OpenAI 实验模型拿下 IMO 金牌水平：6 题解出 5 题，获 35 分

如果把解决前沿科学问题比作登山，国际数学奥林匹克（IMO）大概就是悬崖峭壁上的第一道关卡。过去很多业内学者觉得，纯靠大模型写自然语言证明去拿 IMO 金牌，在很长一段时间里都近乎不可能。

OpenAI 最近给出了自己的答案。他们宣布用一款处于实验阶段的通用推理大模型，在 2025 年 IMO 规则评测中跑出了足以拿到金牌的成绩。

不连网不调工具，纯靠自然语言证明

这次测试完全照搬了人类选手的竞赛规则。模型需要在两场各自长达 4.5 小时的闭卷考试中，针对题目给出完整的自然语言证明步骤。

整个解题过程中，模型没有接入互联网，也没有调用任何外部计算工具或代码执行器。换句话说，它必须完全靠自己的上下文推理一步步把答案推出来。

结果显示，该模型在全部 6 道竞赛题目中成功做出了 5 道，最终得分 35 分，满分为 42 分。按照官方赛事的历年标准，这个分数稳稳踩在金牌线之内。

为了保证评分的严谨，OpenAI 邀请了三位前 IMO 奖牌得主担任独立裁判。每道题的最终得分必须由这三位前选手达成一致意见才算数。

DeepMind 泼冷水：没有官方打分标准都不算

消息一出，老对手 Google DeepMind 立刻站出来泼了盆冷水。

DeepMind 方面公开反驳了这一金牌主张。他们指出，IMO 赛事有一套严密且不对外的内部评分细则，脱离了官方组委会的评卷标准，任何自称拿下金牌的说法都站不住脚。

其实这也难怪对方敏感。此前各大 AI 实验室都在争夺数学推理的高地，谁先攻下 IMO 金牌，谁就能在通用推理能力上占据话语权。

不过值得注意的是，OpenAI 并没有透露这次参赛模型的具体名字和架构，它依然只是个未对公众开放的实验性模型。

为什么重要

对普通开发者和研究人员来说，这个模型目前还摸不到。但它释放的信号很明确：纯自然语言推理正在逼近所谓的数学超级智能，未来帮人类验证复杂猜想、推导未解定理并非遥不可及。

对整个行业而言，这加剧了两大巨头的路线之争。DeepMind 此前倾向于结合形式化语言和专用系统，而 OpenAI 看起来想证明通用语言模型单靠思维链就能搞定顶尖数学。DeepMind 的迅速反击，说明双方在推理能力的竞争上已经到了寸步不让的地步。

我们认为，OpenAI 找前奖牌得主背书确实比自吹自擂聪明得多，但在非官方环境下自测打分，天然缺乏公开透明的公信力。既然能力已经逼近金牌线，下一步更值得期待的，是把模型推向公开测试，或者直接交由官方盲审来见真章。