9月28日消息，近日，在美国记者 Maxim Lott 维护的 TrackingAI 榜单上，Claude Fable 5.1 与支持看图作答的 GPT-6 Astra 在挪威门萨（Mensa Norway）智商测试（35 道图形推理题，限时 25 分钟）中一道未错，连续 7 次考出满分 151 分。

此外，GPT-5.6 Sol 与 Gemini 3.1 Pro 考到 145，公开卷上突破 140 分的模型已排成一长串，国产模型也杀进了第一梯队。

这种矩阵题最早由英国心理学家约翰·瑞文在 1936 年设计，被普遍看作最能测出整体聪明程度的题型。2024 年初，Gemini Advanced 做门萨卷最简单的第 1 题，还会一本正经地编出一串「A+B=C」的方程；有 AI 只蒙对 6 道，考了 64 分。

转折出现在 2024 年 9 月：OpenAI 的 o1 学会先内部推理、再作答，分数一下冲过 120，此后「先想再答」成了所有旗舰模型的标配，分数一路往上冲，今年 4 月榜单上跳出第一个 151 分。

AI 考这么好是不是因为题型它都见过？ 2024 年 5 月 Lott 专门请了一位门萨会员从零出了一套从未在互联网露面的新题。换卷之后，刷题效应确实露了出来，有的模型一换到保密卷就原形毕露，比公开卷掉二十来分。

但头部模型面对一张从没见过的卷子，照样逼近满分。16 道题的保密卷最高能打约 136 分，OpenAI 的 GPT-5.6 Terra 看图版已杀到 135，Fable 5.1 与 Astra 也都有 130 分，旁边还并肩站着一个国产模型。

去年 10 月，Lott 还胸有成竹地预计 AI 至少要再等两年，才能在这张卷的看图版上拿满分；结果不到一年，GPT-5.6 Terra 就一脚油门冲到线前，比他的预测早了一年多。