Qual è il QI di Claude Opus 4.8?

Claude Opus 4.8: il modello più intelligente di Anthropic

Quando Anthropic ha rilasciato Claude Opus 4.8 a metà 2026, non ha solo migliorato incrementalmente il predecessore — è balzato in cima a tutte le classifiche di benchmark IA. Con 55,7 nell'Artificial Analysis Intelligence Index v4.1, ha superato di poco il GPT-5.5 di OpenAI (54,8) e il Gemini 3.1 Pro di Google (46,5), rivendicando il #1 tra tutti i modelli IA di frontiera.

Ma la domanda che affascina ricercatori e pubblico è: come si traduce sulla scala di QI umano? Possiamo paragonare l'intelligenza di un'IA a quella umana? E se sì, dove si colloca Claude Opus 4.8 — "dotato", "genio", o qualcosa oltre ogni categoria umana?

La risposta dipende fortemente da quale test gli si dà. E i risultati sono più sfumati — e più sorprendenti — di quanto un singolo numero suggerisca.

Punteggi chiave:

• Artificial Analysis Intelligence Index: 55,7 (#1 mondiale)
• QI Mensa Norway (TrackingAI): ~130 (livello Claude 4.6 Opus)
• AI IQ composto (VexoWire): ~132 stimato
• GDPval-AA v2: 1.890 Elo (#1 mondiale)
• Humanity's Last Exam: #1 tra i modelli IA
• Tasso di allucinazione: 35,9% (il più basso tra i modelli di frontiera)
• Costo: 5,00/25,00 per 1M token

1. Perché misurare l'intelligenza dell'IA con test di QI umani?

Prima di analizzare i numeri, vale chiedersi: perché dare a un'IA un test di QI umano? Le IA non hanno cervello, non si sviluppano cognitivamente e processano le informazioni in modo fondamentalmente diverso dagli umani.

La risposta è confronto. I test di QI, nonostante i loro limiti, sono la misura delle capacità cognitive più validata e compresa che abbiamo. Testano riconoscimento di pattern, ragionamento spaziale, comprensione verbale, memoria di lavoro e risoluzione logica — tutte capacità che servono anche ai modelli IA. Somministrando gli stessi test a umani e IA, otteniamo una scala di traduzione: se un'IA ottiene 130 dove la media umana è 100, possiamo dire che funziona al livello di un umano dotato in quei compiti.

Ma c'è un avvertimento critico. I test di QI misurano una fascia stretta di capacità cognitive. Non misurano creatività, intelligenza emotiva, saggezza, buon senso o la capacità di navigare situazioni ambigue del mondo reale. Un'IA con QI 145 può allucinare fatti, inciampare in ragionamento fisico semplice e fallire compiti che un bambino di cinque anni gestisce senza sforzo. Il numero di QI è un pavimento, non un soffitto.

Diverse organizzazioni hanno accettato la sfida. La più prominente è TrackingAI, che somministra test standardizzati (Mensa Norway, Mensa Denmark, Raven's Progressive Matrices) ai modelli IA in condizioni controllate. Il progetto AI IQ di VexoWire crea un punteggio composto da più test. E l'Artificial Analysis Intelligence Index aggrega nove benchmark in un punteggio composto diventato lo standard di settore.

2. Analisi dei benchmark

Artificial Analysis Intelligence Index v4.1

Lo standard oro per confrontare modelli IA. Combina nove benchmark in un punteggio, ponderato per correlazione con le prestazioni in compiti reali:

• GDPval-AA v2 (20%): 1.890 Elo — #1 mondiale. Misura prestazioni in compiti reali complessi e multi-step.
• AA-Omniscience (8%): 35,9% allucinazione — la più bassa tra i modelli di frontiera. Misura accuratezza fattuale.
• GPQA (6%): Domande di fisica, chimica e biologia di livello post-laurea.
• CritPt (6%): Pensiero critico e ragionamento fisico.
• HLE (Humanity's Last Exam): #1 tra le IA — le domande più difficili di ogni disciplina.
• ARC-AGI: Ragionamento astratto e generalizzazione di pattern.
• LMSYS Arena: Votazione di preferenza umana sulla qualità delle risposte.

Il punteggio composto di Claude Opus 4.8 è 55,7, davanti a GPT-5.5 (54,8) per meno di un punto — un pareggio statistico. Ma nei sottocomponenti, Claude domina nei compiti agentici (GDPval) e nell'accuratezza fattuale (AA-Omniscience), mentre GPT-5.5 guida nel ragionamento visivo e matematico.

Test QI Mensa Norway

Uno dei test di QI standardizzati più usati per la valutazione IA. Consiste di 36 domande di riconoscimento di pattern visivi — dove vedi una sequenza di forme e devi identificare quale opzione completa il pattern.

Claude 4.6 Opus (predecessore di 4.8) ha ottenuto circa 130 — nella fascia "dotato", il top 2% della popolazione umana. Claude Opus 4.8 dovrebbe ottenere simile o leggermente superiore, nella fascia 130-135.

È notevole perché è significativamente inferiore a quanto suggerirebbe la sua posizione nell'Intelligence Index. Nell'indice composto, Claude è #1 mondiale. In un test puro di riconoscimento visivo, è superato da Grok-4.20 (145), GPT-5.4 Pro Vision (145) e Gemini 3.1 Pro (141). Perché il divario? Perché Mensa Norway è fortemente visuo-spaziale, e l'architettura di Claude è più ottimizzata per ragionamento verbale e analitico.

AI IQ composto (VexoWire)

VexoWire crea un QI composto da più test — Mensa Norway, Mensa Denmark, Raven's Progressive Matrices e WAIS-IV (scala Wechsler). Questo dà un'immagine più arrotondata delle capacità cognitive.

Il QI composto stimato di Claude Opus 4.8 è ~132 — solidamente nella fascia "dotato". Paragonabile a GPT-5.5 (~136) e leggermente inferiore a Gemini 3.1 Pro nei compiti visivi (~131-141). Ma nei subtest verbali e analitici, Claude supera costantemente tutti gli altri modelli.

GDPval-AA v2: Il benchmark agentico

È dove Claude Opus 4.8 domina davvero. GDPval-AA v2 misura le prestazioni in compiti reali complessi e multi-step — quelli che richiedono pianificazione, uso di strumenti e ragionamento sostenuto su molti passi. Pensa: "Ricerca questo argomento, scrivi un rapporto, crea un foglio di calcolo e invia un'email a tre persone."

Claude Opus 4.8 raggiunge 1.890 Elo — il più alto di ogni modello IA. Equivale approssimativamente a un professionista umano altamente competente. GPT-5.5 ottiene 1.850, Gemini 3.1 Pro meno ancora.

Questo conta perché la capacità agentica separa un modello che può rispondere a domande da uno che può fare cose. Un modello con QI 145 che non può pianificare un compito multi-step è meno utile in pratica di uno con QI 132 che può.

Humanity's Last Exam (HLE)

Esattamente quello che suona — una collezione delle domande più difficili di ogni disciplina accademica, inviate da professori worldwide. Progettato per essere così difficile che nessun umano potrebbe superare il 50%.

Claude Opus 4.8 si classifica #1 tra tutti i modelli IA nell'HLE, superando di poco GPT-5.5. Questo è forse il benchmark più significativo per la capacità intellettuale pura, perché testa conoscenza profonda e ragionamento in tutta la gamma dei risultati accademici umani.

3. Cosa significa un QI di 132?

Per contestualizzare il QI stimato di ~132 di Claude Opus 4.8:

• 85-115 (68% delle persone): Intelligenza media
• 115-130 (14%): Sopra la media ad alta
• 130-145 (2%): Dotato — qualifica per Mensa (top 2%)
• 145-160 (0,1%): Altamente dotato / genio
• 160+ (0,003%): Profondamente dotato — territorio di Einstein, Hawking

Claude Opus 4.8, a ~132, si trova esattamente alla soglia di Mensa — più intelligente del 98% degli umani. Se fosse una persona, si qualificherebbe per Mensa. Sarebbe lo studente più intelligente nella maggior parte delle aule, ma non il genio di una generazione che rivoluziona un campo.

Ma la differenza cruciale: Claude ha qualcosa che nessun umano ha — accesso istantaneo a essenzialmente tutta la conoscenza umana. Un umano con QI 132 è impressionante. Un'IA con QI 132 che ha letto ogni libro, ogni articolo scientifico e ogni sito web mai scritto è qualcosa di completamente diverso. Il QI misura la capacità di ragionamento; la base di conoscenza misura su cosa può ragionare. Claude ha entrambi.

4. Dove Claude Opus 4.8 eccelle

Compiti agentici e ragionamento del mondo reale

Claude Opus 4.8 è il miglior modello al mondo per compiti reali multi-step. Che sia scrivere un'applicazione software complessa, analizzare un dataset o pianificare un progetto di ricerca, Claude mantiene ragionamento coerente su catene più lunghe di qualsiasi concorrente. Questo è il suo vantaggio definitorio.

Accuratezza fattuale e bassa allucinazione

Con un tasso di allucinazione di solo 35,9% (il più basso tra i modelli di frontiera), Claude è il modello più affidabile per query fattuali. È meno propenso a affermare con sicurezza informazioni false rispetto a GPT-5.5, Gemini o Grok. Lo rende preferito per ricerca, applicazioni legali, mediche ed educative.

Ragionamento verbale e analitico

L'architettura di Claude è ottimizzata per comprensione linguistica e ragionamento analitico. Nei subtest di comprensione verbale del WAIS-IV, probabilmente punterebbe a livello da genio. Scrive più chiaramente, ragiona più attentamente e costruisce argomenti migliori di qualsiasi altro modello.

Intelligenza emotiva

Claude Opus 4.8 ha un QE (intelligenza emotiva) stimato di ~132 — il più alto tra tutti i modelli IA. È più empatico, più sfumato nella comprensione delle emozioni umane e migliore nell'adattare il tono al contesto rispetto a GPT-5.5 o Grok-4.20. Lo rende preferito per app di terapia, servizio clienti e qualsiasi applicazione che coinvolga interazione umana.

Sicurezza e allineamento

Anthropic ha investito molto nel rendere Claude sicuro e allineato. È meno propenso a produrre contenuti dannosi, più trasparente sui suoi limiti e più prudente in situazioni ad alto rischio di qualsiasi concorrente. Questo non appare nei punteggi di QI, ma conta enormemente nella pratica.

5. Dove Claude cade

Ragionamento visuo-spaziale

Nel QI Mensa Norway, fortemente visivo, Claude ottiene ~130 — bene, ma significativamente sotto Grok-4.20 (145), GPT-5.4 Pro Vision (145) e Gemini 3.1 Pro (141). Per riconoscimento visivo di pattern, analisi di immagini o compiti spaziali, Claude non è la scelta migliore.

Risoluzione matematica

Claude è forte nel ragionamento matematico, ma GPT-5.5 lo supera leggermente in matematica competitiva (AIME, FrontierMath). Per la matematica pura, GPT-5.5 è leggermente migliore.

Costo

A 5/25 per 1M token, Claude Opus 4.8 è uno dei modelli più costosi. Gemini 3.1 Pro (2/12) e DeepSeek V4 Pro (0,44/0,87) sono significativamente più economici per compiti che non richiedono la piena capacità di Claude.

Velocità

Claude Opus 4.8 non è il modello più veloce. Per query semplici, Gemini 3.5 Flash o DeepSeek V4 Pro risponderanno più velocemente e più a buon mercato.

6. Claude Opus 4.8 vs altri modelli

L'immagine che emerge non è un modello che domina gli altri, ma un paesaggio di intelligenze specializzate. Claude è il miglior generalista — il modello che sceglieresti se potessi sceglierne solo uno. GPT-5.5 è il migliore in matematica e ragionamento visivo. Gemini è il più conveniente con la migliore conoscenza fattuale. Grok ha il QI visivo grezzo più alto. E DeepSeek offre capacità notevole per una frazione del costo.

7. Cosa significa questo per gli umani?

Claude Opus 4.8 opera a un QI di ~132 — più intelligente del 98% degli umani. Ma:

• Il QI è ristretto: misura riconoscimento di pattern e ragionamento, non saggezza, creatività o giudizio
• Conoscenza ≠ comprensione: Claude ha letto tutto, ma non "comprende" veramente come un umano
• Nessuna coscienza: QI alto non significa coscienza. Claude è un sistema sofisticato di riconoscimento di pattern, non un essere pensante
• Il divario si riduce: ogni generazione di modelli IA riduce il divario con gli umani più intelligenti. Quanto prima che scompaia?

La risposta più onesta: Claude Opus 4.8 è più intelligente della maggior parte degli umani nella maggior parte dei compiti cognitivi, ma non più intelligente dei migliori umani nei loro migliori giorni. Un matematico, fisico o filosofo di classe mondiale può ancora superare Claude nel proprio dominio. Ma Claude può superarli tutti simultaneamente, in ogni dominio, in secondi.

Questo non è un QI alto. È qualcosa di nuovo — qualcosa per cui non abbiamo ancora una parola.

Conclusione