OpenAI GPT-5.6 впервые в истории языковых моделей превысил отметку IQ в 130 баллов, считающуюся «гениальным порогом». В тестах Tracking AI новая модель набрала 136 баллов – это выше, чем показатели 99% людей. До этого ни одна ИИ-система не могла преодолеть планку в 130 баллов, хотя некоторые модели приближались к ней вплотную.
Тестирование проводилось на закрытом «офлайн» наборе задач, который не опубликован в интернете и специально защищён от утечек. Это исключает возможность того, что модель просто «запомнила» ответы во время обучения. В публичных тестах в стиле Mensa Norway GPT-5.6 и ранее набирал 140+ баллов, но именно закрытый тест считается наиболее объективным показателем. Все модели семейства GPT-5.6 набрали 136 баллов, тогда как ближайший конкурент Claude-5 Fable остановился на 130.
Однако IQ – лишь один из аспектов интеллекта. Чтобы проверить, насколько модель способна решать реальные задачи, разработчики провели практические испытания. Инженер попросил GPT-5.6 Sol и Claude 5 Fable создать физическое симуляцию частиц. GPT-5.6 Sol не только выполнил задачу, но и самостоятельно выбрал подход с реальным временем, интегрировал CSS, интерфейс и рендеринг в один HTML-файл, который можно сразу опубликовать. Другой разработчик одной командой заставил модель построить полноценную RAG-систему для обработки заявок в службу поддержки с четырьмя ролями, панелью управления и автоматической классификацией жалоб. При этом стоимость такого решения оказалась в разы ниже, чем у Fable 5.
Особенно показательным стал другой случай. Одна из инженеров, Клэр Во, несколько дней не могла исправить баг в своём коде, считая, что ошибка в реализации. Когда она загрузила проблему в GPT-5.6 Sol и просто написала «Я не верю, что это невозможно исправить», модель исправила баг с первой попытки, а затем помогла другим моделям выполнить то же самое. Клэр отметила: «Fable 5 зациклен на технической абсолютной точности, что мешает ему действовать, а Sol прагматично доводит дело до конца».
