GPT5.5は「136」Opus 4.7が「132」AIの知能指数をはかる「AI IQ」公開

　人工知能の能力向上に伴い、従来の個別タスクに特化したベンチマークは性能の天井に直面している。この課題に対し、乱立する評価データを統合し、各モデルの相対的な位置づけを可視化する試みとして「AI IQ」が開発された。評価対象には、OpenAIのGPT-5.5、AnthropicのClaude Opus 4.7をはじめ、Gemini 3.1、Grok 4.3、DeepSeek V4、Kimi K2.6など50以上の主要AIモデルが含まれる。

　同プロジェクトは複数の公開ベンチマークを基に各モデルの推定IQを算出し、人間のIQ分布を示す標準的なベルカーブ上にマッピングする。複数の指標が並ぶ従来のランキング表に代わり、直感的な性能比較を可能にした。業界内ではこの手法に対し、複雑なAI市場の性能評価に明確さをもたらすと評価する声がある一方、多角的な推論能力を単一の数値に還元することの危うさを指摘する意見も存在し、評価が分かれている。


　AIモデルのIQ評価を巡っては、学習データへのテスト内容の混入（データ汚染）という技術的課題も浮き彫りになっている。外部評価サイト「TrackingAI」が実施した検証によると、インターネット上に公開されている既存のIQテストではGPT-5.5が140を超えるスコアを記録した。しかし、学習データに一切含まれない完全に非公開のオフラインテスト環境では、同モデルのスコアが70付近まで低下した。対照的に、同条件の非公開テストでClaude Opus 4.7は118を記録しており、評価環境の前提条件によってモデル間の優位性が大きく変動する事実が確認された。


　実務環境における性能分析では、GPT-5.5がトークンの出力速度やコスト効率面で優位に立ち、Claude Opus 4.7が適応型推論や複雑なタスク処理において高いパフォーマンスを示す傾向にある。AI IQのような統合的な単一指標の登場と、独立環境でのプライベートな検証結果の双方が、利用者のモデル選定における新たな判断基準として機能している。