AI IQ 显示 GPT-6.2 Astra 的 Composite IQ 为 140(#5/185),但 39 项基准只有 8 项有公开结果,七维中四维为估算;140 是 AI IQ 对不完整覆盖数据的七维等权汇总,不是模型接受统一 IQ 测试所得的实测分数。
适合判断的任务:查看 AI IQ 自有量表中的综合分、七维分数、公开基准覆盖和同站排名快照。
不适合外推的任务:推断人的 IQ 等价、未测任务表现,或把 AI IQ 分数当成对底层基准的独立复测。
适用的模型版本:AI IQ 标注的 gpt-6.2-astra;该页未注明各基准使用的具体模型修订版或推理档位。
测试环境或客户端:AI IQ 模型档案汇总公开基准榜单;该模型页未提供逐项完整 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 方法页说明,Composite IQ 为七个维度的等权平均:抽象推理、数学推理、学术推理、程序推理、电脑使用、可靠性、知识工作。底层基准分数按 AI IQ 为各项基准设定的 IQ 70、85、100、115、130、145、160 锚点映射;覆盖不足时,维度估算会结合直接结果和不确定的前代先验。AI IQ 将前代 GPT-6 Astra 列为可能的估算输入,并明确前代数据不等于 Astra 的实测结果。
AI IQ 页面称所有已列基准分数沿用其来源数据,并为本页各项结果标注了“Full source leaderboard reconciliation · Nov 18”。本页记录的是 AI IQ 自己的聚合与估算,以及它展示的来源分数;没有独立重跑底层测试。AI IQ 方法页将结果称为相对其校准体系的估计,并指出其模型区间未经过经验校准,不是统计置信区间。
截至采集日,页面显示:
| 维度 | AI IQ 分数 | 状态 | 已公布基准 | 排名 |
|---|---|---|---|---|
| 抽象推理 | 134 | 实测维度 | 3/5 | #2/220 |
| 数学推理 | 153 | 实测维度 | 3/5 | #2/185 |
| 学术推理 | 134 | 估算 | 0/6 | #15/222 |
| 程序推理 | 150 | 估算 | 0/6 | #6/186 |
| 电脑使用 | 139 | 估算 | 0/5 | #13/185 |
| 可靠性 | 137 | 实测维度 | 2/6 | #5/187 |
| 知识工作 | 132 | 估算 | 0/6 | #11/185 |
页面展示的 Composite IQ 为 140,#5/185;总覆盖为 8/39 项基准、3/7 个实测维度。其余 31 项标为“Not yet reported”,不是零分。
AI IQ 模型页列出的 8 项来源基准结果如下。分数、名次和领先者为页面展示值;不同基准来自各自来源榜单,不能据此认为它们使用了统一测试环境。
| 维度 | 基准 | 页面所列结果 | 页面所列名次或领先者 |
|---|---|---|---|
| 抽象推理 | ARC-AGI-2 | 95.8% | #1/73;页面标为该项领先 |
| 抽象推理 | ARC-AGI-3 | 70.3% | #2/29;领先者 fable-5.2(81.2%) |
| 抽象推理 | ARC-AGI-1 | 98.5% | #8/73;领先者 fable-5(98.5%) |
| 数学推理 | MathArena | 92.2% | #1/70;页面标为该项领先 |
| 数学推理 | FrontierMath Tier 4 | 100% | #3/76;领先者 fable-5.2(100%) |
| 数学推理 | FrontierMath Tier 1–3 | 92.6% | #4/88;领先者 fable-5.2(95.1%) |
| 可靠性 | SimpleQA Verified | 78.5% | #2/84;领先者 fable-5.2(94.0%) |
| 可靠性 | BullshitBench v2 | 55.0% | #36/95;领先者 opus-4.8(94.0%) |
页面还列出:AI IQ 有效成本为 $28.09/百万输入与输出 token,速度未测量。该有效成本属于 AI IQ 的成本估算,不是上述基准的原始分数。
这份快照适合描述 AI IQ 当前展示的分数和覆盖状况:抽象推理、数学推理和可靠性有直接基准输入;另外四维没有该模型已公布的基准结果而被估算。页面未说明前代先验对各维度的具体权重,也未展示维度区间的数值细节,不能据此反推估算过程或重算综合分。
AI IQ 的“100 = average human”是其量表锚点;其方法页明确将 IQ 用作直观参照,不主张 AI 基准与标准化人类 IQ 测试等价。不同维度的排名分母不同,且来源基准的版本、harness 与样本构成可能有差异;小幅名次或分数差距不宜作强结论。
审查范围与证据分类:仅审查 AI IQ 的 GPT-6.2 Astra 模型档案、七维综合分、已公布的 8 项基准结果及缺失项估算说明。AI IQ 模型页是其自身综合分与估算的直接来源;底层基准分属于 AI IQ 汇总的来源数据,不是本笔记独立验证的测试。AI IQ 模型页未公开每项测试的提示、样本量、完整运行参数和原始轨迹。
采集时通过 Tabbit 打开指定模型页,并读取 AI IQ 模型档案的正文、维度表、基准结果表和估算说明。另查阅 AI IQ 方法说明核对七维框架、等权公式、估算和区间边界。模型页是唯一主来源;方法页仅用于解释 AI IQ 自有评分规则。页面是动态榜单快照,后续分数、排名、覆盖或方法更新可能改变;要复核,应按相同访问日重新记录模型页和方法版本,并逐项回到页面标注的上游榜单。
GPT-6.2 Astra