测验，试图回答这个问题。然而，根据最新流出的真实数据，我们发现答案远比一个简单的排名要复杂得多。

这场竞赛不只有一个项目，而是至少有两种不同的「考卷」：一个是 Offline Test，另一个则是 Mensa Norway 测验。不同的 AI 在不同的考卷上，表现可能天差地远。这就像一位运动员，可能是百米短跑冠军，但在马拉松项目上却未必能夺冠。

完整 AI 智商排行榜：29 款模型真实力一次看懂

这份基于最新数据的完整排行榜，同时列出了各模型在两种测验中的分数。为了方便比较，我们主要以 Offline Test 的分数进行排序，但请务必留意它在 Mensa Norway 测验中的惊人反差。

详情请参考网站上最新信息

数据背后的观点：你真的看懂这份榜单了吗？

只看排名是外行，看懂门道才是专家。这份看似简单的表格，其实隐藏着几个非常重要的观点：

1. 冠军宝座的「双重标准」：谁才是真正的第一？

如果只看 Offline Test，OpenAI GPT-5 Pro (Vision) 以 123 分拔得头筹，似乎是当之无愧的视觉推理之王。

但请把目光移到 Mensa Norway 这一栏。OpenAI GPT-5 Pro (语言模型) 的分数竟高达 148，不仅远超它自己在另一项测试中的表现（116），更是全场最高分！这说明什么？这意味着「最聪明」的头衔，完全取决于你用哪一把尺去测量。在需要视觉空间能力的测试中，一个模型可能称王；但在考验抽象逻辑或语言推理的测试中，另一个模型可能才是霸主。

2. AI 也会「偏科」？两种测验大不同

同一模型在两项测验中巨大的分数差异，揭示了它们存在明显的「偏科」现象。例如：

• OpenAI GPT-5 Pro：Offline Test 116 分，Mensa Norway 148 分，足足差了 32 分！
• Gemini 2.5 Pro：Offline Test 118 分，Mensa Norway 137 分，也相差 19 分。

这强烈暗示，Offline Test 和 Mensa Norway 测验的重点截然不同。前者可能更侧重于像图形辨识、空间关系等具象化的推理能力，这也是视觉模型（Vision）表现普遍不错的原因。而后者可能更偏向于传统智力测验中的抽象逻辑、数字规律或语言理解，这让顶尖的语言模型（Verbal）得以大放异彩。

3. 视觉与语言的鸿沟：同一模型的不同面貌

这份数据也让我们看到了 AI 能力的「模态鸿沟」。以 Gemini 2.5 Pro 为例，它的语言模型在两项测试中都取得了顶尖成绩（118/137），但其视觉模型（Vision）的得分则降至（99/96）。这说明，即便底层技术同源，针对不同任务（处理文字 vs. 处理图像）进行优化的模型，其能力表现会产生巨大差异。

4. 隐藏的黑马与被低估的选手

如果只看前三名，你会错过很多精彩的细节。

• Llama 4 Maverick 的 Offline Test 分数仅为 82，看起来似乎不起眼，但它的 Mensa Norway 分数却达到了 100，超过了许多排名在它前面的模型。
• DeepSeek R1 同样如此，Mensa Norway 分数（101）也相当体面。

这说明一些开源或二线模型，可能在特定的推理能力上并不逊色，它们只是没有在所有项目上都进行极致优化。对于特定需求的用户来说，这些「偏科」选手可能更具性价比。

结论：没有唯一的冠军，只有更合适的工具

总结来说，这份最新的、更真实的数据告诉我们一个重要的事实：在 AI 的世界里，不存在一个全能的、唯一的冠军。

将 AI 的「智力」简化为单一的分数，是一种过度简化的误解。不同的模型被设计用来解决不同的问题，它们各有专长。GPT-5 Pro (Vision) 或许是你看图解谜的最佳伙伴，而 GPT-5 Pro (语言模型) 则可能是你进行深度学术探讨或逻辑分析的更强帮手。

作为使用者，我们应该做的，不是盲目追捧排名第一的模型，而是要根据自己的具体需求，去了解哪个 AI 在你需要的「考场」上表现最好。这份排行榜最大的价值，正是揭示了这种多元性，帮助我们从「谁最聪明？」的迷思中走出来，转而思考「谁最适合我？」。