大模型智商榜单OpenAI统治大模型IQ榜
TrackingAI做的大模型智商测试显示：OpenAI系列几乎统治榜单，多款GPT-5系列和o3/o4变体位于高分段。
该站每周对18个Verbal与12个Vision模型做测验，离线得分以最近7次测试平均值为准，题目多来自MensaNorway等非训练集来源。
榜单要点：
1. 顶尖模型：GPT-5Pro(Vision)--IQ138、GPT-5Pro--IQ137、Gemini2.5Pro--IQ127、Claude-4Opus--IQ125、Grok-4--IQ125。
2. 多模态强势：GPT-5系列在文字和视觉题上都表现稳定，说明多模态推理已接近文字模型水平。
3. 中端表现：o3系列和部分OpenAI小型号稳定落在100左右；Meta Llama4Maverick和Mistral等多位于平均线下。
4. 测评取向差异：MensaNorway偏语言逻辑，离线题更考通用推理和视觉规则，导致部分视觉模型分数下滑。
测试题目举例如下：图3
1、题型：找规律，3×3图形矩阵，右下缺一项。
2、观察规律：每行是同一方向的线条主题且数量有递增趋势。第一行以横线为主，右侧由2条横变3条横；第二行由简单十字到右侧变为3横3竖的网格；第三行以竖线为主，左中各为2条竖线，因此右下应为3条竖线。
3、正确选项：E（三条竖线）。
各大模型在此题的表现：图4
· GPT-5Pro(Vision) 答对，能给出“方向+数量递增”的解释，推理清晰。
· Gemini2.5Pro(Vision) 答对，归纳出“每行主题一致并递增”，解释相对简洁。
· Claude-4Opus(Vision) 答对，兼顾方向与数量两个维度的分析。
· GPT-4o(Vision) 偶有错误，常选A或C，说明对行内递增规律把握不足。
· Grok-4(Vision)、Llama4Maverick、Mistral 等视觉模型多有错误，倾向于按图形相似度直接匹配而非推理数量规律。
总体来看，高分模型不仅在表象识别上更稳定，还能把“方向”和“数量”这种抽象规则抽出来并外推；低分模型更容易被视觉细节拖累，缺少系统化的规则归纳能力。
榜单地址：www.trackingai.org/home
