Las pruebas offline mostraron peores resultados de modelos de IA
La inteligencia artificial ha superado oficialmente al humano promedio en IQ. GPT-5 Pro mostró resultados de 110 a 138 puntos, mientras que el IQ humano promedio es de 100 puntos. Pero entendamos qué significa esto realmente.
El portal Tracking AI realizó pruebas a gran escala de modelos de IA. En la cima estuvieron 2 versiones de GPT-5 Pro. Con visión computacional habilitada y deshabilitada. Detrás de ellos siguen Gemini 2.5 Pro, Claude Opus 4 y Grok 4.
Pero hay un matiz importante. A diferencia de los humanos, la inteligencia artificial no está limitada en tiempo y puede hacer hasta 10 intentos para resolver cada tarea. Esto se hizo para eludir sistemas de seguridad que a veces bloquean palabras como examen o entrenamiento.
Para las pruebas usaron 2 tipos de tareas. Primero — la prueba oficial Mensa Norway, 35 tareas en 25 minutos. Segundo — una prueba offline especial, creada desde cero y ausente de internet. Esto excluyó la posibilidad de pre-entrenamiento de modelos en estas tareas.
Probaron modelos con visión computacional habilitada y deshabilitada. En el segundo caso, las tareas se describían completamente en texto. ¿Y saben qué? Casi todos los modelos mostraron peores resultados en la prueba offline. Esto prueba — benchmarks de calidad para inteligencia artificial necesitan crearse desde cero y protegerse de filtraciones a internet.
La inteligencia artificial superó formalmente a los humanos en pruebas de inteligencia clásicas. Pero la comparación es incorrecta. Las pruebas de IQ miden un tipo específico de reconocimiento de patrones en el que la inteligencia artificial es naturalmente fuerte. Más 10 intentos sin límites de tiempo – estas son condiciones de prueba completamente diferentes. Parece que estos «investigadores» están creando deliberadamente condiciones para hacer que la inteligencia artificial se vea más inteligente.
