截至 2026-11-16,AI IQ 给 Gemini 4 Carbon 的 Composite IQ 为 142,排名 #2/180;其 39 项基准中有 13 项公开结果,覆盖 6/7 个维度。142 是经校准和估算后七维等权得到的站内指标,不是模型实测的人类 IQ。
适合判断的任务:查看 AI IQ 自有口径下的综合分、维度分、排名和公开基准覆盖情况;比较该站同一快照中的模型。
不适合外推的任务:不能据此认定模型具有人类 IQ 142,或推断其在未测任务上的能力;不能将 AI IQ 页面当作 13 项基准的原始发布方或独立复测记录。
适用的模型版本:AI IQ 页面标注的 Gemini 4 Carbon;该页未注明各基准所用具体模型修订版或推理档位。
测试环境或客户端:AI IQ 公共模型档案及其引用的公开基准榜单;模型页没有逐项给出完整 harness、样本数、运行参数或原始输出。
推理档位和参数:未注明。
AI IQ 将 39 项基准映射到七个维度:抽象推理、数学推理、学术推理、程序推理、计算机使用、可靠性和知识工作。方法页称,单项原始分先按该基准在 IQ 70、85、100、115、130、145、160 的预设期望分做分段线性插值;六个维度再以贝叶斯模型结合观测结果与不确定的前代模型先验,抽象推理使用直接证据估算。七个维度最后等权平均:
[ \mathrm{Composite\ IQ}=\frac{1}{7}\sum_{d=1}^{7}\mathrm{IQ}_d ]
模型页的“6/7 dims”表示六个维度有基准测量输入;“13/39 benchmarks”表示 39 项中有 13 项发布了结果。学术推理为估算值,当前没有该维度的已发布基准结果。方法页说明七个维度分数本身都是估计值,即使基准覆盖完整也是如此;缺失值只进入派生评分流程,不会伪装成已观测的基准分,个别缺项可参考 Gemini 4 Argon 等前代信息。
| 维度 | AI IQ 分数 | 状态 | 基准覆盖 | 维度排名 |
|---|---|---|---|---|
| 抽象推理 | 134 | 有基准输入;分数为派生估算 | 3/5 | #3/209 |
| 数学推理 | 147 | 有基准输入;分数为派生估算 | 2/5 | #5/180 |
| 学术推理 | 136 | 估算 | 0/6 | #3/211 |
| 程序推理 | 150 | 有基准输入;分数为派生估算 | 1/6 | #6/181 |
| 计算机使用 | 154 | 有基准输入;分数为派生估算 | 1/5 | #2/180 |
| 可靠性 | 139 | 有基准输入;分数为派生估算 | 3/6 | #2/181 |
| 知识工作 | 134 | 有基准输入;分数为派生估算 | 3/6 | #2/180 |
页面称,可靠性和计算机使用的维度排名最高(均为第 2),程序推理排名相对靠后(第 6)。各维度排名的模型总数不同,应在各自维度内理解。
AI IQ 模型页列出以下 13 项成绩。分数与单项名次是该聚合页当前展示值;上游来源列指页面标注的数据来源,不表示 AI IQ 对这些基准进行了统一复测。
| 维度 | 基准 | 页面收录分数 | 页面名次 | 页面标注来源 |
|---|---|---|---|---|
| 抽象推理 | ARC-AGI-2 | 94.2% | #2/71 | 完整来源榜单核对,Nov 13 |
| 抽象推理 | ARC-AGI-1 | 98.5% | #5/71 | 完整来源榜单核对,Nov 13 |
| 抽象推理 | ARC-AGI-3 | 65.1% | #2/26 | 完整来源榜单核对,Nov 13 |
| 数学推理 | FrontierMath Tier 4 | 95.1% | #4/75 | 完整来源榜单核对,Nov 13 |
| 数学推理 | FrontierMath Tier 1–3 | 90.5% | #6/87 | 完整来源榜单核对,Nov 13 |
| 程序推理 | Terminal-Bench 4.0 | 65.2% | #2/109 | Artificial Analysis v5.0.1,Nov 13 |
| 计算机使用 | Arena.ai Agent Arena | 17.0 | #3/72 | Arena.ai Agent Arena,Nov 13 |
| 可靠性 | SimpleQA Verified | 77.7% | #2/83 | 完整来源榜单核对,Nov 13 |
| 可靠性 | BullshitBench v2 | 72.0% | #10/88 | 完整来源榜单核对,Nov 13 |
| 可靠性 | FACTS Grounding | 77.2% | #6/45 | 完整来源榜单核对,Nov 13 |
| 知识工作 | AutomationBench-AA | 77.8% | #1/112 | Artificial Analysis v5.0.1,Nov 13 |
| 知识工作 | GDP.pdf | 28.4% | #7/111 | Artificial Analysis v5.0.1,Nov 13 |
| 知识工作 | AA-Briefcase v1.1 Elo | 1,611 | #10/116 | Artificial Analysis v5.0.1,Nov 13 |
未列出成绩的其余 26 项在 AI IQ 页面标为 “Not yet reported”,不是零分。学术推理整维度的六项均未报告。当前页面还显示有效成本、速度和上下文为未验证或未测;这些空缺不会成为本条综合评分结论的正反证据。
142 是 AI IQ 的派生分数。 七个维度等权,但公开基准覆盖并不均匀。六个维度有结果输入,学术推理分数为估算;不少维度也只有部分基准有结果。
基准分与 Composite IQ 不是同一层数据。 表中 13 项是 AI IQ 收录的上游基准结果;142 和各维度分数经过其校准梯度、估算与聚合规则生成。AI IQ 是这些自有汇总分和估算的直接出处,但不是所列底层基准的原始发布方。
方法页明确承认校准局限。 基准到 IQ 的梯度含有主观设计选择;页面称区间是模型假设下的估计,并非经过经验校准的置信区间。方法页还明确将 IQ 称为便于理解的比喻,而非与标准化人类 IQ 测验等价。
排名是动态快照。 榜单、上游基准和校准规则变化都可能改变分数或名次。本文只记录 2026-11-16 可见页面,不将其推广为跨任务的模型智能结论。
在 AI IQ 打开 Gemini 4 Carbon 模型页,记录访问日期、Composite IQ、维度表和 39 项基准覆盖表;另打开 AI IQ Methodology 核对七维框架、插值与缺失值说明。复核底层成绩时,应按页面标注的上游平台和 Nov 13 数据快照查找原始榜单,并保留其版本、评分口径和 harness 差异。AI IQ 两页没有提供足以重放 13 项评测的输入、运行参数和原始输出。
Gemini 4 Carbon