Qual è il QI di ChatGPT? Come i modelli di IA ottengono punteggi nei test di QI umani

I punteggi, data per data

I punteggi dell'IA cambiano di mese in mese, quindi ogni cifra qui riporta la data in cui è stata comunicata e la persona che l'ha comunicata. Il record di durata appartiene a Maxim Lott, un giornalista che testa chatbot su enigmi in stile QI almeno dall'inizio del 2024 e pubblica i risultati sul suo sito TrackingAI e sulla sua newsletter, Maximum Truth.

Leggi la tabella come una tendenza, non come una classifica. I nomi dei modelli cambiano, le aziende modificano le impostazioni dopo il lancio e il risultato di una singola settimana può oscillare di diversi punti. Il progresso non è uniforme: Lott ha riferito che i punteggi dell'IA si sono mossi a malapena per circa sei mesi prima dell'arrivo di o1-preview nel settembre 2024.

Come TrackingAI testa un chatbot

Lott usa due strumenti. Il primo è il test Mensa Norvegia, un quiz pubblico online di 35 elementi a pattern visivi con un limite di 25 minuti; la nostra guida al test Mensa Norvegia ne spiega il formato. Il secondo è un test offline scritto da zero da un membro del Mensa identificato come Jurij e mai pubblicato su Internet.

Lott ha normalizzato gli elementi offline rispetto agli elementi del Mensa Norvegia facendo eseguire entrambi ai suoi lettori, in modo che un 100 significhi all'incirca la stessa cosa in ciascuno. La calibrazione di settembre 2024 si basava su circa 40 lettori. Lott ha riferito che il test Mensa Norvegia stesso era normalizzato su 80 persone con punteggi di QI ufficiali, un'affermazione del suo creatore che non ha verificato. Secondo il rapporto di 36Kr di settembre 2026, TrackingAI testa più di 30 modelli a settimana e calcola la media degli ultimi sette tentativi di ogni modello. Alcuni modelli vedono gli enigmi come immagini; altri li ricevono descritti a parole, il che finora ha prodotto punteggi più alti.

Il problema della contaminazione

Un modello linguistico apprende da una vasta raccolta di testi pubblici. Se le domande e le risposte di un test si trovano da qualche parte in quella raccolta, un punteggio elevato può riflettere la memoria piuttosto che il ragionamento. Lott ha definito questa l'obiezione più comune ai suoi primi risultati e osserva che le risposte di Mensa Norvegia esistono online.

Il divario tra i suoi due test ne è la prova. Nell'ottobre 2025, ChatGPT Pro ha ottenuto 148 nel test pubblico e 117 in quello privato. Lott ha scritto che la contaminazione spiega in parte perché i sistemi migliori si avvicinano al tetto del test pubblico pur ottenendo circa 130 offline.

I ricercatori hanno documentato il problema su altri benchmark. Shahriar Golchin e Mihai Surdeanu, in un preprint del 2023, hanno creato un metodo per rilevare gli elementi del test che un modello ha memorizzato e hanno concluso che GPT-4 aveva visto parti di tre set di dati standard, inclusi AG News e XSum. Qualsiasi test con risposte pubblicate comporta lo stesso rischio, motivo per cui il punteggio offline è il numero più significativo.

Perché un punteggio di IA non è un QI umano

Un QI umano è un punteggio di deviazione. Confronta una persona con un campione ampio e rappresentativo di persone della stessa età, scalato su una media di 100 e una deviazione standard di 15. Non esiste un tale campione per le macchine, e il campione umano non è mai stato progettato per classificarle.

• Profili irregolari. Roivainen ha sottoposto ChatGPT ai subtest di Vocabolario, Similitudini, Comprensione, Informazione e Aritmetica del WAIS-III. Ha ottenuto un QI verbale di 155, eppure ha osservato che ha fallito un semplice indovinello. Ha saltato la ripetizione di cifre, un compito di memoria di lavoro, perché il chatbot manca di quel sistema di memoria, e i subtest non verbali non erano possibili.
• Condizioni diverse. Un modello non si stanca, può riprovare e funziona con un budget di calcolo stabilito dal fornitore. I limiti di tempo creati per l'attenzione umana non lo vincolano allo stesso modo.
• Effetti di tetto. 36Kr ha notato che Mensa Norvegia riporta i punteggi umani solo fino a 145. Nel dicembre 2025 Lott ha dichiarato di voler migliorare la granularità del suo test sopra 130, dove separa male i sistemi principali.
• Ampiezza. Lott ha citato l'opinione dell'economista Tyler Cowen secondo cui tali test sottovalutano l'estrema ampiezza di conoscenza di un modello, la cosa che sa fare meglio.

La batteria di test di intelligenza per adulti alla base della maggior parte dei punteggi clinici è descritta in WAIS-IV spiegato.

Cosa mostrano i punteggi

La tendenza è reale anche se il numero non è un QI. Lott ha misurato un guadagno medio di circa 2,5 punti di QI al mese per l'IA leader tra maggio 2024 e ottobre 2025, dalla metà degli anni '80 a circa 130. Ha previsto nell'ottobre 2025 che i sistemi principali avrebbero raggiunto il massimo nei test di QI umani entro la fine del 2027.

I lavori accademici puntano nella stessa direzione. Nel 2023, Taylor Webb, Keith Holyoak e Hongjing Lu hanno riportato in Nature Human Behaviour che GPT-3 ha eguagliato o superato i partecipanti umani nella maggior parte dei compiti di analogia, inclusa una versione testuale di problemi di matrice modellati su Raven's Progressive Matrices. Hanno chiamato l'abilità emergente: è sorta senza addestramento su quei compiti specifici.

Ciò che i punteggi non possono mostrare è se un sistema capisce, pianifica o giudica come farebbe una persona. Alan Turing ha sollevato quella domanda nel 1950 con un test di conversazione, non un foglio di puzzle; vedi cos'è il test di Turing e la storia dell'intelligenza artificiale.

Come i numeri si rapportano ai punteggi umani

Su una scala umana, un punteggio offline di 130 posizionerebbe una persona circa al 98° percentile, la soglia tradizionale del Mensa. Vedi cosa significa un QI di 130. Un 151 sarebbe più raro di 1 su 1.000. Tali confronti descrivono la scala, non la macchina: il modello ha raggiunto il suo punteggio in condizioni che nessun essere umano che esegue il test deve affrontare.

Per i punteggi umani, la stessa cautela sul formato si applica al contrario. I quiz online veloci sono una pratica utile e una misurazione scadente; leggi i test di QI online sono precisi. Il nostro test di QI gratuito è uno screening di pratica, non una valutazione clinica. Ogni guida correlata è raccolta in guide sul QI.

Standard editoriale: i valori del QI per le figure storiche sono stime retrospettive e sono etichettati come tali; i punteggi delle persone viventi appaiono solo quando la persona li ha divulgati o un organo di stampa rispettabile li ha riportati. Correzioni: contatta i redattori.