Respuesta corta: ChatGPT no tiene CI en el sentido humano, pero sus modelos obtienen puntuaciones altas en acertijos de estilo CI. TrackingAI de Maxim Lott registró a ChatGPT Pro con 148 en el test público de Mensa Noruega en octubre de 2025; el 28 de septiembre de 2026, 36Kr informó que GPT-6 Astra de OpenAI alcanzó 151, el techo de ese test. En el test privado fuera de línea de Lott, las puntuaciones máximas rondan los 130 a 135. Estos son resultados de acertijos, no CI comparables a los humanos.
De un vistazo
| Mejor resultado en un test público (OpenAI) | 151 en Mensa Noruega, GPT-6 Astra, reportado el 28 de septiembre de 2026 (36Kr, citando a TrackingAI) |
|---|---|
| Mejor resultado en un test fuera de línea | 135, GPT-5.6 Terra con entrada de imagen, mismo informe |
| Primera puntuación ampliamente citada | CI verbal 155 en cinco subtests WAIS-III (Roivainen, Scientific American, 2023) |
| Rastreador | TrackingAI, dirigido por el periodista Maxim Lott |
| Tasa de ganancia medida | Alrededor de 2.5 puntos de CI al mes, mayo de 2024 a octubre de 2025 (Lott) |
| ¿Comparable a un CI humano? | No: condiciones diferentes, riesgo de contaminación, sin muestra de baremación para IA |
Las puntuaciones, fecha a fecha
Las puntuaciones de la IA cambian mes a mes, por lo que cada cifra aquí lleva la fecha en que fue reportada y la persona que la reportó. El registro más prolongado pertenece a Maxim Lott, un periodista que ha probado chatbots en acertijos de estilo CI desde al menos principios de 2024 y publica resultados en su sitio TrackingAI y su boletín, Maximum Truth.
| Fecha reportada | Modelo | Test | Resultado | Fuente |
|---|---|---|---|---|
| 2023 (Scientific American) | ChatGPT | Cinco subtests verbales WAIS-III, mecanografiados | CI verbal 155 | Eka Roivainen, Hospital Universitario de Oulu |
| 2023 (Nature Human Behaviour) | GPT-3 (text-davinci-003) | Versión de texto de problemas de matrices estilo Raven | Igualó o superó a los participantes humanos en la mayoría de los entornos | Webb, Holyoak y Lu |
| 14 de septiembre de 2024 | OpenAI o1-preview | Mensa Noruega | 25 de 35 correctas; un CI "tan alto como 120" | Maxim Lott, Maximum Truth |
| 19 de abril de 2025 | OpenAI o3 | Mensa Noruega / test fuera de línea | 136 / 116 | Maxim Lott, Maximum Truth |
| 31 de octubre de 2025 | ChatGPT Pro | Mensa Noruega / test fuera de línea (texto) | 148, en 34 de 35, dos veces / 117 | Maxim Lott, Maximum Truth |
| 28 de septiembre de 2026 | GPT-6 Astra; Claude Fable 5.1 | Mensa Noruega | 151, todas las 35 correctas, la parte superior de la escala | 36Kr, citando TrackingAI de Lott |
| 28 de septiembre de 2026 | GPT-5.6 Terra (entrada de imagen) | Test fuera de línea | 135, contra un máximo de unos 136 | 36Kr, citando TrackingAI de Lott |
Lee la tabla como una tendencia, no como una clasificación. Los nombres de los modelos cambian, las empresas ajustan la configuración después del lanzamiento y el resultado de una sola semana puede variar varios puntos. El progreso no es uniforme: Lott informó que las puntuaciones de la IA apenas se movieron durante unos seis meses antes de que llegara o1-preview en septiembre de 2024.
Cómo prueba TrackingAI un chatbot
Lott utiliza dos instrumentos. El primero es el test de Mensa Noruega, un cuestionario público en línea de 35 elementos de patrones visuales con un límite de 25 minutos; nuestra guía sobre el test de Mensa Noruega explica su formato. El segundo es un test fuera de línea escrito desde cero por un miembro de Mensa identificado como Jurij y nunca publicado en Internet.
Lott baremó los elementos fuera de línea contra los elementos de Mensa Noruega haciendo que sus lectores tomaran ambos, de modo que un 100 signifique aproximadamente lo mismo en cada uno. La calibración de septiembre de 2024 se basó en unos 40 lectores. Lott informó que el propio test de Mensa Noruega fue baremado con 80 personas con puntajes de CI oficiales, una afirmación de su creador que no verificó. Según el informe de septiembre de 2026 de 36Kr, TrackingAI prueba más de 30 modelos a la semana y promedia los últimos siete intentos de cada modelo. Algunos modelos ven los acertijos como imágenes; otros los reciben descritos en palabras, lo que hasta ahora ha producido puntuaciones más altas.
El problema de la contaminación
Un modelo de lenguaje aprende de una vasta recopilación de textos públicos. Si las preguntas y respuestas de una prueba se encuentran en algún lugar de esa recopilación, una puntuación alta puede reflejar memoria más que razonamiento. Lott llamó a esto la objeción más común a sus primeros resultados, y señala que las respuestas de Mensa Noruega existen en línea.
La brecha entre sus dos pruebas es la prueba. En octubre de 2025, ChatGPT Pro obtuvo 148 en la prueba pública y 117 en la privada. Lott escribió que la contaminación explica en parte por qué los mejores sistemas se acercan al límite de la prueba pública mientras que obtienen alrededor de 130 sin conexión.
Los investigadores han documentado el problema en otros puntos de referencia. Shahriar Golchin y Mihai Surdeanu, en una preimpresión de 2023, crearon un método para detectar los elementos de prueba que un modelo ha memorizado y concluyeron que GPT-4 había visto partes de tres conjuntos de datos estándar, incluidos AG News y XSum. Cualquier prueba con respuestas publicadas conlleva el mismo riesgo, razón por la cual la puntuación fuera de línea es el número más significativo.
Por qué una puntuación de IA no es un CI humano
Un CI humano es una puntuación de desviación. Compara a una persona con una muestra grande y representativa de personas de la misma edad, escalada a una media de 100 y una desviación estándar de 15. No existe tal muestra para las máquinas, y la muestra humana nunca fue diseñada para clasificarlas.
- Perfiles desiguales. Roivainen dio a ChatGPT las subpruebas de Vocabulario, Semejanzas, Comprensión, Información y Aritmética del WAIS-III. Obtuvo un CI verbal de 155, sin embargo, observó que falló un acertijo simple. Saltó la retención de dígitos, una tarea de memoria de trabajo, porque el chatbot carece de ese sistema de memoria, y las subpruebas no verbales no fueron posibles.
- Condiciones diferentes. Un modelo no se cansa, puede volver a intentar y funciona con un presupuesto de cómputo que establece el proveedor. Los límites de tiempo creados para la atención humana no lo limitan de la misma manera.
- Efectos de techo. 36Kr señaló que Mensa Noruega reporta puntuaciones humanas solo hasta 145. En diciembre de 2025, Lott dijo que planeaba mejorar la granularidad de su prueba por encima de 130, donde separa mal a los sistemas principales.
- Amplitud. Lott citó la opinión del economista Tyler Cowen de que tales pruebas subestiman la extrema amplitud de conocimiento de un modelo, lo que mejor hace.
La batería de inteligencia para adultos detrás de la mayoría de las puntuaciones clínicas se describe en WAIS-IV explicado.
Lo que muestran las puntuaciones
La tendencia es real, incluso si el número no es un CI. Lott midió una ganancia promedio de aproximadamente 2,5 puntos de CI por mes para la IA líder entre mayo de 2024 y octubre de 2025, desde mediados de los 80 hasta aproximadamente 130. Proyectó en octubre de 2025 que los sistemas líderes alcanzarían su punto máximo en las pruebas de CI humanas a fines de 2027.
El trabajo académico apunta en la misma dirección. En 2023, Taylor Webb, Keith Holyoak y Hongjing Lu informaron en Nature Human Behaviour que GPT-3 igualó o superó a los participantes humanos en la mayoría de las tareas de analogía, incluida una versión de texto de problemas de matriz modelados en Raven's Progressive Matrices. Llamaron a la capacidad emergente: surgió sin entrenamiento en esas tareas específicas.
Lo que las puntuaciones no pueden mostrar es si un sistema entiende, planifica o juzga como lo hace una persona. Alan Turing planteó esa pregunta en 1950 con una prueba de conversación, no con una hoja de rompecabezas; ver qué es la prueba de Turing y la historia de la inteligencia artificial.
Cómo se asignan los números a las puntuaciones humanas
En una escala humana, una puntuación fuera de línea de 130 colocaría a una persona aproximadamente en el percentil 98, el umbral tradicional de Mensa. Ver qué significa un CI de 130. Un 151 sería más raro que 1 de cada 1.000. Esas comparaciones describen la escala, no la máquina: el modelo alcanzó su puntuación en condiciones que ningún humano que realiza la prueba enfrenta.
Para las puntuaciones humanas, la misma precaución sobre el formato se aplica a la inversa. Los cuestionarios rápidos en línea son una práctica útil y una medición deficiente; leer son precisas las pruebas de CI en línea. Nuestra prueba de CI gratuita es un evaluador de práctica, no una evaluación clínica. Cada guía relacionada se recopila en guías de CI.
Preguntas frecuentes
¿Cuál es el CI de ChatGPT?
No tiene CI en el sentido humano. En la prueba pública de Mensa Noruega, Maxim Lott registró a ChatGPT Pro con 148 en octubre de 2025, y 36Kr informó el 28 de septiembre de 2026 que el GPT-6 Astra de OpenAI había alcanzado el límite de 151 de la prueba. En la prueba privada fuera de línea de Lott, el mejor resultado de OpenAI en ese informe fue 135.
¿Es ChatGPT más inteligente que los humanos?
En pruebas de rompecabezas estrechas, los modelos actuales superan a la mayoría de las personas. Eso no los hace más inteligentes en general. Pueden fallar en acertijos simples, dependen de configuraciones que controlan sus fabricantes y pueden haber visto respuestas de pruebas publicadas durante el entrenamiento. Una puntuación al estilo de CI mide un tipo de tarea, no la inteligencia general.
¿Qué IA tiene la puntuación de CI más alta?
Las clasificaciones cambian mensualmente. En un informe del 28 de septiembre de 2026 que cita a TrackingAI, 36Kr dijo que dos modelos, GPT-6 Astra de OpenAI y Claude Fable 5.1 de Anthropic, obtuvieron 151 en Mensa Noruega, mientras que GPT-5.6 Terra con entrada de imagen lideró la prueba fuera de línea con 135. Consulte el rastreador para conocer la última semana.
¿Por qué los modelos de IA obtienen puntuaciones más bajas en la prueba fuera de línea?
Como sus preguntas nunca se han publicado, es poco probable que los modelos las hayan memorizado. La prueba pública de Mensa Noruega tiene las respuestas en línea y un modelo puede haberlas absorbido durante su entrenamiento. Lott atribuye gran parte de la diferencia entre las dos puntuaciones a esa exposición.
¿Puede ChatGPT realizar una prueba de CI clínica real?
Solo en parte. Un psicólogo puede escribirle subpruebas verbales, como hizo Eka Roivainen con el WAIS-III, pero las subpruebas de memoria de trabajo y de desempeño práctico no se traducen. El resultado es un perfil parcial evaluado según las normas humanas, no un CI de escala completa.
Fuentes
- Maxim Lott, Avance masivo en inteligencia artificial: OpenAI supera un CI de 120 (14 de septiembre de 2024) — o1-preview 25 de 35 en Mensa Noruega; construcción de prueba offline y baremación de 40 lectores; objeción por contaminación; meseta de seis meses
- Maxim Lott, La inteligencia artificial se dispara: el o3 de ChatGPT establece un nuevo récord (19 de abril de 2025) — o3 136 en Mensa Noruega, 116 offline; advertencia de Tyler Cowen sobre la amplitud
- Maxim Lott, El progreso de la IA continúa, mientras las puntuaciones de CI aumentan linealmente (31 de octubre de 2025) — ChatGPT Pro 148 en Mensa Noruega, 117 offline; 2.5 puntos al mes; brecha por contaminación; proyección para finales de 2027
- Maxim Lott, Mapeando el ascenso de la IA: los avances en inteligencia de 2025 (31 de diciembre de 2025) — Modelo líder en EE. UU. con 130 en la versión de texto de la prueba; puntuación más precisa planificada por encima de 130
- 36Kr, La IA supera al 99.97% de los humanos: obtiene 151 en la prueba de CI de Mensa (28 de septiembre de 2026) — GPT-6 Astra y Claude Fable 5.1 con 151; GPT-5.6 Terra 135 offline; 35 ítems, 25 minutos; promedio de siete intentos
- Rastreador de CI TrackingAI — Tabla de clasificación en vivo y notas sobre el método; las puntuaciones del modelo 36Kr no pudieron leerse en el texto de la página
- Eka Roivainen, Le hice un test de CI a ChatGPT. Esto es lo que descubrí (Scientific American, 2023) — CI verbal de 155 en cinco subpruebas del WAIS-III; fallos en acertijos
- Webb, Holyoak y Lu (2023), Razonamiento analógico emergente en grandes modelos de lenguaje, Nature Human Behaviour 7(9) — GPT-3 igualó o superó a los humanos en problemas de analogía tipo matriz
- Golchin y Surdeanu (2023), Viaje en el tiempo en los LLM: rastreando la contaminación de datos, arXiv — Evidencia de que GPT-4 había memorizado partes de conjuntos de datos de prueba estándar
Estándar editorial: las cifras de CI para figuras históricas son estimaciones retrospectivas y están etiquetadas como tales; las puntuaciones de personas vivas aparecen solo cuando la persona las ha revelado o un medio de comunicación de renombre las ha informado. Correcciones: contacte a los editores.