OpenAI 實驗模型拿下 IMO 金牌水平：6 題解出 5 題，獲 35 分

如果把解決前沿科學問題比作登山，國際數學奧林匹克（IMO）大概就是懸崖峭壁上的第一道關卡。過去很多業內學者覺得，純靠大模型寫自然語言證明去拿 IMO 金牌，在很長一段時間裡都近乎不可能。

OpenAI 最近給出了自己的答案。他們宣佈用一款處於實驗階段的通用推理大模型，在 2025 年 IMO 規則評測中跑出了足以拿到金牌的成績。

不連網不調工具，純靠自然語言證明

這次測試完全照搬了人類選手的競賽規則。模型需要在兩場各自長達 4.5 小時的閉卷考試中，針對題目給出完整的自然語言證明步驟。

整個解題過程中，模型沒有接入網際網路，也沒有呼叫任何外部計算工具或程式碼執行器。換句話說，它必須完全靠自己的上下文推理一步步把答案推出來。

結果顯示，該模型在全部 6 道競賽題目中成功做出了 5 道，最終得分 35 分，滿分為 42 分。按照官方賽事的歷年標準，這個分數穩穩踩在金牌線之內。

為了保證評分的嚴謹，OpenAI 邀請了三位前 IMO 獎牌得主擔任獨立裁判。每道題的最終得分必須由這三位前選手達成一致意見才算數。

DeepMind 潑冷水：沒有官方打分標準都不算

訊息一齣，老對手 Google DeepMind 立刻站出來潑了盆冷水。

DeepMind 方面公開反駁了這一金牌主張。他們指出，IMO 賽事有一套嚴密且不對外的內部評分細則，脫離了官方組委會的評卷標準，任何自稱拿下金牌的說法都站不住腳。

其實這也難怪對方敏感。此前各大 AI 實驗室都在爭奪數學推理的高地，誰先攻下 IMO 金牌，誰就能在通用推理能力上佔據話語權。

不過值得注意的是，OpenAI 並沒有透露這次參賽模型的具體名字和架構，它依然只是個未對公眾開放的實驗性模型。

為什麼重要

對普通開發者和研究人員來說，這個模型目前還摸不到。但它釋放的訊號很明確：純自然語言推理正在逼近所謂的數學超級智慧，未來幫人類驗證複雜猜想、推導未解定理並非遙不可及。

對整個行業而言，這加劇了兩大巨頭的路線之爭。DeepMind 此前傾向於結合形式化語言和專用系統，而 OpenAI 看起來想證明通用語言模型單靠思維鏈就能搞定頂尖數學。DeepMind 的迅速反擊，說明雙方在推理能力的競爭上已經到了寸步不讓的地步。

我們認為，OpenAI 找前獎牌得主背書確實比自吹自擂聰明得多，但在非官方環境下自測打分，天然缺乏公開透明的公信力。既然能力已經逼近金牌線，下一步更值得期待的，是把模型推向公開測試，或者直接交由官方盲審來見真章。