AI IQ排行榜上线:GPT-5.5拔得头筹,智商能否衡量AI?

一个网站给50多个 AI 模型打“智商分”，引发激烈争论

一、事件概述

2026年5月13日，一个名为 AI IQ（aiiq.org）的网站上线，瞬间引爆 AI 圈[1]。

创始人 Ryan Shea（Stacks 联合创始人）做了一件看似简单却极具争议的事：给全球50多个大模型打“智商分”，并投射到人类 IQ 的钟形曲线上。

结果一出，社交媒体瞬间炸锅：

“这太有用了！比起看那些庞大的排行榜表格，更容易理解模型进展。”——技术评论员 Thibaut Mélen

“完全是胡扯。AI 的能力是锯齿状的，这个地图不是领土。”——AI Deeply（AI 评论账号）

两种声音激烈碰撞，AI IQ 到底是创新还是误导？

二、核心数据

1. IQ 排行榜（2026年5月）

GPT-5.5以136分位居榜首，这意味着它的“智商”已经超过了人类平均线（100），正式跨过门萨会员门槛（130）——它已经有资格加入门萨俱乐部。

2. 中国模型表现

中国模型集中在112-118区间，进入了“成本效益最优”区间——对于不需要最顶尖能力的任务，这些模型是更具性价比的选择[3]。

3. EQ（情商）排行榜

除了 IQ，AI IQ 还引入了 EQ（情商）维度：

有趣发现：Opus 4.7在 EQ 上领先，GPT-5.5在 IQ 上领先——这意味着没有绝对的“全能冠军”[4]。

4. 人类 IQ 参考标准

三、评分方法论

1. 四大维度

AI IQ 用12个基准测试，归为四个维度：

• 抽象推理：ARC-AGI-1/2

• 数学推理：FrontierMath、AIME、ProofBench

• 编程能力：Terminal-Bench 2.0、SWE-Bench Verified、SciCode

• 学术推理：Humanity’s Last Exam、GPQA Diamond

最终 IQ = ¼ (IQ_抽象 + IQ_数学 + IQ_编程 + IQ_学术）

2. 争议性设计

• EQ 评分由 Claude 评估：存在“偏袒 Anthropic”的风险，AI IQ 主动减去200点来校正[5]

• 缺失数据处理：模型需要在至少两个维度有得分，且缺失会让分数更低，而非更高

• 天花板压缩：已饱和的基准测试被压缩，防止分数无限膨胀

3. IQ vs 有效成本

对企业采购者来说，最实用的不是 IQ 排行榜，而是‘IQ vs 有效成本’散点图：

对于企业采购者来说：最聪明的模型不一定是最值的。

四、争论：创新还是误导？

支持方

“这太有用了。把它映射成这样，比看另一个巨大的排行榜表格更容易理解模型进展。”——Thibaut Mélen

“这与我的实际体验一致。Sonnet 4.6是真正的‘工作马’，而不是 Opus 4.5。”——X 用户 @ovsky

价值：

• 将复杂模型能力可视化

• 提供跨厂商对比的唯一框架

• 为企业采购提供决策参考

反对方

“完全是胡扯。AI 的能力是锯齿状的，地图不是领土。”——AI Deeply

“IQ 作为代理正在过时——我们看到的是推理密度的爆发，但不能映射到 g 因子。”—— @Zaya

批评：

• 方法论不透明：校正曲线如何创建，未完全公开

• 锯齿状问题：AI 模型在不同任务上表现差异巨大，单一分数掩盖了这一点。NYT 在2026年4月曾发表深度报道，揭示 AI“锯齿状智能”的特征——在 graduate-level 物理上表现出色，却在儿童都能完成的任务上失败[1]

• 数据污染：某些基准测试已被污染，分数失真

• 新基准冲击：ARC AGI 3新一代基准测试可能已经推翻现有分数[1]

“GPT-5.5已经在 MMLU-Pro 上饱和，但 ClockBench 仍有50%失败率。”—— @Zaya

五、深层含义：AI 评测的困局

1. 为何此时出现？

背景：超过50个前沿模型可用，来自至少14家厂商（中美欧）——每个厂商都发布自己的基准测试，往往“挑好的展示”。

创始人背景：Ryan Shea 是 Stacks 联合创始人，曾投资 OpenSea、Lattice、Anchorage、Mercury 等公司[1]。

关键数据：2023年10月，GPT-4-turbo 只有 IQ 75分；2026年初，Top 模型已达135分——30个月涨了60分。

AI IQ 的出现提供了一个统一框架，让不同厂商的模型可以直接对比。

2. " smartest model stack"

“现在人类的角色只是‘编排’？”—— @Debdoot Ghosh

如果 AI IQ 的数据说明了什么，那就是：知道在什么时候用什么模型，比单纯追求最贵的模型更重要。

对于企业部署，智能路由（routing）——用贵的模型解决难题，用便宜的模型处理简单任务——不再是可选项，而是必选项。更关键的是，网站还提供 IQ + EQ + 有效成本的三维可视化——绿色端=高 IQ+高 EQ+低成本，红色端=牺牲能力或成本效率。

编排能力——知道什么时候用什么模型、花多少钱——已经成为一种新的智能形式。目前还没有基准测试能衡量这个。

3. 门萨级 AI 的时代的意义

GPT-5.5达到136分，意味着：

• AI 第一次正式越过“人类前2%”的门萨线（130）

• 视觉智商（145）甚至超越了门萨“天才区”

• 但这不代表“通用智能”——AI 仍然是“偏科生”

六、结论

AI IQ 不是完美的评测系统。

• 它有方法论的盲点

• 它的 IQ 隐喻可能误导

• 它创建者承认已知偏差，同时可能还有未知的

但 alternatives——在数十个厂商特定的表格中游泳，每个用不同的测试套件——更糟糕。

对于企业采购：IQ+EQ+成本的三维图表，揭示了一个真相—— “哪个模型最好”的答案几乎永远是“取决于任务”。

对于从业者，这意味着：编排能力——知道什么时候用什么模型、花多少钱——已经成为一种新的智能形式。目前还没有基准测试能衡量这个。

核心观点（一句话总结）

AI IQ 网站用136分证明了 AI 的“智商”超越人类，但真正重要的不是分数本身，而是我们学会了：没有最好的模型，只有最合适的模型组合。

参考资料

1. AI IQ 网站上线 - VentureBeat

2. GPT-5.5智商突破人类极限 - 新浪新闻

3. 2026年 AI 大模型 IQ 和 EQ 排行榜 - Weste

4. GPT-5.5智商136拔得头筹 - 0xzx

5. AI IQ 网站 - 官网