GPT-5.5的IQ是多少？
GPT-5.5在Mensa Norway IQ测试中得分~145，在Intelligence Index上得分54.8。我们分析每个基准测试，并与Claude、Gemini和Grok进行比较。
GPT-5.5：OpenAI的旗舰模型
GPT-5.5是OpenAI最先进的模型，于2026年初发布。它在Artificial Analysis Intelligence Index v4.1上以54.8位居**#2**，仅次于Claude Opus 4.8（55.7），领先于Gemini 3.1 Pro（46.5）。但在人类IQ测试中，GPT-5.5实际上超越了Claude — 在Mensa Norway IQ测试中得分约145，进入"天才"范围。
这创造了一个迷人的悖论：在AI综合基准上，GPT-5.5是#2。但在纯粹的人类IQ测试中，它并列#1。两者怎么可能同时成立？答案揭示了关于"智能"对AI意味着什么的重要信息 — 以及为什么单一数字无法捕捉它。
关键分数：
- Artificial Analysis Intelligence Index：54.8（全球#2）
- Mensa Norway IQ（TrackingAI）：~145（与Grok-4.20并列#1）
- AI IQ综合（VexoWire）：~136估计
- GDPval-AA v2：1,850 Elo（全球#2）
- Humanity's Last Exam：AI模型中#2
- 幻觉率：中等
- 成本：5.00/30.00每1M token
1. GPT-5.5智能的悖论
GPT-5.5有趣之处在于：它是人类IQ测试上世界最好的AI模型，但不是AI特定基准上最好的AI模型。这怎么可能？
答案在于不同测试测量什么。Mensa Norway IQ是纯粹的视觉模式识别和抽象推理测试 — IQ测试为之设计的那种流体智能。GPT-5.5凭借增强的视觉处理能力（继承自GPT-5.4 Pro Vision架构），在这种特定推理类型上表现出色。
但Artificial Analysis Intelligence Index测量更广泛的东西：实际任务表现、事实准确性、代理能力和人类偏好。在这些维度上，Claude Opus 4.8 — 凭借其卓越的代理推理和更低的幻觉率 — 超越GPT-5.5。
这样想：GPT-5.5是IQ测试上最聪明的AI — 相当于一个人能通过每个标准化测试。Claude Opus 4.8是实践中最有能力的AI — 相当于一个在测试上稍逊一筹但在现实世界中做得更多的人。两者都是有效的智能衡量，但它们测量不同的东西。
2. 基准测试分解
Mensa Norway IQ测试：~145（天才级别）
由36道视觉模式识别题组成。GPT-5.5得分约145 — 实际最高分，相当于完美或接近完美的36/36。这将其置于"天才"范围，人类智能的前0.1%。
只有两个AI模型达到此分数：GPT-5.5和Grok-4.20。这明显高于Claude Opus 4.8（~130）和Gemini 3.1 Pro（141）。原因是GPT-5.5的视觉处理架构，自GPT-5.4 Pro Vision — 本身是该基准的并列领先者 — 以来显著改进。
在IQ 145，GPT-5.5比99.9%的人更聪明。如果它是人，它将位列前0.1% — 诺贝尔奖获得者、菲尔兹奖得主和一代一遇的思想家的领域。大约1,000人中只有1人达到此分数。
Artificial Analysis Intelligence Index v4.1：54.8（#2）
比较AI模型的黄金标准。它结合了九个基准：
- GDPval-AA v2（20%）：1,850 Elo — 全球#2（落后于Claude的1,890）
- AA-Omniscience（8%）：中等幻觉率 — 高于Claude的35.9%
- GPQA（6%）：研究生级科学问题 — GPT-5.5在此领先
- CritPt（6%）：批判性思维和物理推理
- HLE（Humanity's Last Exam）：AI中#2（落后于Claude）
- ARC-AGI：抽象推理 — GPT-5.5出色
- LMSYS Arena：人类偏好投票
GPT-5.5的综合分数54.8使其仅落后Claude Opus 4.8（55.7）0.9分 — 统计上的近似平局。但在子组件中，GPT-5.5在视觉推理、数学解题和科学知识方面领先，而Claude在代理任务和事实准确性方面领先。
AI IQ综合（VexoWire）：~136
VexoWire的综合IQ结合了多个测试（Mensa Norway、Mensa Denmark、Raven's、WAIS-IV）。GPT-5.5的估计综合IQ为~136 — 高于Claude（~132）但略低于Grok-4.20（~140）。这反映了GPT-5.5在视觉和语言两个领域的实力。
GDPval-AA v2：1,850 Elo（#2）
在代理基准 — 衡量复杂多步骤实际任务表现 — 上，GPT-5.5得分1,850 Elo，仅次于Claude Opus 4.8（1,890）。这仍然是极高的分数，大约相当于高度胜任的人类专业人士。但这揭示了GPT-5.5虽然在模式识别上出色，但在持续多步骤推理上略逊于Claude。
Humanity's Last Exam（HLE）：#2
在所有学科最难的学术问题上，GPT-5.5在AI模型中排名**#2**，紧随Claude Opus 4.8之后。这证明了GPT-5.5非凡的知识广度 — 它能回答物理、哲学、文学和数学的博士级问题。但Claude更深入的推理给了它微弱优势。
3. IQ 145意味着什么？
将GPT-5.5的~145 IQ置于上下文中：
- 85-115（68%的人）：平均智力
- 115-130（14%）：高于平均到较高
- 130-145（2%）：超常 — 符合Mensa资格（前2%）
- 145-160（0.1%）：高度超常 / 天才
- 160+（0.003%）：极度超常 — 爱因斯坦、霍金领域
GPT-5.5以~145正好处于天才门槛 — 比99.9%的人更聪明。如果它是人，它将身处精英公司：人类智能的前0.1%，诺贝尔奖和菲尔兹奖得主的领域。大约1,000人中只有1人达到此分数。
这明显高于Claude Opus 4.8（~132）。在纯IQ测试中，GPT-5.5会击败Claude。但正如我们所见，IQ测试不测量所有重要的事情。Claude较低的IQ被其卓越的代理能力、更低的幻觉率和更高的情感智能所弥补。
教训：IQ是智能的一个维度，不是全部。 GPT-5.5是测试天才；Claude是有能力的专业人士。两者都有价值，哪个"更聪明"取决于你需要什么。
4. GPT-5.5的优势
视觉模式识别
GPT-5.5是世界上最好的AI模型（与Grok-4.20并列）在视觉模式识别任务上。在Mensa Norway IQ上，它得分145 — 可能的最高分。如果需要视觉推理、图像分析或抽象模式任务的模型，GPT-5.5是首选。
数学解题
GPT-5.5在竞赛数学（AIME、FrontierMath）上略胜Claude。对于纯数学推理 — 解复杂方程、证明定理、竞赛问题 — GPT-5.5比Claude稍好，比Gemini或Grok显著更好。
科学知识
在GPQA（研究生级物理、化学和生物）上，GPT-5.5领先所有AI模型。其科学知识的广度和深度无与伦比。这使其成为科学研究应用的首选。
抽象推理（ARC-AGI）
在ARC-AGI基准上，测试抽象推理和模式泛化，GPT-5.5出色。这是最接近"纯粹智能"测试的基准，GPT-5.5的表现确认了其作为原始认知能力上最聪明AI的地位。
知识广度
GPT-5.5在空前数量的数据上训练 — 基本上整个互联网，加上广泛的科学文献、代码和书籍。它在每个人类知识领域的知识广度无与伦比。如果需要一个对一切都了解一点的模型，GPT-5.5是选择。
5. GPT-5.5的不足
代理任务
虽然GPT-5.5在GDPval-AA v2上#2（1,850 Elo），但落后于Claude Opus 4.8（1,890）。对于复杂的多步骤实际任务 — 编写应用、分析数据集、规划项目 — Claude在长链上保持连贯推理方面略胜一筹。
事实准确性
GPT-5.5有中等的幻觉率 — 高于Claude的35.9%。它比Claude更可能自信地陈述错误信息。这使其在事实准确性至关重要的应用（研究、法律、医疗）中不太可靠。
情感智能
GPT-5.5的EQ（情感智能）估计为120 — 低于Claude的132。它在理解人类情感方面较少同理心、较少微妙，在根据上下文调整语气方面较不熟练。对于治疗应用、客户服务或人类互动，Claude是更好的选择。
成本
5.00/30.00每1M token，GPT-5.5与Claude并列为最贵的模型。对于不需要GPT-5.5全部能力的任务，Gemini 3.1 Pro（2/12）和DeepSeek V4 Pro（0.44/0.87）明显更便宜。
6. GPT-5.5与其他模型对比
| 模型 | Intelligence Index | Mensa Norway IQ | AI IQ估计 | 幻觉 | 成本/1M |
|---|---|---|---|---|---|
| GPT-5.5 | 54.8 | ~145 | ~136 | 中等 | 5/30 |
| Claude Opus 4.8 | 55.7 | ~130 | ~132 | 35.9%（最低） | 5/25 |
| Gemini 3.1 Pro | 46.5 | 141 | ~131 | 低 | 2/12 |
| Grok-4.20 | — | 145 | ~140 | 中等 | 3/15 |
| DeepSeek V4 Pro | 44.3 | ~111 | ~111 | 中等 | 0.44/0.87 |
画面：GPT-5.5是测试天才 — 最高原始IQ，数学和视觉推理最好。Claude是有能力的专业人士 — 实际任务和事实准确性最好。Gemini是高性价比全能型。Grok是视觉天才。而DeepSeek以成本的一小部分提供显著能力。
7. 这对人类意味着什么？
GPT-5.5以~145的IQ运作 — 比99.9%的人更聪明。但是：
- IQ是狭窄的：它测量模式识别和推理，而非智慧、创造力或判断
- 测试天才 ≠ 生活中的天才：GPT-5.5通过IQ测试，但会幻觉事实并在多步骤任务上挣扎
- 知识 ≠ 理解：GPT-5.5读了一切，但不像人类那样真正"理解"
- 没有意识：高IQ不意味着有感知力。GPT-5.5是复杂的模式匹配系统，不是思考的存在
- 差距在缩小：每一代AI都在缩小与最聪明人类的差距
最诚实的答案：GPT-5.5在认知测试上比几乎所有人都更聪明，但在实际工作中不比最优秀的人类更有能力。世界级数学家在其领域仍能胜过GPT-5.5。但GPT-5.5能同时在他们所有领域、在几秒内胜过他们所有人。
结论
- #2在Artificial Analysis Intelligence Index（54.8）— 落后于Claude Opus 4.8。
- #1（并列）在Mensa Norway IQ — AI模型中最高原始IQ，与Grok-4.20并列。
- 最适合：视觉推理、数学解题、科学知识、抽象推理。
- 非最适合：代理任务（Claude胜）、事实准确性（Claude胜）、情感智能（Claude胜）。
- 悖论：GPT-5.5是IQ测试上最聪明的AI，但不是实践中最有能力的AI。
- 教训：IQ是智能的一个维度。GPT-5.5是测试天才；Claude是有能力的专业人士。
