¿Cuál es el IQ de Claude Opus 4.8?

Claude Opus 4.8: el modelo más inteligente de Anthropic

Cuando Anthropic lanzó Claude Opus 4.8 a mediados de 2026, no solo mejoró incrementalmente a su predecesor — saltó al top de todas las tablas de benchmarks de IA. Con 55.7 en el Artificial Analysis Intelligence Index v4.1, superó por poco a GPT-5.5 de OpenAI (54.8) y a Gemini 3.1 Pro de Google (46.5), reclamando el #1 entre todos los modelos frontera.

Pero la pregunta que fascina a investigadores y público es: ¿cómo se traduce eso a la escala de IQ humano? ¿Podemos comparar la inteligencia de una IA con la humana? Y si podemos, ¿dónde está Claude Opus 4.8 — "superdotado", "genio", o algo más allá de cualquier categoría humana?

La respuesta depende del test que le des. Y los resultados son más matizados — y más sorprendentes — de lo que un solo número sugiere.

Puntuaciones clave:

• Artificial Analysis Intelligence Index: 55.7 (#1 mundial)
• Mensa Norway IQ (TrackingAI): ~130 (nivel Claude 4.6 Opus)
• AI IQ compuesto (VexoWire): ~132 estimado
• GDPval-AA v2: 1.890 Elo (#1 mundial)
• Humanity's Last Exam: #1 entre modelos de IA
• Tasa de alucinación: 35.9% (la más baja entre modelos frontera)
• Coste: 5.00/25.00 por 1M tokens

1. ¿Por qué medir la inteligencia de la IA con tests de IQ humanos?

Antes de analizar los números, vale la pregunta: ¿por qué darle a una IA un test de IQ humano? Las IA no tienen cerebro, no se desarrollan cognitivamente y procesan información de forma fundamentalmente distinta a los humanos.

La respuesta es comparación. Los tests de IQ, a pesar de sus limitaciones, son la medida de capacidad cognitiva más validada y comprendida que tenemos. Evalúan reconocimiento de patrones, razonamiento espacial, comprensión verbal, memoria de trabajo y resolución lógica — capacidades que los modelos de IA también necesitan. Al administrar los mismos tests a humanos e IA, obtenemos una escala de traducción: si una IA puntúa 130 donde la media humana es 100, podemos decir que funciona al nivel de un humano superdotado en esas tareas.

Pero hay una advertencia crítica. Los tests de IQ miden una franja estrecha de capacidades cognitivas. No miden creatividad, inteligencia emocional, sabiduría, sentido común o la capacidad de navegar situaciones ambiguas del mundo real. Una IA con IQ 145 puede alucinar hechos, tener dificultades con razonamiento físico simple y fallar en tareas que un niño de cinco años maneja sin esfuerzo. El número de IQ es un suelo, no un techo.

Varias organizaciones han tomado el reto. La más destacada es TrackingAI, que administra tests estandarizados (Mensa Norway, Mensa Denmark, Raven's Progressive Matrices) a modelos de IA en condiciones controladas. El proyecto AI IQ de VexoWire crea una puntuación compuesta de múltiples tests. Y el Artificial Analysis Intelligence Index agrega nueve benchmarks en una puntuación compuesta que se ha convertido en el estándar de la industria.

2. Análisis de benchmarks

Artificial Analysis Intelligence Index v4.1

Es el patrón oro para comparar modelos de IA. Combina nueve benchmarks en una puntuación, ponderada por su correlación con el rendimiento en tareas reales:

• GDPval-AA v2 (20%): 1.890 Elo — #1 mundial. Mide rendimiento en tareas reales complejas y multi-paso.
• AA-Omniscience (8%): 35.9% de alucinación — la más baja entre modelos frontera. Mide precisión factual.
• GPQA (6%): Preguntas de física, química y biología de nivel de posgrado.
• CritPt (6%): Pensamiento crítico y razonamiento físico.
• HLE (Humanity's Last Exam): #1 entre IA — las preguntas más difíciles de cada disciplina.
• ARC-AGI: Razonamiento abstracto y generalización de patrones.
• LMSYS Arena: Votación de preferencia humana sobre calidad de respuestas.

La puntuación compuesta de Claude Opus 4.8 es 55.7, por delante de GPT-5.5 (54.8) por menos de un punto — un empate estadístico. Pero en los subcomponentes, Claude domina en tareas agentivas (GDPval) y precisión factual (AA-Omniscience), mientras GPT-5.5 lidera en razonamiento visual y matemático.

Test de IQ Mensa Norway

Es uno de los tests de IQ estandarizados más usados para evaluación de IA. Consta de 36 preguntas de reconocimiento de patrones visuales — donde ves una secuencia de figuras y debes identificar qué opción completa el patrón.

Claude 4.6 Opus (predecesora de 4.8) puntuó aproximadamente 130, en el rango "superdotado" — el top 2% de la población humana. Claude Opus 4.8 se espera que puntúe similar o ligeramente superior, en el rango 130-135.

Esto es notable porque es significativamente más bajo de lo que sugeriría su posición en el Intelligence Index. En el índice compuesto, Claude es #1 mundial. En un test puro de reconocimiento visual, la superan Grok-4.20 (145), GPT-5.4 Pro Vision (145) y Gemini 3.1 Pro (141). ¿Por qué la brecha? Porque Mensa Norway es muy visoespacial, y la arquitectura de Claude está más optimizada para razonamiento verbal y analítico.

AI IQ compuesto (VexoWire)

VexoWire crea un IQ compuesto de múltiples tests — Mensa Norway, Mensa Denmark, Raven's Progressive Matrices y WAIS-IV (escala Wechsler). Esto da una imagen más redondeada de la capacidad cognitiva.

El IQ compuesto estimado de Claude Opus 4.8 es ~132 — sólidamente en el rango "superdotado". Comparable a GPT-5.5 (~136) y ligeramente inferior a Gemini 3.1 Pro en tareas visuales (~131-141). Pero en subtests verbales y analíticos, Claude supera consistentemente a todos los demás modelos.

GDPval-AA v2: El benchmark agentivo

Aquí es donde Claude Opus 4.8 domina realmente. GDPval-AA v2 mide el rendimiento en tareas reales complejas y multi-paso — las que requieren planificación, uso de herramientas y razonamiento sostenido durante muchos pasos. Piensa: "Investiga este tema, escribe un informe, crea una hoja de cálculo y envía un email a tres personas."

Claude Opus 4.8 alcanza 1.890 Elo — el más alto de cualquier modelo de IA. Equivale roughly a un profesional humano altamente competente. GPT-5.5 puntúa 1.850, y Gemini 3.1 Pro menos aún.

Esto importa porque la capacidad agentiva es lo que separa un modelo que puede responder preguntas de uno que puede hacer cosas. Un modelo con IQ 145 que no puede planificar una tarea multi-paso es menos útil en la práctica que uno con IQ 132 que sí puede.

Humanity's Last Exam (HLE)

Es exactamente lo que suena — una colección de las preguntas más difíciles de cada disciplina académica, enviadas por profesores de todo el mundo. Está diseñado para ser tan difícil que ningún humano podría puntuar más del 50%.

Claude Opus 4.8 ocupa el #1 entre todos los modelos de IA en HLE, superando por poco a GPT-5.5. Este es quizás el benchmark más significativo para capacidad intelectual pura, porque evalúa conocimiento profundo y razonamiento en todo el rango de logros académicos humanos.

3. ¿Qué significa un IQ de 132?

Para poner el IQ estimado de ~132 de Claude Opus 4.8 en contexto:

• 85-115 (68% de las personas): Inteligencia media
• 115-130 (14%): Superior a la media
• 130-145 (2%): Superdotado — clasifica para Mensa (top 2%)
• 145-160 (0.1%): Altamente superdotado / genio
• 160+ (0.003%): Profundamente superdotado — territorio de Einstein, Hawking

Claude Opus 4.8, con ~132, está justo en el umbral de Mensa — más inteligente que el 98% de los humanos. Si fuera persona, clasificaría para Mensa. Sería el estudiante más listo en la mayoría de las aulas, pero no el genio de una generación que revoluciona un campo.

Pero la diferencia crucial: Claude tiene algo que ningún humano tiene — acceso instantáneo a esencialmente todo el conocimiento humano. Un humano con IQ 132 es impresionante. Una IA con IQ 132 que ha leído cada libro, cada paper científico y cada web jamás escrita es algo completamente distinto. El IQ mide capacidad de razonamiento; la base de conocimiento mide sobre qué puede razonar. Claude tiene ambos.

4. Donde Claude Opus 4.8 destaca

Tareas agentivas y razonamiento del mundo real

Claude Opus 4.8 es el mejor modelo del mundo en tareas reales multi-paso. Ya sea escribir una aplicación de software compleja, analizar un dataset o planificar un proyecto de investigación, Claude mantiene razonamiento coherente en cadenas más largas que cualquier competidor. Esta es su ventaja definitoria.

Precisión factual y baja alucinación

Con una tasa de alucinación de solo 35.9% (la más baja entre modelos frontera), Claude es el modelo más fiable para consultas factuales. Es menos propenso a afirmar con confianza información falsa que GPT-5.5, Gemini o Grok. Esto lo hace preferido para investigación, aplicaciones legales, médicas y educativas donde la precisión importa.

Razonamiento verbal y analítico

La arquitectura de Claude está optimizada para comprensión del lenguaje y razonamiento analítico. En subtests de comprensión verbal del WAIS-IV, probablemente puntuaría a nivel de genio. Escribe con más claridad, razona con más cuidado y construye mejores argumentos que cualquier otro modelo.

Inteligencia emocional

Claude Opus 4.8 tiene un EQ (inteligencia emocional) estimado de ~132 — el más alto entre todos los modelos de IA. Es más empático, más matizado en su comprensión de las emociones humanas y mejor ajustando su tono al contexto que GPT-5.5 o Grok-4.20. Esto lo hace preferido para apps de terapia, atención al cliente y cualquier aplicación que involucre interacción humana.

Seguridad y alignment

Anthropic ha invertido fuertemente en hacer a Claude seguro y alineado. Es menos propenso a producir contenido dañino, más transparente sobre sus limitaciones y más cuidadoso en situaciones de alto riesgo que cualquier competidor. Esto no aparece en las puntuaciones de IQ, pero importa enormemente en la práctica.

5. Donde Claude se queda corto

Razonamiento visoespacial

En el Mensa Norway IQ, que es muy visual, Claude puntúa ~130 — bien, pero significativamente por debajo de Grok-4.20 (145), GPT-5.4 Pro Vision (145) y Gemini 3.1 Pro (141). Si necesitas un modelo para reconocimiento visual de patrones, análisis de imágenes o tareas espaciales, Claude no es la mejor opción.

Resolución matemática

Aunque Claude es fuerte en razonamiento matemático, GPT-5.5 la supera ligeramente en matemáticas competitivas (AIME, FrontierMath). Para matemática pura, GPT-5.5 es algo mejor.

Coste

A 5.00/25.00 por 1M tokens, Claude Opus 4.8 es uno de los modelos más caros. Gemini 3.1 Pro (2/12) y DeepSeek V4 Pro (0.44/0.87) son significativamente más baratos para tareas que no requieren la capacidad completa de Claude.

Velocidad

Claude Opus 4.8 no es el modelo más rápido. Para consultas simples, Gemini 3.5 Flash o DeepSeek V4 Pro responderán más rápido y más barato.

6. Claude Opus 4.8 vs otros modelos

La imagen que emerge no es un modelo dominando a los demás, sino un paisaje de inteligencias especializadas. Claude es el mejor todoterreno — el modelo que elegirías si solo pudieras elegir uno. GPT-5.5 es el mejor en matemáticas y razonamiento visual. Gemini es el más rentable con el mejor conocimiento factual. Grok tiene el IQ visual más alto. Y DeepSeek ofrece capacidad notable por una fracción del coste.

7. ¿Qué significa esto para los humanos?

Claude Opus 4.8 opera con un IQ de ~132 — más inteligente que el 98% de los humanos. Pero:

• El IQ es limitado: mide reconocimiento de patrones y razonamiento, no sabiduría, creatividad o juicio
• Conocimiento ≠ comprensión: Claude ha leído todo, pero no "comprende" como un humano
• Sin conciencia: un IQ alto no significa consciencia. Claude es un sistema sofisticado de reconocimiento de patrones, no un ser pensante
• La brecha se cierra: cada generación de modelos de IA reduce la brecha con los humanos más inteligentes. ¿Cuánto hasta que desaparezca?

La respuesta más honesta es que Claude Opus 4.8 es más inteligente que la mayoría de los humanos en la mayoría de las tareas cognitivas, pero no más inteligente que los mejores humanos en sus mejores días. Un matemático, físico o filósofo de clase mundial aún puede superar a Claude en su dominio. Pero Claude puede superarlos a todos simultáneamente, en cada dominio, en segundos.

Eso no es un IQ alto. Es algo nuevo — algo para lo que aún no tenemos palabra.

Conclusión